Discussione sull’articolo "Analisi di regressione dell'influenza dei dati macroeconomici sulla fluttuazione dei prezzi delle valute" - pagina 2
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Finora non sono stati trovati altri approcci....
Ok. Non discuto, riformulo: Tra le molte alternative, suggerisco che anche il metodo descritto nell'articolo dovrebbe essere considerato promettente.
Lo strumento che avete delineato può rivelarsi indubbiamente utile nelle seguenti circostanze.
1. Nei lavori di costruzione di una CT con un gran numero di variabili indipendenti, diverse decine o centinaia, l'approccio che avete delineato sarà utile per segnare alcune direzioni di ricerca. Se queste indicazioni formali sono accompagnate da un ragionamento sostanziale sull'influenza della variabile indipendente sulla variabile dipendente e sull'influenza reciproca delle variabili indipendenti, va bene.
2. Lo strumento da voi proposto è una fase di transizione verso un insieme più ampio di strumenti. Il punto è che, per quanto mi ricordo, STATISTICS è uno strumento molto limitato e non è aggiornato. Dopo aver fatto questo primo passo verso l'analisi della significatività delle variabili per la variabile target, sarà naturale passare a un set di strumenti più ampio, come quelli offerti dalla shell caret di R.
L'articolo è interessante. Grazie. Ma è più che altro una guida all'uso della statistica. E contiene molte idee sbagliate.
L'articolo è interessante. Grazie. Ma è più che altro una guida all'uso della statistica. E contiene molte idee sbagliate.
Non ho esposto completamente il mio punto di vista e cercherò di rimediare brevemente qui di seguito, forse ripetendomi.
1. Il problema della selezione dei dati iniziali - predittori - è fondamentale, poco formalizzato e tende più all'arte che alla scienza. Non dimentichiamo uno dei postulati fondamentali della statistica: "Garbage in - rubbish out".
2. Come ho scritto sopra, più della metà del tempo che si impiega nella costruzione di un modello è dedicato alla selezione e alla giustificazione dell'elenco e del tipo di dati iniziali. Inoltre, è l'interpretazione significativa dei dati iniziali, non le loro caratteristiche formali e statistiche, ad essere di primaria importanza. Il matematico è un mezzo ausiliario per la selezione significativa dei dati iniziali.
3. In base alla letteratura, distinguo due tipi di previsioni: una previsione, l'altra predizione.
4. Previsione: prendiamo la storia e la estrapoliamo nel futuro con qualche passo in avanti. Classico: prendiamo il mach e lo estrapoliamo in avanti. Il problema principale è che l'errore si accumula all'aumentare del numero di passi in avanti, poiché il valore successivo si basa su quello precedente.
5. Previsione: si prende l'insieme dei dati di input attuali e si prevede il futuro senza alcuna preistoria. Il valore precedente non viene utilizzato, ad esempio se prevediamo +5, non abbiamo bisogno dei 4 valori precedenti, a differenza della previsione.
5. Oltre ai dati iniziali, è molto importante COSA PREVISIONIAMO. Quando facciamo trading, abbiamo due tipi di ordini (con le opzioni) di acquisto e di vendita. Per qualche motivo prevediamo il valore futuro del prezzo tramite regressioni e concludiamo "acquisto e vendita" da questo valore. Se teniamo conto dell'errore e costruiamo la decisione "acquisto-vendita" tenendo conto dell'intervallo di confidenza, diventa subito chiaro che è impossibile prendere una decisione. Ne consegue che i MODELLI REGRESSIONALI CHE PROGNOSANO LA SIGNIFICANZA - NON SONO RAPPRESENTABILI.
6. Si deve prevedere la direzione del trend, che coincide con gli ordini dei sistemi di trading. Questo viene fatto da modelli di classificazione che sono in grado di prevedere i valori: "long-short" o "long-side-short", o qualcos'altro di qualitativo, ma non quantitativo, come ad esempio: il valore futuro della coppia = 1,3500.
7. Per la costruzione di modelli di classificazione, questo articolo può essere molto utile.
L'articolo è interessante. Grazie. Ma è più che altro una guida all'uso della statistica. E contiene molte idee sbagliate.
Ecco un esempio del mio modello di regressione che prevede l'S&P500. La linea nera è l'indice storico, la linea blu solida orizzontale è la media trimestrale e la linea tratteggiata è la previsione. Le previsioni sono in trimestri. L'accuratezza delle previsioni non è molto elevata, ma è sufficiente per prevedere il carattere dei movimenti: in discesa, in salita, in piano. Il modello prevede che il mercato scenderà nei restanti 3,5 mesi di quest'anno o, nel migliore dei casi, sarà piatto. Utilizzo queste previsioni solo per uscire in tempo dal mercato.
Domanda o richiesta all'autore - nel modello ottenuto, andare alla scheda Avanzate nei risultati e fare clic sul pulsante Correlazioni parziali.
Se non è difficile, si prega di pubblicare qui il valore dei coefficienti PC per ciascuno dei fattori del modello.
Domanda o richiesta all'autore - nel modello ottenuto, andare alla scheda Avanzate nei risultati e fare clic sul pulsante Correlazioni parziali.
Se non è difficile, pubblicate qui il valore dei coefficienti PC per ciascuno dei fattori del modello.
Tutte le operazioni si possono fare da soli, il file con i dati preparati è allegato all'articolo nell'archivio calendar_2010-2011_usd_out. zip .