Discussione sull’articolo "Manuale statistico del trader ipotesi"
- Ci sono tre tipi di bugie: innocenti, sfacciate e statistiche © Mark Twain
- "Paradosso di Bleek": conduciamo diversi esperimenti e calcoliamo la probabilità dell'ipotesi nulla per ciascuno di essi. Sebbene tutti i risultati statistici dei singoli esperimenti abbiano avuto "successo", cioè l'ipotesi nulla per ciascuno di essi è stata rifiutata con probabilità p < n, dopo la meta-analisi otteniamo il risultato opposto: p > n.
- Prima di applicare la statistica in un settore particolare, è necessario essere sicuri di avere a che fare con un ambiente ergodico. Altrimenti, si rivelerà un gioco di numeri con una faccia intelligente.
- "Paradosso di Bleck": conduciamo diversi esperimenti e calcoliamo la probabilità dell'ipotesi nulla per ciascuno di essi. Nonostante tutti i risultati statistici dei singoli esperimenti abbiano avuto "successo", cioè l'ipotesi nulla per ciascuno di essi sia stata respinta con probabilità p < n, dopo la meta-analisi otteniamo il risultato opposto: p > n.
Si tratta di un paradosso interessante. Dove posso saperne di più?
Un paradosso interessante. Dove posso trovare maggiori informazioni al riguardo?
Il suo articolo mi dà una doppia impressione.
Inoltre. In questo forum, l'atto stesso di chiedere una valutazione ipotetica dei risultati è molto importante. Il forum è pieno di persone che disegnano una mashka e assumono che questo sia il caso piuttosto che una mashka nell'intervallo.
Meno.
Sono completamente d'accordo con Reshetov. Tutto ciò che hai detto - si riferisce a serie stazionarie o quasi - cioè serie con poche variazioni di mo e varianza nel tempo. Ma non esistono serie di questo tipo sui mercati finanziari e l'intera applicazione della statistica sui mercati finanziari ruota attorno alla stazionarietà delle serie temporali. Gli esempi più famosi sono ARIMA, ARCH e tutti gli altri.
La vostra serie casuale, il cui istogramma è mostrato nella Fig. 2, mostra che la serie ha una debole relazione con quella stazionaria, è obliqua e ha code significativamente diverse. Ciò è particolarmente evidente in relazione alla curva perfettamente normale da voi disegnata. Pertanto, il vostro ragionamento non si applica affatto al vostro esempio. Questo è solo un'illustrazione del pensiero di Reshetov.
PS. Il concetto più pericoloso e spregevole della statistica è la correlazione. È meglio non parlarne affatto.
...Tutto ciò che avete detto si riferisce a serie stazionarie o quasi, cioè a serie con poche variazioni di mo e varianza nel tempo. Non esistono serie di questo tipo sui mercati finanziari e l'intera applicazione della statistica sui mercati finanziari ruota attorno alla stazionarietà delle serie temporali. Gli esempi più famosi sono ARIMA, ARCH e tutti gli altri.
La vostra serie casuale, il cui istogramma è mostrato nella Fig. 2, mostra che la serie ha una debole relazione con quella stazionaria, è obliqua e ha code significativamente diverse. Ciò è particolarmente evidente in relazione alla curva perfettamente normale da voi disegnata. Pertanto, il vostro ragionamento non si applica affatto al vostro esempio. Questo è un'illustrazione del pensiero di Reshetov.
Grazie per la sua opinione!
Fornirò le mie controargomentazioni.
La stazionarietà è una caratteristica di una serie temporale. La figura 2 è una serie di variazioni. L'articolo non parla di serie temporali! Anche se sono d'accordo che il tempo è una caratteristica utile.....
Per quanto ne so, ergodicità significa una certa stabilità del sistema sotto studio....
Vorrei quindi sottolineare un punto importante. Se il sistema, parliamo di una serie temporale finanziaria, non è stazionario, possiamo comunque utilizzare l'econometria per trovare un modello stabile (ad esempio GARCH) che descriva il comportamento del modello. E in questo vedo la costanza del sistema - il comportamento secondo il modello.... ma con la condizione che esiste una certa probabilità che il sistema "rompa" il modello...
Grazie per la tua opinione!
Ecco le mie controargomentazioni.
La stazionarietà è una caratteristica di una serie temporale. La figura 2 è una serie di variazioni. L'articolo non parla di serie temporali! Anche se sono d'accordo che il tempo è una caratteristica utile.....
Per quanto ne so, ergodicità significa una certa stabilità del sistema sotto studio....
Vorrei quindi sottolineare un punto importante. Se il sistema, parliamo di una serie temporale finanziaria, non è stazionario, possiamo comunque utilizzare l'econometria per trovare un modello stabile (ad esempio GARCH) che descriva il comportamento del modello. E in questo vedo la costanza del sistema - il comportamento secondo il modello.... ma con la condizione che esiste una certa probabilità che il sistema "rompa" il modello.....
Qualche tempo fa, alcuni anni fa, ho pubblicato un articolo qui sul sito in cui sostenevo un'idea che è completamente inaccettabile per la maggior parte delle persone. Vale a dire.
Esistono molti indicatori. Tutti pensano che se un indicatore è disegnato, è lo stesso - dopo tutto, vediamo proprio questo. Allo stesso tempo, alla maggior parte delle persone non viene in mente che ciò che vediamo nella realtà potrebbe non esistere! Il motivo è banale. Se prendiamo la regressione corrispondente all'indicatore, è facile che alcuni dei suoi coefficienti abbiano intervalli di confidenza così ampi che è impossibile parlare del valore di tale coefficiente, e se eliminiamo tale coefficiente difettoso, il modello dell'indicatore sarà completamente diverso. Quando si dice: c'è la verità, c'è la falsità e c'è la statistica, si intende questa triste e poco abituale circostanza: non ci si può fidare di nulla, compresi gli intervalli di confidenza.
Per questo motivo ho abbandonato i modelli parametrici e mi sono dedicato ai modelli basati sull'apprendimento automatico. Non ci sono problemi di stazionarietà, ma i problemi di overtraining sono in piena regola.
E mi è piaciuto l'articolo.
Sì, le osservazioni di San Sanych e Reshetov sono legittime: se il sistema (o i sistemi) confrontato cambia i suoi parametri, i risultati del test saranno inutili.
Ma la dimostrazione stessa dell'applicazione dei metodi è piacevole. È raro per il Forex!
Vorrei dire qualcos'altro, in quanto persona che applica metodi simili proprio per i prezzi delle quotazioni. È possibile verificare in anticipo se l'ambiente è omogeneo (su due campioni indipendenti di grandi dimensioni) e quindi fidarsi dei risultati dei test di ipotesi con una certa tranquillità. Anche questo può essere fatto grazie agli stessi test.
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Accetti la politica del sito e le condizioni d’uso
Il nuovo articolo Manuale statistico del trader ipotesi è stato pubblicato:
Questo articolo considera l'ipotesi, una delle idee di base della statistica matematica. Varie ipotesi vengono esaminate e verificate attraverso esempi utilizzando metodi di statistica matematica. I dati effettivi vengono generalizzati utilizzando metodi non parametrici. Per l'elaborazione dei dati vengono utilizzati il pacchetto Statistica e la libreria di analisi numerica ALGLIB MQL5 pilotata.
Ora è necessario specificare il valore del livello di significatività. È la probabilità che l'ipotesi alternativa venga accettata mentre l'ipotesi vera è quella nulla (terza variante). È preferibile minimizzare questa probabilità.
Nel nostro caso tale errore si verificherà se assumiamo che lo Stop Loss alla media non sia uguale a 30 punti anche se in realtà lo è.
Solitamente il livello di significatività (α) è pari a 0,05. Ciò significa che il valore statistico del test dell'ipotesi nulla può popolare la regione critica in non più di 5 casi su 100.
Nel nostro caso il valore statistico del test sarà valutato su un classico grafico (Fig.1).
Fig.1. Verifica la distribuzione del valore statistico per legge di probabilità normale
Autore: Denis Kirichenko