Statistiche di dipendenza nelle citazioni (teoria dell'informazione, correlazione e altri metodi di selezione delle caratteristiche) - pagina 28
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
Та же возвратность тоже является установленным свойством ценовых рядов
Solo perché le distribuzioni di mercato sono della forma Parreto-Levy non significa che siano restituibili. Per lo stesso HMT, la non uniformità degli input determina il raggruppamento della volatilità, che a sua volta comporta un maggiore accumulo di piccole variazioni percentuali dei rendimenti che supera la distribuzione normale. Ma niente di tutto questo dice nulla sui ritorni. Semplicemente non ci sono informazioni (influenza esterna), quindi non ci sono scambi (il mercato è in equilibrio), quindi non c'è movimento, e la semplice assenza di movimento non indica che il prezzo è pronto a tornare indietro.
Ma tutto questo è irrilevante per l'argomento.
Solo perché le distribuzioni di mercato sono della forma Parreto-Levy non significa che siano restituibili. Per lo stesso HMT, la non uniformità degli input determina il raggruppamento della volatilità, che a sua volta comporta un maggiore accumulo di piccole variazioni percentuali dei rendimenti che supera la distribuzione normale. Ma niente di tutto questo dice nulla sui ritorni. Semplicemente non ci sono informazioni (influenza esterna), quindi non ci sono scambi (il mercato è in equilibrio), quindi non c'è movimento, e la semplice assenza di movimento non indica che il prezzo è pronto a tornare indietro.
Ma tutto questo è irrilevante per l'argomento.
In questo caso l'ho inteso come il desiderio del mercato di tornare ai prezzi passati (ritorno).
Returns significa rendimento, che di nuovo nel nostro senso è la variazione percentuale del prezzo nel periodo t.
Returns - significa ritorno o ritorno, che nel contesto del mercato può essere interpretato come il desiderio del mercato di tornare ai prezzi passati.
Quando ci si riferisce ai ritorni è meglio usare la parola "ritorno" o dire "ritorni" e quando ci si riferisce al ritorno si dice ritorno.
In questo caso l'ho inteso come il desiderio del mercato di tornare ai prezzi passati (ritorno).
Returns significa ritorno
, che sempre nella nostra accezione è la variazione percentuale del prezzo nel periodo t.Returns significa ritorno
riferisce ai ritorni si dovrebbe usare "return" o dire "returns" e quando ci si riferisce a return si dovrebbe dire return.
Qualcuno si è mai chiesto se i movimenti dei prezzi possono essere paragonati a quelli di un ascensore in un grattacielo con un forte traffico interpiano? È possibile prevedere la posizione dell'ascensore usando i concetti "barra", "TF", "tendenza", "piatto", "livelli", "tendenze", ....?
facilmente, di solito le luci del 1° piano sono accese!
In
questo caso l'ho inteso come il desiderio del mercato di tornare ai prezzi passati (ritorno)
.Returns
come ritorno
, che di nuovo nel nostro senso è una variazione percentuale del prezzo nel periodo t.Returns
come ritorno
ritorni dovremmo usare "return" o dire "returns", ma quando intendiamo il ritorno dovremmo dire return.
È possibile che questo sia il caso. Ma quando costruiamo una serie di ritorni della forma seguente: X[t]-X[t-1], quasi non lo mostra. Uso le parole rendimenti, incrementi, ritorni, sono tutte serie di prezzi differenziati.
L'asimmetria delle probabilità nella direzione del cambiamento di segno è minima e insignificante. Ma se si calcola l'entropia condizionale tra la variabile dipendente e i rendimenti su due o più ritardi, allora tutte le disuguaglianze vengono contabilizzate nella figura risultante e l'entropia si riduce.
Ho provato ad addestrare NS su dati orari e ho preso solo i lag più informativi (42 variabili, sui lag 1, 2, 23, 23, 25,... 479, 480, 481). Sfortunatamente, il risultato non ha funzionato molto bene. Accuratezza della previsione del numero quantile - nella regione del 30-40%. Anche se le irregolarità che la rete neurale è stata in grado di tradurre in uscita, ma le dipendenze non sono sufficienti per la previsione. L'intero problema è che le variabili indipendenti sono reciprocamente informative a lag 1, 2, 24.... e la quantità totale di informazioni sulla barra zero è davvero piccola. Dovremmo pensare come opzione di prendere timeframes giornalieri e più vecchi.
Nulla ci impedisce di verificare la stazionarietà di questo processo informativo e poi applicare tutta l'econometria in un colpo solo.
Non capisco bene.
L'econometria lavora con processi non stazionari, l'algoritmo approssimativo è descritto nel post. Dobbiamo capire che la non stazionarietà porta al fatto che non possiamo prendere il miglior indicatore o un insieme di indicatori e ottenere TS e fare trading in modo stabile, perché a causa della non stazionarietà qualsiasi stima di TS (PF, drawdown e altri) è fittizia e in futuro appariranno tali aree di quoziente, dove TS venderà il deposito.
La scienza della misurazione dei dati economici - l'econometria, ha delle differenze da altre scienze molto rispettabili, ma è una scienza indipendente separata e si propone di agire in modo coerente, fissando ogni risultato intermedio come un modello, puntando a ottenere un residuo stazionario, dà stime di stabilità della TS futura quando si lavora su un mercato non stazionario.
Questo è mostrato da un esempio per EURUSD e tre indicatori (linea retta, smoothing esponenziale, filtro Hodrick-Prescott) qui.
Ragazzi, usiamo una scienza separata per misurare i dati economici, e non cerchiamo di tirare fuori qualcosa dalle scienze vicine, solo perché siamo troppo pigri per leggere il manuale di econometria. Nel nostro paese, ci sono libri di testo di questo tipo che risalgono al 2000, cioè da più di 10 anni le università producono specialisti che misurano i dati economici in modo scientifico e non soffrono della merda chiamata "dipendenza dall'informazione".
E in generale, viviamo in pace.
Non ho capito bene.
L'econometria lavora con processi non stazionari, l'algoritmo approssimativo è descritto nel post. Dobbiamo capire che la non stazionarietà porta al fatto che non possiamo prendere il miglior indicatore o un insieme di indicatori e ottenere il TS e fare trading in modo stabile, perché a causa della non stazionarietà qualsiasi stima del TS (PF, drawdown e altri) è fittizia e in futuro appariranno tali aree di quoziente, dove il TS venderà il deposito.
La scienza della misurazione dei dati economici - l'econometria, ha delle differenze rispetto ad altre scienze molto rispettabili, ma è una scienza indipendente separata e si propone di agire in modo coerente, fissando ogni risultato intermedio come un modello, puntando a ottenere un residuo stazionario, dà stime di stabilità della TS futura quando si lavora su un mercato non stazionario.
Questo è mostrato da un esempio per EURUSD e tre indicatori (linea retta, smoothing esponenziale, filtro Hodrick-Prescott) qui.
Ragazzi, usiamo una scienza separata per misurare i dati economici, e non cerchiamo di tirare fuori qualcosa dalle scienze vicine, solo perché siamo troppo pigri per leggere il manuale di econometria. Nel nostro paese, esistono tali libri di testo dal 2000, cioè da più di 10 anni, le università producono specialisti che misurano i dati economici in modo scientifico e non soffrono di una sciocchezza chiamata "dipendenza dall'informazione".
E in generale, viviamo insieme.
A proposito, ho letto il suo articolo. È un articolo prezioso, e il problema della non stazionarietà è ben affrontato. E sono d'accordo che la non stazionarietà dei dati finanziari è un problema reale e urgente. Per molti mesi, quando padroneggiavo le reti neurali, ho provato diverse trasformazioni della serie temporale iniziale per migliorare la sua stazionarietà, perché le NS sono sensibili a questo fenomeno e imparano in modo inadeguato. Per essere più precisi, la densità di errore sui dati di uscita è ottenuta in modo disomogeneo che in pratica porta a forti drawdown (comunque con un MO generalmente positivo del modello).
Diciamo solo che per ora abbiamo provato semplicemente su dati grezzi (non proprio grezzi, ma una serie differenziata) solo per vedere cosa succede. Non sto assolutamente sminuendo l'importanza dell'econometria, anche se non ho letto nessun libro di testo.
Quando avrò tempo, posterò la mia versione di pre-elaborazione dei dati, che, a occhio, produce una serie più stazionaria, ma non ho fatto test di stazionarietà.