計量経済学：なぜ共統合が必要なのか - ページ 26 1...19202122232425262728 新しいコメント СанСаныч Фоменко 2012.04.26 11:30 #251 alsu: (a)t統計量はデータが正規分布であることを前提としており、そのようなデータの場合のみで、それ以外の場合は結果を歪めてしまいます。 b) 100%をt基準の値で割るというmatstatの新しい方向性は何でしょうか、ご教示ください。 a) 実際のz統計量 b) 種のためで、誤差をパーセントで素早く見積もるためです。 しかし、問題はそこではありません。 問題は根本にある。私が読んだもの、造られた自分自身は、その予測可能性が「正しい」という要件から導かれるものではないと言っています。それが、私が何度も立ち返る理由です。入力が定常系列にあることで惹起される共和分。しかし、予測可能性という点では疑問が残ります。 Alexey Subbotin 2012.04.26 11:58 #252 faa1947: a) は実際には z 統計量である そのため、スチューデントの代わりに漸近正規が仮定されているが、これも確実とは言い難い。 b) 誤差をパーセンテージで素早く推定するための種明かしです しかし、問題はそこではありません。 問題の根源です。私が読んだもの、造られた自分自身は、その予測可能性が「正しい」という要件から導かれるものではないと言っています。それが、私が何度も立ち返る理由です。入力が定常系列にあることで惹起される共和分。しかし、予測可能性という点では疑問が残ります。 そして何より、共和分そのものの予測可能性の問題。それが、私たちが取り組むべきことです。 СанСаныч Фоменко 2012.04.26 12:30 #253 alsu: はスチューデントの代わりに漸近正規と仮定しているが、これも確実とは言い難い。 そして何より、共和分そのものの予測可能性の問題。それが、私たちが取り組むべきことです。 開始しました。時間がかかる СанСаныч Фоменко 2012.04.28 05:53 #254 alsu: そのために努力しようということです。 以下はその結果である。H1 6736バーを取った。写真は最初の500本です。118本のバー（週）のウィンドウです。1小節ずつずらす。 共統合回帰 eurusd = c(1)*gbpusd + c(2)+ c(3)*@trend ペアの違い エントリー - 下から上への横断 出口 - ゼロクロス 上記以外の項目は考慮しない - 複雑すぎる図面が得られる。 この分野では、お得な情報があります。 ピップを扱う コインテグレーション回帰における係数с(i)の挙動が非常に気になるところです。 ご意見をお聞かせください。 anonymous 2012.04.28 06:48 #255 faa1947: コイネグレーション回帰 eurusd = c(1)*gbpusd + c(2)+ c(3)*@trend あなたは何度も、共和分推定に用いるさまざまな方程式を引用しています。決定論的なトレンド成分を回帰に含める理由を正当化されたのですが、私はその点を見落としたようです。もう一度説明していただけますか？ 私の知る限り、決定論的成分は、回帰変数にそのような成分が含まれている場合にのみ含まれるべきです。この場合、例えばMacKinnonの表からt統計量の臨界値を正しく使用することができます。ユーロドル、ポンドドル、あるいはそれらの線形結合に決定論的な線形トレンドが存在するとはとても思えません。 ご存知のように、本当にコイネグレーションの起こるとき、回帰係数推定値（ロングランモデル）は超安定性という性質を持ちます。あなたの結果に従うと、eurusd と gbpusd の共和分も存在することになります。この2つの命題から、重ならない2つのデータ領域で、提示した回帰比（必ず同じ予測変数で）を評価し、チェビシェフの不等式によって、これらのデータ領域でのC（3）比推定値が統計的に有意に異なることを確認することを提案します。もしそうなら、回帰残差の平均ではなく、決定論的なトレンド成分を取引しようとするはずです。もし、C(3)の推定値が大きく異なるようであれば、推定する回帰の構造を修正することをお勧めします。 СанСаныч Фоменко 2012.04.28 09:08 #256 anonymous: 私の知る限り、決定論的成分は、回帰変数にそのような成分が含まれている場合にのみ含まれるはずです。その場合、t統計量の臨界値は、例えばMacKinnonの表から正しく使用することができる。ユーロドル、ポンドドル、あるいはそれらの線形結合に決定論的な線形トレンドが存在するとはとても思えません。 ご存知のように、本当にコイネグレーションの起こるとき、回帰係数推定値（ロングランモデル）は超安定性という性質を持ちます。あなたの結果に従うと、eurusd と gbpusd の共和分も存在することになります。この2つの命題から、重ならない2つのデータ領域で、提示した回帰比（必ず同じ予測変数で）を評価し、チェビシェフの不等式によって、これらのデータ領域でのC（3）比推定値が統計的に有意に異なることを確認することを提案します。もしそうなら、回帰残差の平均ではなく、決定論的なトレンド成分を取引しようとするはずです。もし、C(3)係数の推定値が有意に異なる場合は、推定される回帰の構造を見直すことをお勧めします。 共同積分を推定するために使用するさまざまな方程式を何度も引用していますね。決定論的なトレンド成分を回帰に含める理由を正当化されたのですが、私はその点を見落としたようです。もう一度説明していただけますか？ それこそ、何も主張できないんです。 私としては、過去の異なる2つのプロットを比較しても、何の意味もありません。実際の取引では、1小節進めると、この新しいプロットが1小節分異なって、新しい係数が得られます。 係数с(1)とс(2)の値は上に示したとおりで、常にかなり変化している。以下は、係数c(3)の値です。 ここでは、共和分方程式の推定を行う（回帰ではない）。 被説明変数：EURUSD 手法：動的最小二乗法(DOLS) 日付: 04/28/12 時間: 14:49 サンプル：118 6736 含まれる観測データ：6619 積分方程式決定係数：C @TREND 自動リード＆ラグ仕様（AICに基づきリード=34、ラグ=34とする 基準, max=34) ロングラン分散推定値（Bartlettカーネル、Newey-West固定帯域幅=) 11.0000) 標準誤差と共分散のためのd.f.調整なし 変数 係数 標準偏差 誤差 t-Statistic Prob. gbpusd 1.477877 0.039584 37.33545 0.0000 c -0.983188 0.064891 -15.15143 0.0000 @trend 9.03e-07 6.68e-07 1.352241 0.1763 t統計量とそれに対応する確率は、サンプル全体（118-6736本）の傾向を無視できるとしています。これは、大きなサンプルでは傾向がない可能性が高いので、驚くことではありません。 ウィンドウサイズのサンプル＝118本としてみましょう。絵柄が違うんです。 被説明変数：EURUSD 手法：動的最小二乗法(DOLS) 日時：2012年04月28日 時間：15:00 サンプル： 118 236 含まれる観測データ：119件 積分方程式決定係数：C @TREND 自動リード＆ラグ指定（AICに基づきlead=1、lag=0とする 基準, max=12) ロングラン分散推定値（Bartlettカーネル、Newey-West固定帯域幅=) 5.0000) 標準誤差と共分散のためのd.f.調整なし 変数 係数 標準偏差 誤差 t-Statistic Prob. gbpusd 0.410017 0.131928 3.107892 0.0024 c 0.652893 0.209209 3.120769 0.0023 @trend 0.000202 1.90e-05 10.59269 0.0000 傾向はあるようだが、t-Statisticの 値が低すぎるため、推定された係数に大きな誤差が あることが示唆される。 このことから、デトレンドは常に行うべきであると結論づけられる。しかし、それは直線的なトレンドではありません。トレンドの方程式には、ある種の制限があるんです。例えば、Hodrick-Prescottフィルターが使えるでしょう。 以下は、2つの決定論的な傾向を含めた結果です。 被説明変数：EURUSD 手法：動的最小二乗法(DOLS) 日付: 04/28/12 時間: 15:06 サンプル： 118,236 含まれる観測データ：119件 共分散方程式の決定係数：HP_EUR HP_GBP 自動リード＆ラグ指定（AICに基づきlead=0, lag=0とする 基準, max=12) ロングラン分散推定値（Bartlettカーネル、Newey-West固定帯域幅=) 5.0000) 標準誤差と共分散のためのd.f.調整なし 変数 係数 標準偏差 誤差 t-Statistic Prob. gbpusd 0.604971 0.094954 6.371191 0.0000 hp_eur 1.002990 0.028777 34.85379 0.0000 hp_gbp -0.607497 0.096679 -6.283619 0.0000 前のケースよりずっとまともです。要は、1小節のシフトではこちらの方が安定するんです。 Econometrics: why co-integration is СанСаныч Фоменко 2012.11.24 16:23 #257 しました。ほとんど。ペアトレードを行う。固定ロット=1。H1に1036本のバーがあります。引用チャートスプレッドのないバランス。左-増分、すなわち0.8＝8000ピップス貿易実績のグラフ2つの通貨ペアの合計統計値。りえきざい[1] 6.210877> プロフィットプラス[1] 1.1192 = * 10000 = 11192 pips> profit.minus[1] 0.1802 = *10000 = 1802 ピップス> SSD(利益)-SKO[1] 0.001738898 * 10000 = 17 pips> 要約(利益)Min...............................1stク中央値 平均値............................第3回 クマックスです。-0.0047000 0.0000000 0.0006000 0.0009064 0.0015000 0.0192000最後の行から：最大ドローダウン（pips）＝47pips。最大収益取引＝192pips。取引システムの構築には、ライブラリが使用されました。ライブラリ(mFilter)ライブラリ(tsDyn)ライブラリ(lmtest)library(fUnitRoots)です。ライブラリ(動物園) ランダムフロー理論とFOREX Econometrics: why co-integration is Random Flow Theory and СанСаныч Фоменко 2012.11.24 16:33 #258 こちらに移動しました。こちらは別のセクションですが、バーの数が H1の2.5倍になっています残高の最後の1000小節そして、これが最後の統計です。> プロフィット・ファクター[1] 6.843426> プロフィットプラス[1] 2.8366> profit.minus[1] 0.4145> sd(利益)[1] 0.001760334> 要約(利益)Min.1st Qu.中央値 平均値 第3四半期マックスです。-0.004000 0.000100 0.000700 0.001054 0.001700 0.017300なお、プロフィットファクターとドローダウンはあまり変化していません。 Econometrics: why co-integration is ランダムフロー理論とFOREX Юсуфходжа 2012.11.24 16:41 #259 (18)と比較するための具体的な結果を待っているところ。 СанСаныч Фоменко 2012.11.24 16:52 #260 yosuf:(18)と比較するための具体的な結果を待っているところ。 投稿された内容でも息が詰まる。 1...19202122232425262728 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
(a)t統計量はデータが正規分布であることを前提としており、そのようなデータの場合のみで、それ以外の場合は結果を歪めてしまいます。
b) 100%をt基準の値で割るというmatstatの新しい方向性は何でしょうか、ご教示ください。
a) 実際のz統計量
b) 種のためで、誤差をパーセントで素早く見積もるためです。
しかし、問題はそこではありません。
問題は根本にある。私が読んだもの、造られた自分自身は、その予測可能性が「正しい」という要件から導かれるものではないと言っています。それが、私が何度も立ち返る理由です。入力が定常系列にあることで惹起される共和分。しかし、予測可能性という点では疑問が残ります。
a) は実際には z 統計量である
そのため、スチューデントの代わりに漸近正規が仮定されているが、これも確実とは言い難い。
b) 誤差をパーセンテージで素早く推定するための種明かしです
しかし、問題はそこではありません。
問題の根源です。私が読んだもの、造られた自分自身は、その予測可能性が「正しい」という要件から導かれるものではないと言っています。それが、私が何度も立ち返る理由です。入力が定常系列にあることで惹起される共和分。しかし、予測可能性という点では疑問が残ります。
はスチューデントの代わりに漸近正規と仮定しているが、これも確実とは言い難い。
そして何より、共和分そのものの予測可能性の問題。それが、私たちが取り組むべきことです。そのために努力しようということです。
以下はその結果である。H1 6736バーを取った。写真は最初の500本です。118本のバー（週）のウィンドウです。1小節ずつずらす。
共統合回帰
eurusd = c(1)*gbpusd + c(2)+ c(3)*@trend
ペアの違い
エントリー - 下から上への横断
出口 - ゼロクロス
上記以外の項目は考慮しない - 複雑すぎる図面が得られる。
この分野では、お得な情報があります。
ピップを扱う
コインテグレーション回帰における係数с(i)の挙動が非常に気になるところです。
ご意見をお聞かせください。
コイネグレーション回帰
eurusd = c(1)*gbpusd + c(2)+ c(3)*@trend
あなたは何度も、共和分推定に用いるさまざまな方程式を引用しています。決定論的なトレンド成分を回帰に含める理由を正当化されたのですが、私はその点を見落としたようです。もう一度説明していただけますか？
私の知る限り、決定論的成分は、回帰変数にそのような成分が含まれている場合にのみ含まれるべきです。この場合、例えばMacKinnonの表からt統計量の臨界値を正しく使用することができます。ユーロドル、ポンドドル、あるいはそれらの線形結合に決定論的な線形トレンドが存在するとはとても思えません。
ご存知のように、本当にコイネグレーションの起こるとき、回帰係数推定値（ロングランモデル）は超安定性という性質を持ちます。あなたの結果に従うと、eurusd と gbpusd の共和分も存在することになります。この2つの命題から、重ならない2つのデータ領域で、提示した回帰比（必ず同じ予測変数で）を評価し、チェビシェフの不等式によって、これらのデータ領域でのC（3）比推定値が統計的に有意に異なることを確認することを提案します。もしそうなら、回帰残差の平均ではなく、決定論的なトレンド成分を取引しようとするはずです。もし、C(3)の推定値が大きく異なるようであれば、推定する回帰の構造を修正することをお勧めします。
私の知る限り、決定論的成分は、回帰変数にそのような成分が含まれている場合にのみ含まれるはずです。その場合、t統計量の臨界値は、例えばMacKinnonの表から正しく使用することができる。ユーロドル、ポンドドル、あるいはそれらの線形結合に決定論的な線形トレンドが存在するとはとても思えません。
ご存知のように、本当にコイネグレーションの起こるとき、回帰係数推定値（ロングランモデル）は超安定性という性質を持ちます。あなたの結果に従うと、eurusd と gbpusd の共和分も存在することになります。この2つの命題から、重ならない2つのデータ領域で、提示した回帰比（必ず同じ予測変数で）を評価し、チェビシェフの不等式によって、これらのデータ領域でのC（3）比推定値が統計的に有意に異なることを確認することを提案します。もしそうなら、回帰残差の平均ではなく、決定論的なトレンド成分を取引しようとするはずです。もし、C(3)係数の推定値が有意に異なる場合は、推定される回帰の構造を見直すことをお勧めします。
共同積分を推定するために使用するさまざまな方程式を何度も引用していますね。決定論的なトレンド成分を回帰に含める理由を正当化されたのですが、私はその点を見落としたようです。もう一度説明していただけますか？
それこそ、何も主張できないんです。
私としては、過去の異なる2つのプロットを比較しても、何の意味もありません。実際の取引では、1小節進めると、この新しいプロットが1小節分異なって、新しい係数が得られます。 係数с(1)とс(2)の値は上に示したとおりで、常にかなり変化している。以下は、係数c(3)の値です。
ここでは、共和分方程式の推定を行う（回帰ではない）。
被説明変数：EURUSD
手法：動的最小二乗法(DOLS)
日付: 04/28/12 時間: 14:49
サンプル：118 6736
含まれる観測データ：6619
積分方程式決定係数：C @TREND
自動リード＆ラグ仕様（AICに基づきリード=34、ラグ=34とする
基準, max=34)
ロングラン分散推定値（Bartlettカーネル、Newey-West固定帯域幅=)
11.0000)
標準誤差と共分散のためのd.f.調整なし
変数 係数 標準偏差 誤差 t-Statistic Prob.
gbpusd 1.477877 0.039584 37.33545 0.0000
c -0.983188 0.064891 -15.15143 0.0000
@trend 9.03e-07 6.68e-07 1.352241 0.1763
t統計量とそれに対応する確率は、サンプル全体（118-6736本）の傾向を無視できるとしています。これは、大きなサンプルでは傾向がない可能性が高いので、驚くことではありません。
ウィンドウサイズのサンプル＝118本としてみましょう。絵柄が違うんです。
被説明変数：EURUSD
手法：動的最小二乗法(DOLS)
日時：2012年04月28日 時間：15:00
サンプル： 118 236
含まれる観測データ：119件
積分方程式決定係数：C @TREND
自動リード＆ラグ指定（AICに基づきlead=1、lag=0とする
基準, max=12)
ロングラン分散推定値（Bartlettカーネル、Newey-West固定帯域幅=)
5.0000)
標準誤差と共分散のためのd.f.調整なし
変数 係数 標準偏差 誤差 t-Statistic Prob.
gbpusd 0.410017 0.131928 3.107892 0.0024
c 0.652893 0.209209 3.120769 0.0023
@trend 0.000202 1.90e-05 10.59269 0.0000
傾向はあるようだが、t-Statisticの 値が低すぎるため、推定された係数に大きな誤差が あることが示唆される。
このことから、デトレンドは常に行うべきであると結論づけられる。しかし、それは直線的なトレンドではありません。トレンドの方程式には、ある種の制限があるんです。例えば、Hodrick-Prescottフィルターが使えるでしょう。
以下は、2つの決定論的な傾向を含めた結果です。
被説明変数：EURUSD
手法：動的最小二乗法(DOLS)
日付: 04/28/12 時間: 15:06
サンプル： 118,236
含まれる観測データ：119件
共分散方程式の決定係数：HP_EUR HP_GBP
自動リード＆ラグ指定（AICに基づきlead=0, lag=0とする
基準, max=12)
ロングラン分散推定値（Bartlettカーネル、Newey-West固定帯域幅=)
5.0000)
標準誤差と共分散のためのd.f.調整なし
変数 係数 標準偏差 誤差 t-Statistic Prob.
gbpusd 0.604971 0.094954 6.371191 0.0000
hp_eur 1.002990 0.028777 34.85379 0.0000
hp_gbp -0.607497 0.096679 -6.283619 0.0000
前のケースよりずっとまともです。要は、1小節のシフトではこちらの方が安定するんです。
しました。ほとんど。
ペアトレードを行う。固定ロット=1。H1に1036本のバーがあります。
引用チャート
スプレッドのないバランス。
左-増分、すなわち0.8＝8000ピップス
貿易実績のグラフ
2つの通貨ペアの合計統計値。
りえきざい
[1] 6.210877
> プロフィットプラス
[1] 1.1192 = * 10000 = 11192 pips
> profit.minus
[1] 0.1802 = *10000 = 1802 ピップス
> SSD(利益)-SKO
[1] 0.001738898 * 10000 = 17 pips
> 要約(利益)
Min...............................1stク中央値 平均値............................第3回 クマックスです。
-0.0047000 0.0000000 0.0006000 0.0009064 0.0015000 0.0192000
最後の行から：最大ドローダウン（pips）＝47pips。最大収益取引＝192pips。
取引システムの構築には、ライブラリが使用されました。
ライブラリ(mFilter)
ライブラリ(tsDyn)
ライブラリ(lmtest)
library(fUnitRoots)です。
ライブラリ(動物園)
こちらに移動しました。
こちらは別のセクションですが、バーの数が H1の2.5倍になっています
残高の最後の1000小節
そして、これが最後の統計です。
> プロフィット・ファクター
[1] 6.843426
> プロフィットプラス
[1] 2.8366
> profit.minus
[1] 0.4145
> sd(利益)
[1] 0.001760334
> 要約(利益)
Min.1st Qu.中央値 平均値 第3四半期マックスです。
-0.004000 0.000100 0.000700 0.001054 0.001700 0.017300
なお、プロフィットファクターとドローダウンはあまり変化していません。
(18)と比較するための具体的な結果を待っているところ。