記事"貨幣価格変動に対するマクロ経済データの影響の回帰分析"についてのディスカッション
どのような分析の結果も、状況展開の確率的な図を作成することになる。もちろん、政治家の演説や不可抗力、会議の結果などの影響を考慮するメカニズムが欠けているため、このような図式から得られる結果は100％保証された予測ではありません。
第二に、回帰式はトレーダーの生活を容易にする同じテクニカル指標であり、その読みを信じるか信じないかはトレーダー自身にかかっている。
第三に、あなたは結果が信頼できるという事実を疑問視するのは正しいですが、証拠が必要ですが、私の記事で、私は写真でアクションのアルゴリズムを概説している、処理のためのテーブルの形でニュースフィードをエクスポートするためのテーブルを生成するためのスクリプトを 添付し、使用し、実際に記事をチェックし、総称して、これが金融市場に適用されるか、または修正を必要とするか、適用されないかどうかを決定します。
どのような分析の結果も、状況展開の確率的な図を作成することになる。もちろん、例えば政治家の演説や不可抗力、会議の結果などの影響を考慮するメカニズムが欠けているため、式から得られる結果はそのような絵の中で100％保証された予測ではありません。しかし、小さな期間の通貨価格の変化について確率的な評価を与えることはできる、と思います。
第二に、回帰式はトレーダーの生活を容易にする同じテクニカル指標であり、その読みを信じるか信じないかはトレーダー自身にかかっている。
第三に、あなたは結果が信頼できるという事実を疑問視するのは正しい、証拠が必要ですが、私の記事で、私は写真でアクションのアルゴリズムを概説している、処理のためのテーブルの形でニュースフィードをエクスポートするためのテーブルを生成するためのスクリプトを 添付し、それを使用して、実際に記事をチェックし、総称して、それが金融市場に適用されるか、または修正を必要とするか、適用されないかどうかを決定します。
あなたが提起した問題は、データマイニングの要である。この問題はCORELearnパッケージで最も詳しく説明されています。ここにドキュメントへのリンクが あります。多くのパッケージで最も一般的なのは、ジニ指数です。最も有望な指標は、Reliefで、その多くの修正がある。
トレーディングの基本的な問題を提起しているのですから、研究の手を緩めないでください。
幸運を祈る。
...
ありがとう。
それはおかしい。
まず、ある期間の分析に基づいてモデルを構築し、同じ期間のある出来事に対する市場の反応が予想された行動を示していることを証明した。まあ、それは理解できる。モデルはすでにこの出来事を考慮している。典型的なあてはめだ。さらに面白いのは、ニュースリリースに対する反応が数日単位はおろか、数時間単位で測定されることさえほとんどないことだ。
おそらく、同じことを短期間の間隔で行えば、結果はより現実に近くなり、フォワードテストに合格する可能性があるだろう。
それはおかしい。
まず、ある期間の分析に基づいてモデルを構築し、同じ期間のある出来事に対する市場の反応が予想された行動を示していることを証明した。まあ、それは理解できる。モデルはすでにこの出来事を考慮している。典型的なあてはめだ。さらに面白いのは、ニュースリリースに対する反応が数日単位はおろか、数時間単位で測定されることさえほとんどないことだ。
おそらく、短期的な間隔で同じことをすれば、結果はより現実的なものになり、フォワードテストに成功する可能性があるだろう。
この記事のタイトルは「分析」であり、予測については触れていない。
フォワード・テストの適用可能性を実証することなく、フォワード・テストを行うのは空虚な行為であり、非常に危険です。なぜなら、誤ってフォワード・テストで満足のいく結果を得て、自分のモデルを信じてしまい、実際の取引で安全に負けてしまう可能性があるからです。
この記事のタイトルは「分析」であり、予測については触れておらず、したがってフォワードテストについても触れていない。
フォワード・テストの適用可能性を実証することなく、フォワード・テストを行うことは空虚な行為であり、非常に危険です。なぜなら、誤ってフォワード・テストの満足のいく結果を得て、自分のモデルを信じてしまい、実際の取引で安全に負けてしまう可能性があるからです。
この記事をタイトルだけで判断することはできない。トピックは私にとって興味深く、全文を読んだ。そして、著者は結論でこう書いている：
しかし、予測は通貨が予測された方向に正確に進むことを100％保証するものではないという事実に注目していただきたい。予測の結果は確率的な事象であり、その発生は多くの要因に左右される。また、新しいデータが入ってきたら、回帰式を定期的にチェックすることをお勧めします。
あなたの予測に幸あれ。
ただデータをやりくりするだけでは面白くない。著者は、回帰式で記述された市場のモデルを構築し、そのモデルを構築するために使用したデータで検証を行いながら、そのモデルがある種機能していることを証明している。これこそ、私がある種のごまかしと指摘したものだ。
昔、ファンダメンタル分析にとても苦労し、長い間自動化を試みていた。提案されたFA手法は、それをかなり容易にしてくれる。マクロ経済変数の分析は、価格変動に影響を与える可能性のある変数を特定するのに役立つ。しかし、このような分析は、それらが将来も関連するという100％の保証を与えるものではない。覚えておいてほしいのは、過去の取引結果が将来も同じであるという保証にはならないということだ。
将来のデータで方程式をチェックすることは、プログラムによって行うことができます。また、自分で行うこともできます。データ準備の過程で、"Select Cases"（記事の図13を参照）ボタンを使って極端な日付を限定し、開いたウィンドウで "Enable Selection Conditions"（選択条件を有効にする）チェックボックスを有効にし、その下の "Specific, selected by: "を選択し、ボックスに "v0>0 and v0<999 "を考慮に入れる行の間隔を書き込む。999より遠い行は考慮されない．分析と有意な変数の選択の後、このウィンドウに戻って変更し、区間を1000行目から前進させて、結果を再度チェックします。精度%は、プログラムの行列に表示されます。
この方程式アルゴリズムは、取引ロボット、Expert Advisorの一部であるべきです。残念ながら、すべてが完全に自動化されているわけではなく、カレンダーを掲載しているサイトからデータを収集するのは困難です。なぜなら、期間が短期ではないからだ。
私は、この方法が天からの授かりものであると主張しているわけではありません。ただ、あなたの仕事を楽にし、時間を節約できる追加ツールを提供しているだけです。
昔、ファンダメンタル分析にとても苦労し、長い間自動化を試みていた。提案されたFA手法は、それをかなり容易にしてくれる。マクロ経済変数の分析は、価格変動に影響を与える可能性のある変数を特定するのに役立つ。しかし、このような分析は、それらが将来も関連するという100％の保証を与えるものではない。覚えておいてほしいのは、過去の取引結果が将来も同じであるという保証にはならないということだ。
将来のデータで方程式をチェックすることは、プログラムによって行うことができます。また、自分で行うこともできます。データ準備の過程で、"Select Cases"（記事の図13を参照）ボタンを使って極端な日付を限定し、開いたウィンドウで "Enable Selection Conditions"（選択条件を有効にする）チェックボックスを有効にし、その下の "Specific, selected by: "を選択し、ボックスに "v0>0 and v0<999 "を考慮に入れる行の間隔を書き込む。999より遠い行は考慮されない．分析と有意な変数の選択の後、このウィンドウに戻って変更し、区間を1000行目から前進させて、結果を再度チェックします。精度%は、プログラムの行列に表示されます。
この方程式アルゴリズムは、取引ロボット、Expert Advisorの一部であるべきです。残念ながら、すべてが完全に自動化されているわけではなく、カレンダーを掲載しているサイトからデータを収集するのは困難です。なぜなら、期間が短期ではないからです。
私は、この方法が天からの授かりものであると主張しているわけではなく、仕事を楽にし、時間を節約できる追加ツールを提供しているだけです。
原則的には同意できない。
あなたのモデルはまったく情報を提供しない。その理由は以下の通りだ。
1.回帰モデルは定常時系列に適用できる。モデルを構築する前に、元の時系列を他の時系列に変換しようとしますが、何らかの形で定常時系列（moと分散が定数に等しい）に似てしまいます。
2.元の系列を定常性に似せるように変換した後、モデルからの適合と実際のデータとの差を見ることだけを目的として回帰モデルを構築する。この差（残差-リターン）が定常であれば、次のステップに進むことができる。
3.3.最初の2つのステップの結果が肯定的であれば、Vladixが 書いたように 、フォワードテストを 行う。 モデルのトレーニングデータセットで得られた結果が、テストデータセットと検証データセット（これらは時系列の3つの異なる部分である）で得られた結果に近い場合、その時初めて得られた結果を信頼することについて話し始めることができる。その逆の場合、つまりどんな場合でも、それは非常に危険な自己欺瞞であり、数字への盲目的な信頼となる。
最初の2つのステップのすべての問題は、それが実現できないことである。主で最も厄介な障害は、従属変数間の相関-多重共線性-である。他の問題もある。このことから、あなたが提起した問題（従属変数が独立変数に与える影響を決定すること）は、特別な指標、例えばジニやレリーフで解決されようとしていることがわかる。
あなたの記事は、トレーディング・システム構築の基本的な問題、すなわちモデル用の初期データの選択に触れています。労働集約度という点では、75％すべてとは言わないまでも、少なくとも半分の時間はこの作業に費やされます。あなたのやり方であっても、トレーディングの基本的な問題を理解する上で非常に重要です。
...原則的に同意できない ...
わかった、同意するな。他のアプローチが見つかるまで、私はこれを使うことを提案する )))))
- 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
新しい記事 貨幣価格変動に対するマクロ経済データの影響の回帰分析 はパブリッシュされました:
ファンダメンタル分析は多くの人に理解できないとみなされています。それをどのように実行すればよいのか、どのパラメータを考慮すべきか、どれをす べきでないかが明確でないのです。会計処理パラメータと検討するつもりの時間の長さの影響を見つけることはどちらも簡単なことではありません。
2011 I 年に私は記事 Multiple Regression Analysis. Strategy Generator and Tester in One に出会い、そこに書かれている方法が興味深いと思いました。ファンダメンタル分析に対するこの方法のアプリケーションについて研究を行い、本稿にその結果を書いています。
作者: Salavat Bulyakarov