기고글 토론 "회귀 분석으로 거시경제 데이터가 통화 가격 변동에 미치는 영향 알아보기"
모든 분석의 결과는 상황 전개에 대한 확률적 그림을 만드는 것입니다. 물론 방정식에서 얻은 결과는 예를 들어 정치인의 연설, 불가항력, 회의 결과 등의 영향을 고려하는 메커니즘이 없기 때문에 이러한 그림에서 100 % 보장 된 예측은 아닙니다. 그러나 짧은 기간 동안 통화 가격 변화에 대한 확률 론적 평가를 제공 할 수 있다고 생각합니다.
둘째, 회귀 방정식은 트레이더의 삶을 용이하게하는 동일한 기술 지표이며, 그 수치를 믿을지 여부는 트레이더 자신에 달려 있습니다.
셋째, 결과를 신뢰할 수 있고 증거가 필요하다는 사실에 의문을 제기하는 것이 옳지 만 내 기사에서는 작업 알고리즘을 그림으로 설명하고 테이블을 생성하는 스크립트를 첨부하여 처리, 사용, 실제로 기사를 확인하고 집합 적으로 금융 시장에 적용 할 수 있는지 또는 수정이 필요한지 또는 적용 할 수 없는지 결정했습니다.
모든 분석의 결과는 상황 전개에 대한 확률적 그림을 만드는 것입니다. 물론 방정식에서 얻은 결과는 예를 들어 정치인의 연설, 불가항력, 회의 결과 등의 영향을 고려하는 메커니즘이 없기 때문에 이러한 그림에서 100 % 보장 된 예측은 아닙니다. 그러나 짧은 기간 동안 통화 가격 변화에 대한 확률 론적 평가를 제공 할 수 있다고 생각합니다.
둘째, 회귀 방정식은 트레이더의 삶을 용이하게하는 동일한 기술 지표이며, 그 수치를 믿을지 여부는 트레이더 자신에 달려 있습니다.
셋째, 결과를 신뢰할 수 있고 증거가 필요하다는 사실에 의문을 제기하는 것이 옳지 만 내 기사에서는 작업 알고리즘을 그림으로 설명하고 처리를 위해 테이블 형태로 뉴스 피드를 내보내는 테이블 생성 스크립트를 첨부하고이를 사용하고 실제로 기사를 확인하고 종합적으로 금융 시장에 적용 할 수 있는지 또는 수정이 필요한지 또는 적용 할 수 없는지 결정했습니다.
귀하가 제기한 문제는 데이터 마이닝의 초석입니다. 이 문제는 CORELearn 패키지에 가장 상세하게 설명되어 있습니다. 여기 문서에 대한 링크가 있습니다. 많은 패키지에서 가장 일반적인 것은 지니 지수입니다. 가장 유망한 지수는 많은 수정 사항이있는 릴리프입니다.
기본적인 거래 질문을 제기 했으므로 연구를 떠나지 마십시오.
행운을 빕니다.
...
고맙습니다.
재밌네요.
먼저 특정 기간의 분석을 기반으로 모델을 구축한 다음, 같은 기간의 이벤트에 대한 시장 반응이 예상되는 행동을 보여준다는 것을 증명했습니다. 모델에 이미 이 이벤트가 고려되어 있으니 이해할 수 있습니다. 고전적인 방식이죠. 더 재미있는 것은 보도 자료에 대한 반응이 며칠은커녕 몇 시간 단위로도 측정되는 경우가 드물다는 것입니다.
아마도 단기간 동안 동일한 작업을 수행하면 결과가 더 삶에 가까워지고 앞으로 테스트를 성공적으로 통과 할 수있는 기회가있을 것입니다.
재밌네요.
먼저 특정 기간의 분석을 기반으로 모델을 구축한 다음, 같은 기간의 이벤트에 대한 시장 반응이 예상되는 행동을 보여준다는 것을 증명했습니다. 모델에 이미 이 이벤트가 고려되어 있으니 이해할 수 있습니다. 고전적인 방식이죠. 더 재미있는 것은 보도 자료에 대한 반응이 며칠은커녕 몇 시간 단위로도 측정되는 경우가 드물다는 것입니다.
아마도 단기적인 간격으로 동일한 작업을 수행하면 결과가 더 생생하고 앞으로의 테스트에서 성공할 기회가 있을 것입니다.
이 기사의 제목은 "분석"이며 예측에 대해 이야기하지 않으므로 포워드 테스트에 대해 이야기하지 않습니다.
귀하의 발언에 관해서는 선도 테스트의 적용 가능성을 입증하지 않고 선도 테스트를 만드는 것은 실수로 선도 테스트의 만족스러운 결과를 얻고 모델을 믿을 수 있고 실제 거래에서 안전하게 잃을 수 있기 때문에 공허한 직업이며 매우 위험합니다.
이 기사의 제목은 "분석"이며 예측, 즉 포워드 테스트에 대해서는 언급하지 않습니다.
우리가 당신의 발언에 대해 이야기하고 있다면, 포워드 테스트의 적용 가능성을 입증하지 않고 포워드 테스트를 만드는 것은 실수로 포워드 테스트의 만족스러운 결과를 얻고 모델을 믿을 수 있고 실제 거래에서 안전하게 잃을 수 있기 때문에 공허한 직업이며 매우 위험합니다.
제목만으로는 기사를 판단할 수 없습니다. 이 주제는 저에게 흥미로워서 전체를 읽었습니다. 그리고 여기에 저자가 결론에 쓴 내용이 있습니다:
그러나 예측이 통화가 예측 된 방향으로 정확히 갈 것이라는 100 % 보장이 아니라는 사실에 주목하고 싶습니다. 예측의 결과는 확률적인 사건이며, 그 발생은 여러 요인에 따라 달라집니다. 또한 새로운 데이터가 들어올 때 회귀 방정식을 주기적으로 확인하는 것이 좋습니다.
예측에 행운을 빕니다.
데이터를 다루는 것만으로는 재미가 없습니다. 저자는 회귀 방정식으로 설명되는 시장 모델을 구축한 다음, 모델 구축에 사용된 데이터에 대한 검증을 통해 모델이 어느 정도 작동한다는 것을 증명합니다. 이것이 바로 제가 일종의 조작이라고 지적한 부분입니다.
예전에는 펀더멘털 분석에 많은 어려움을 겪었고 오랫동안 자동화하려고 노력했습니다. 제안된 FA 방법은 이를 상당히 용이하게 해줍니다. 거시경제 변수를 분석하면 가격 변동에 영향을 줄 수 있는 변수를 파악하는 데 도움이 됩니다. 그러나 이러한 분석이 미래에도 관련성이 있다는 것을 100% 보장하지는 않습니다. 과거의 거래 결과가 미래에도 동일할 것이라는 보장은 없다는 점을 기억하세요.
미래 데이터에 대한 방정식 확인은 프로그램을 통해 할 수 있습니다. 직접 할 수도 있습니다. 데이터 준비 과정에서 "사례 선택" 버튼을 사용하여 극한 날짜를 제한하고 (기사 그림 13 참조) 열린 창에서 "선택 조건 활성화" 확인란을 활성화하고 아래에서 "특정, 선택 기준:"을 선택하고 상자에 "v0>0 및 v0<999"를 고려할 줄 간격을 기록합니다. 999보다 긴 행은 고려되지 않습니다. 유의미한 변수를 분석하고 선택한 후 이 창으로 돌아가서 1000행부터 간격을 변경하고 앞으로 이동한 다음 결과를 다시 확인합니다. 정확도 %는 프로그램의 매트릭스에 표시됩니다.
이 방정식 알고리즘은 트레이딩 로봇, 즉 전문가 조언자의 일부가 되어야 합니다. 안타깝게도 모든 것이 완전히 자동화되어 있지 않고 캘린더를 게시하는 사이트에서 데이터를 수집하기가 어렵고 동일한 지표가 다르게 작성 될 수 있으며 단어가 실수를 할 수 있습니다. 기간이 단기간이 아니기 때문입니다.
저는이 방법이 하늘에서 내려온 만나라고 주장하는 것이 아니라 작업을 더 쉽게하고 시간을 절약 할 수있는 추가 도구를 제공 할뿐입니다.
예전에는 펀더멘털 분석에 많은 어려움을 겪었고 오랫동안 자동화하려고 노력했습니다. 제안된 FA 방법은 이를 상당히 용이하게 해줍니다. 거시경제 변수를 분석하면 가격 변동에 영향을 줄 수 있는 변수를 파악하는 데 도움이 됩니다. 그러나 이러한 분석이 미래에도 관련성이 있다는 것을 100% 보장하지는 않습니다. 과거의 거래 결과가 미래에도 동일할 것이라는 보장은 없다는 점을 기억하세요.
미래 데이터에 대한 방정식 확인은 프로그램을 통해 할 수 있습니다. 직접 할 수도 있습니다. 데이터 준비 과정에서 "사례 선택" 버튼을 사용하여 극한 날짜를 제한하고(기사 그림 13 참조), 열린 창에서 "선택 조건 사용" 확인란을 활성화하고 아래에서 "특정, 선택 기준:"을 선택하고 상자에 "v0>0 및 v0<999"를 고려할 줄 간격을 기록합니다. 999보다 긴 행은 고려되지 않습니다. 유의미한 변수를 분석하고 선택한 후 이 창으로 돌아가서 1000행부터 간격을 변경하고 앞으로 이동한 다음 결과를 다시 확인합니다. 정확도 %는 프로그램의 매트릭스에 표시됩니다.
이 방정식 알고리즘은 트레이딩 로봇, 즉 전문가 조언자의 일부가 되어야 합니다. 안타깝게도 모든 것이 완전히 자동화되어 있지 않고 캘린더를 게시하는 사이트에서 데이터를 수집하기가 어렵고 동일한 지표가 다르게 작성 될 수 있으며 단어가 실수를 할 수 있습니다. 기간이 단기간이 아니기 때문입니다.
나는이 방법이 하늘에서 내려온 만나라고 주장하는 것이 아니라 작업을 더 쉽게하고 시간을 절약 할 수있는 추가 도구를 제공 할뿐입니다.
원칙적으로 동의할 수 없습니다.
귀하의 모델은 정보를 전혀 제공하지 않으며 사람들을 오도합니다. 그 이유는 다음과 같습니다.
1. 회귀 모델은 고정 시계열에 적용 가능합니다. 그렇기 때문에 모델을 구축하기 전에 원래 시계열을 다른 시계열로 변환하려고 시도하지만 어떻게 든 고정 시계열과 비슷할 것입니다 (모수와 분산은 상수와 같습니다).
2. 원래 시계열을 정상 시계열과 비슷하게 변환한 후, 회귀 모델을 구축하여 모델과 실제 데이터의 적합도 차이를 살펴봅니다. 이 차이(잔차 - 수익률)가 고정적이면 다음 단계를 수행할 수 있습니다.
3. 처음 두 단계의 결과가 양수인 경우, 블라딕스가 말한 포워드 테스트입니다. 모델 학습 데이터 세트에서 얻은 결과가 테스트 및 검증 데이터 세트의 결과 (시계열의 세 가지 다른 부분)에 가까운 경우 얻은 결과를 신뢰하는 것에 대해서만 이야기 할 수 있습니다. 반대의 경우 - 어떤 경우에도 숫자에 대한 맹목적인 믿음은 매우 위험한 자기기만일 것입니다.
처음 두 단계의 모든 문제는 이행 할 수 없다는 것입니다. 가장 큰 장애물은 종속 변수 간의 상관관계, 즉 다중공선성입니다. 다른 문제도 있습니다. 이것은 귀하가 제기 한 문제 (독립 변수에 대한 종속 변수의 영향 결정)를 지니, 릴리프와 같은 특수 지표로 해결하려고 시도하는 이유를 설명합니다.
귀하의 기사를 통해 거래 시스템 구축의 기본 문제인 모델의 초기 데이터 선택에 대해 다루었습니다. 노동 강도 측면에서 보면 75 % 전부는 아니더라도 적어도 절반 이상입니다. 당신이 해온 방식에서도 거래의 기본 문제를 이해하는 것이 매우 중요합니다.
...원칙적으로 동의할 수 없습니다...
좋아요, 동의하지 않겠습니다. 다른 방법을 찾을 때까지 이 방법을 사용할 것을 제안합니다 ))))
새로운 기고글 회귀 분석으로 거시경제 데이터가 통화 가격 변동에 미치는 영향 알아보기 가 게재되었습니다:
본문은 거시 경제 통계에 대한 다중 회귀 분석 적용법을 다룹니다. EURUSD를 이용해 환율 변동에 대한 통계의 영향에 대해서도 평가해 보겠습니다. 해당 평가를 통해 기본적 분석을 자동화하여 초보 투자자들도 이용할 수 있습니다.
다중 회귀 분석은 하나의 변수의 두 개 이상의 독립 변수에 대한 종속성을 평가하는 방법입니다.
수학을 잘 모르시는 분들은 아마 무슨 말인가 싶으실 텐데요. 다중 회귀 분석의 의미와 적용 방법을 한번 설명해 보겠습니다.
보조제 섭취 시 일반 신체 활동의 효율성을 평가하고자 하는 연구자가 있다고 가정할게요. 이 연구자는 24명의 대학생을 대상으로 실험을 진행합니다. 학생들은 6명씩 네 그룹으로 분류되죠. 첫 번째 그룹은 매일 100mg의 보조제를 섭취하고, 두 번째 그룹은 200mg, 세 번째 그룹은 300mg, 그리고 네 번째 그룹은 400mg을 섭취합니다. 해당 실험은 네 가지 보조제 섭취 용량과 세 가지 신체 활동을 포함합니다. 각 그룹 내 여섯 명은 세 짝으로 다시 나뉩니다. 첫 번째 팀은 일주일에 0시간을 운동하고, 두 번째 팀은 5시간, 그리고 세 번째 팀은 10시간을 운동합니다. 실험 결과 모든 참여자의 체중이 줄었습니다. 다음의 표에 해당 결과가 입력되었죠.
작성자: Salavat Bulyakarov