Discussão do artigo "Abordagem econométrica para análise de gráficos" - página 6

Novo comentário
 

Agora estou vendo .

  1. Você removeu o valor de defasagem zero. Onde o valor ACF é sempre =1, para que seja melhor ver. Acontece que já na defasagem =1 a diferença é de 1e4 vezes. Você tem uma ACF que tem a forma de uma função delta . Há apenas um modelo para esse tipo de ACF - é o ruído ( e isso já lhe foi perguntado, pois é uma consequência do fato de você pegar os dias e logaritmizá-los). Pense ...
  2. Afinal, você pega o módulo e eleva ao quadrado )) Eu estava certo. Quero dizer, você está fazendo isso corretamente,
      Data21[i].opMultEq(cData[i]);  //produção de um número complexo por seu conjugado 
                     //fornece um número complexo com apenas a parte real diferente de zero

z com um traço é um número complexo conjugado.

3. mas, infelizmente, você não entendeu completamente por que subtraiu o MOG e não a tendência. Embora você esteja certo, essa é uma questão teórica e é muito interessante.

  double m=mean(res);               // média aritmética da matriz res
   ArrayResize(rets1,nFFT);          // ajuste do tamanho da matriz
   for(int t=0;t<ArraySize(res);t++) //copiar a matriz original de observações 
       // para o serviço ajustado para a média
     rets1[t]=res[t]-m;

E é uma pena que você não possa contar aos outros. Mas não faça links novamente para estrangeiros, é melhor dizer isso com suas próprias palavras. Será mais claro para você mesmo. É sempre assim, quando você explica para os outros, você mesmo entenderá muito bem.

4. eu estava enganado, achei que era seu artigo https://www.mql5.com/pt/articles/185, por isso fiz essas perguntas sobre o processamento espectral, peço desculpas por atribuir o trabalho de outra pessoa a você. Seu artigo é muito bonito, há muito tempo não leio artigos assim.

 
Trolls:

Agora estou vendo .

  1. Você removeu o valor de defasagem zero. Onde o valor ACF é sempre =1, para que seja melhor ver. Acontece que já na defasagem =1 a diferença é de 1e4 vezes. Você tem uma ACF que tem a forma de uma função delta . Há apenas um modelo para esse tipo de ACF - é o ruído ( e já lhe foi perguntado, pois é uma consequência do fato de você pegar os dias e logaritmizá-los). Pense ...

Trolls, ou eu não escrevi em russo ou vocês não leram com atenção...

Eu mesmo me cito ..:

...Algumas palavras sobre a descrição dos eixos do diagrama. Tudo está claro com o eixo x - ele mostra os índices de defasagem. O eixo y mostra o valor exponencial pelo qual o valor original do ACF foi multiplicado. Assim, 1e4 significa que o valor original foi multiplicado por 1e4 (1e4=10000), e 1e2 - por 100, etc. Essa multiplicação foi feita para facilitar a leitura do diagrama.

Alguma outra dúvida sobre essa tese?

Então, sobre defasagem zero. Aqui estão dois gráficos de ACF do usdjpy:


O primeiro tem defasagem zero (seu valor está no canto superior esquerdo), enquanto o segundo não tem. Agora me diga, qual gráfico é mais ilustrativo? Só não se esqueça da defasagem zero. Então tudo ficará bem. Em meu script, deixei a segunda variante, como você entende....

 
Trolls:

2. Mesmo assim, você pega o módulo e o eleva ao quadrado )) Eu estava certo. Ou seja, você está fazendo isso corretamente,

z com um traço é um número complexo conjugado.

Fico feliz que você tenha acertado.....

3. mas, infelizmente, você não entendeu completamente por que está subtraindo o MOG e não a tendência. Embora você esteja certo, essa é uma questão teórica e é muito interessante.

E é uma pena que você não possa contar aos outros. Mas não faça links novamente para estrangeiros, é melhor dizer isso com suas próprias palavras. Será mais claro para você mesmo. É sempre assim, quando você explica para os outros, você mesmo entende muito bem.

Essa pergunta não é para mim. Embora eu suponha que por esse motivo:

a média aritmética é frequentemente usada como valores médios ou tendências centrais, mas esse conceito não se aplica à estatística robusta, o que significa que a média aritmética é fortemente influenciada por "grandes desvios". Notavelmente, para distribuições com um grande coeficiente de distorção, a média aritmética pode não ser consistente com o conceito de "média", e os valores médios de estatísticas robustas (como a mediana) podem descrever melhor a tendência central.

E a subtração de tendências é uma questão diferente, na minha opinião.

 
denkir:

Trolls, ou eu não escrevi em russo ou vocês não leram com atenção...

Estou citando a mim mesmo:

Alguma outra pergunta sobre essa tese?

...

isso está um pouco errado. Provavelmente expressei a ideia que queria lhe transmitir de forma incorreta. Está claro que na 0ª defasagem a ACF deve ser igual a 1, e também está claro que você a removeu para refletir melhor o gráfico.

Eu queria chamar sua atenção para o resultado que você obteve. O tipo de ACF que você obteve é o ACF que corresponde ao ruído.

Pegue o ruído e trace seu ACF, compare-o com seus últimos gráficos. Como dizem, encontre dez diferenças...

e eu lhe darei o link novamente, compare-o com esta figura https://www.mql5.com/pt/code/8295, onde a ACF cai suavemente e o modelo mat. é compatível com ela.

H.Y., entenda que não estou repreendendo, quero ajudar. Estou lhe contando sobre a próxima etapa da pesquisa, aquela que você não contou devido às limitações do artigo (não é possível cobrir tudo em um artigo, as pessoas escrevem dissertações, dedicam toda a sua vida a isso, não pode ser apresentado em 2 páginas).

A ordem do estudo

Obtivemos o ACF, realizamos o teste Q, agora precisamos selecionar um modelo por tipo de ACF, depois encontrar os parâmetros desse modelo, tentar prever com o modelo obtido e estimar a precisão e o horizonte de previsão.

E assim por diante, até obter resultados satisfatórios.

O ACF que você obteve é ruído, e é difícil prever o ruído, mesmo que ele seja "colorido".

 
Trolls:

...Gostaria de chamar sua atenção para o resultado que você obteve. O tipo de ACF que você obteve é o ACF que corresponde ao ruído.

Pegue o ruído e trace o gráfico de sua ACF, compare-o com seus últimos gráficos. Como se costuma dizer, encontre 10 diferenças....

H.Y. entenda que não estou repreendendo, quero ajudá-lo. Estou lhe falando sobre a próxima etapa da pesquisa, aquela que você não contou devido às limitações do artigo (não é possível cobrir tudo em um artigo, as pessoas escrevem dissertações, dedicam toda a sua vida a isso, não pode ser apresentado em 2 páginas).


Obrigado, isso foi apontado... vamos falar sobre os tipos de ACF algum tempo depois....

Cobblers discutem - nós discutimos :-)))

 

Adicionei os arquivos Autocorrelation.zip e GarchTest_html.mq5 para exibir gráficos usando as ferramentas descritas no artigo.

A partir do arquivo, o arquivo Autocorrelation.htm deve ser colocado aqui: %MetaTrader%\MQL5\Files, e o arquivo GarchTest_html.mq5 na pasta de scripts.

Peço à administração que atualize o artigo.

 

Você obterá algo parecido com isto... mas no formato *.htm. O script GarchTest_html.mq5 é lançado no gráfico e veja os resultados obtidos.

 
denkir:

Solicito à administração que atualize o artigo.

As atualizações foram publicadas
 
...Esqueci de acrescentar que você também deve colocar os arquivos de biblioteca highcharts.js e jquery.min.js na pasta %MetaTrader%\MQL5\Files .
 

alsu:
Спасибо, что дали ссылку.

Artigo muito interessante e único no fórum MQL.

Parece-me que o autor do artigo tentou resolver o problema com um ataque de sabre - os pacotes econométricos oferecem muito mais modelos do que o GARCH. Selecionar um modelo e, em seguida, selecionar os parâmetros do modelo é o meio do caminho, não o começo.

Em postagens anteriores, houve críticas sobre as análises baseadas em diferenças. Acredita-se que essas críticas surgiram porque o autor pulou a etapa inicial de preparação dos dados.

De acordo com o autor do artigo, a não estacionariedade é o único mal do mercado. Não é. Os seguintes problemas devem ser resolvidos com antecedência:

1. Devemos decidir sobre o número de candles na amostra. O número de candles na amostra depende do período de tempo? A julgar pela literatura, 50 candlesticks devem ser suficientes.

2. Vamos tentar ajustar a distribuição à nossa amostra. De preferência, uma distribuição normal. A questão do número de racks em que o gráfico é plotado surgirá imediatamente. De onde você tirou o número de racks em que o gráfico está plotado? Estamos constantemente fazendo ajustes visuais. Se acharmos que ainda não se trata de uma distribuição normal, verificaremos a própria amostra:

- presença de outliers: devemos substituir os outliers, ou seja, as citações acima de algum limite (por exemplo, 3 sigma) pelo valor do limite. Bulashov tem uma opinião diferente sobre o valor do limite.

- verificar por Fourier ou ACF a presença de ciclos, por precaução. Devido à amostra limitada e às propriedades do próprio mercado, é muito provável que não haja ciclos.

- resolver o problema das tendências. Não posso concordar com o autor - a detrendência por meio da subtração do MOG é uma simplificação séria do problema. O logaritmo é usado para uma tendência exponencial, enquanto que para uma tendência aditiva as primeiras diferenças são suficientes. A tendência terá de ser tratada separadamente e não serão necessárias regressões, e toda variedade de regressões. Você precisa subtrair a regressão, não a MOG. Isso se aplica a tendências determinísticas, mas também há tendências estatísticas.

Sem resolver essas questões, o raciocínio sobre as características estatísticas da amostra não tem base.

Somente após essas etapas, que devem ser justificadas, você poderá prosseguir com a seleção de um modelo de alguma lista oferecida por um pacote especializado, que resolverá muitos outros problemas técnicos.


123456789101112
Novo comentário