Discussão do artigo "Explorando os Padrões Sazonais de Séries Temporais Financeiras com o Boxplot" - página 27
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Eu adicionei meu OLAP à análise de barras por meio do adaptador para MqlRates e algumas outras atualizações. Para o EURUSD M15 para o período de 2010 a 2019, decidi calcular o agregador ProfitFactor por intervalos de barras Close-Open, divididos por horas e dias da semana. Como esse agregador fornece a razão entre os valores positivos e os negativos, seus valores máximo (maior que 1) e mínimo (menor que 1) podem ser interpretados como adequados para compra e venda, respectivamente (para venda, a partir do PF menor que 1 mostrado, você precisa tomar o inverso de 1/PF para obter a lucratividade da venda). Aqui está o registro (não fiz um gráfico):
Cada linha tem PF, hora e dia da semana. Marquei as opções mais atraentes. Você pode ver que é recomendado vender a 23 e comprar de 0 a 4 em quase todos os dias.
T9
OK, aceito.
Sobre o assunto, bem, como se tudo estivesse pronto com a teoria, então o que esperar? ;)
OK, entenda isso.
Sobre o assunto, bem, se tudo está pronto com a teoria, então o que esperar? ;)
É uma ideia bastante normal. Você pode desenhar e calcular) Desenhar - diagrama de dispersão, calcular - coeficiente de correlação e sua significância.
Tenho algum cretinismo econométrico com relação a aumentos de preços. Desenhei diagramas e mapas de acerto, tirei conclusões. Mas não entendi as sutilezas de ser, por exemplo, ter:
Correlação de incrementos únicos por hora - não há regularidades, o que é normal.
com uma defasagem de 10 há, bem, e quanto maior a defasagem, maior a correlação entre relógios individuais ou grupos.
Porém, percebemos que a defasagem > 1 é uma medida bidirecional - por um lado, ela aumenta e, por outro lado, por exemplo, ela diminui. Ou seja, precisamos analisar o histórico e realizar uma estatística separada ou, de alguma forma, incluí-la na atual.
Por exemplo, se tivermos um incremento positivo com uma defasagem de 10, prevemos, com alta probabilidade, o mesmo valor de incremento na próxima barra. Obviamente, isso não obriga o preço a estar no mesmo nível. Será que olhamos para trás 10 barras e subtraímos a -9ª barra da -10ª barra, depois adicionamos a diferença à última barra zero e obtemos uma previsão correta? Como faço para incorporar isso nas estatísticas\análise.... Estou flutuando. Ou seja, para calcular o resultado real em algum equivalente estatístico, probabilístico ou qualquer outra coisa. Para ser um pouco científico).
Ou essa é uma maneira errada de pensar?
Por exemplo, é fácil obter esses diagramas no intervalo de 5 anos com uma defasagem de 25, para algumas horas.
H.I. Acho que entendi. É necessário restaurar a série prevista de incrementos, por horas (será calculada a média) e compará-la com a inicial. Os sinais serão por delta. Podemos usar os mesmos boxplots para maior clareza.
Teoricamente, é uma espécie de graal. Na prática, vamos ver. O erro de previsão é obtido somente por causa da dispersão de pontos no diagrama de dispersão, é místico.
com uma defasagem de 10, e quanto maior a defasagem, maior a correlação entre relógios individuais ou grupos.
O que é uma defasagem nesse caso? Os incrementos de dez dias atrás da barra de 7 horas têm uma correlação com os incrementos da barra de 8 horas do dia atual?
O que é defasagem nesse caso? Os incrementos de dez dias atrás da barra de 7 horas têm uma relação com os incrementos da barra de 8 horas do dia atual?
Lag = preço de fechamento defasado, por exemplo, barra 0 dividida pela barra 10. 1-close[0]/close[10]
O incremento da hora atual é altamente correlacionado com o incremento da hora anterior, ao que parece. Quanto maior a defasagem, maior a correlação; para determinadas horas, 1-close[0]/close[10] se correlaciona com 1-close[1]/close[11]
lag = preço de fechamento defasado, por exemplo, barra 0 dividida pela 10ª barra. 1-fechamento[0]/fechamento[10]
O incremento da hora atual é altamente correlacionado com o incremento da hora anterior, ao que parece. Quanto maior a defasagem, maior a correlação; para determinadas horas, 1-close[0]/close[10] se correlaciona com 1-close[1]/close[11]
Portanto, a alta correlação puramente matemática será observada em qualquer série com esse tipo de defasagem. Veja o SB para verificação.
Não é bom quando um intervalo de uma série se sobrepõe a outra. Por exemplo, 0-10 se sobrepõe a 1-11.
Não o executei por incrementos, mas por sinais desde o início de 2014. Melhor resultado
Não há conexão por sinais em H1.
Portanto, a alta correlação puramente matemática será observada em qualquer série com esse tipo de defasagem. Veja o SB para verificar.
Se você remover o agrupamento da volatilidade, o BP nos preços de fechamento já é SB, portanto, acredito nisso.
Mas ainda assim é interessante, e verifica-se que nem todas as horas têm os mesmos aumentos/diminuições de correlação conforme a defasagem muda. Acho que precisamos encontrar a defasagem mínima robusta.
Se você remover o agrupamento da volatilidade, a BP nos preços de fechamento já é SB, portanto, acredito que seja
mas ainda é interessante, e acontece que a correlação não aumenta e diminui igualmente em todas as horas conforme a defasagem muda. Acho que precisamos encontrar a defasagem mínima robusta.
É possível medir a correlação em uma janela deslizante. E depois observar suas características estatísticas. Acho que ela vai flutuar bastante.