Previsão de mercado com base em indicadores macroeconômicos - página 8
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
A substituição de uma regressão de linha reta por duas linhas retas, uma para valores de entrada positivos e outra para valores de entrada negativos, não mostrou nenhuma vantagem particular. A tentativa de prever o PIB em vez do S&P500 resultou em um RMS mais baixo das previsões, mas o número ideal de insumos ainda é 1. Assim, adicionar um segundo e terceiro preditor sempre leva a um aumento no RMS da previsão prévia. Eu não gosto disto. Eu gostaria de ver um modelo com mais variáveis. Assim, a busca por modelos, dados e suas transformações continua.
o aumento do número de variáveis aumenta naturalmente a variância total
número ótimo de preditores de 5 a 8 (imho)
Dow Jones e a taxa de juros a três meses da LIBOR sobre o dólar. Estranhamente, os livros didáticos dizem que quando a taxa sobe, o mercado desce, mas é o contrário.
No entanto, não se vê uma forte correlação.
P.S. Quem pode me dizer onde encontrar dados sobre taxas de juros antes de 1986 e preços (não rendimentos) de Tregers anteriores a 2007?
Dow Jones e a taxa de juros a três meses da LIBOR sobre o dólar. Estranhamente, os livros didáticos dizem que quando a taxa sobe, o mercado desce, mas é o contrário.
No entanto, não se vê uma forte correlação.
P.S. Quem pode me dizer onde encontrar dados sobre as taxas de juros antes de 1986 e preços (não rendimentos) das letras T anteriores a 2007?
http://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/Historic-LongTerm-Rate-Data-Visualization.aspx
mas realmente muito inconveniente (((.
http://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/Historic-LongTerm-Rate-Data-Visualization.aspx
Mas é muito embaraçoso (((
Desculpe, só tem tarifas.
os preços estão aqui, mas somente no mês
http://www.investing.com/rates-bonds/us-10-yr-t-note-historical-data
A substituição de uma regressão de linha única por duas regressões de linha, uma para valores de entrada positivos e outra para valores de entrada negativos, não mostrou muitos benefícios. A tentativa de prever o PIB em vez do S&P500 resultou em um RMS mais baixo das previsões, mas o número ideal de insumos ainda é 1. Assim, adicionar um segundo e terceiro preditores sempre leva a um aumento na previsão RMS. Eu não gosto disto. Eu gostaria de ver um modelo com mais variáveis. Assim, a busca por modelos, dados e suas transformações continua. Não quero me iludir com a amostragem de preditores baseados em toda a história e a previsão da mesma história por preditores selecionados. O verdadeiro desafio agora é como selecionar os preditores com apenas história até a data prevista. Talvez a realidade realmente limite a escolha a apenas um preditor.
Eu não entendo porque você não usa RAttle - você usa alguns modelos foleiros e, mais importante, limitados.
Tenho uma sugestão a fazer.
Envie-me o arquivo tsv.file com os nomes das colunas. Especifique quais (quais) colunas devem ser usadas como variáveis-alvo. Naturalmente, a linha da tabela deve se referir a um ponto no tempo.
Vou publicar o resultado em Rattle e, com sua permissão, publicarei o resultado aqui para 6 modelos muito decentes.
PS.
Regressão linear em séries financeiras..... mais do que questionável.
Desculpe, são apenas as tarifas.
Os preços estão aqui, mas apenas por mês.
http://www.investing.com/rates-bonds/us-10-yr-t-note-historical-data
Obrigado! Dados diários, a julgar pelo gráfico do site a partir de 2013.
Regressão linear em séries financeiras..... mais do que questionável.
porque, como modelos simples, é bastante adequado
claro que não tão versátil quanto as redes neurais, mas ainda
Observo frequentemente que se uma regressão não fornece modelos de boa qualidade, então outros otimizadores não fornecem
Por que não, modelos tão simples são bastante adequados
é claro que não são tão versáteis quanto as redes neurais, mas ainda assim
observou frequentemente que se a regressão não dá um modelo de boa qualidade, então outros otimizadores não dão
Sim, bem...
Osmodelos de regressão são quase impossíveis de serem aplicados aos dados financeiros. Você obtém os números, você acredita neles, e o fato de que os números que você vê não existem, você não tem o conhecimento para entendê-los - um jogo de números.
Mas meu negócio é sugerir... E aí, é com você...
PS.
As redes neurais não dão os melhores resultados. Existem outros modelos, o resultado é melhor e a estrutura interna é interpretável.
Sim, está bem...
Os modelos de regressão praticamente não são aplicáveis aos dados financeiros. Você obtém os números, você acredita neles, e o fato de que os números que você vê não existem, você não tem o conhecimento para entendê-los - um jogo de números.
Mas meu negócio é sugerir... E aí, é com você...
PS.
As redes neurais não dão os melhores resultados. Existem outros modelos, o resultado é melhor e a estrutura interna é interpretável.
Eu ainda discordo - a regressão funciona bem com qualquer dado, não necessariamente melhor do que outros métodos, mas ainda assim bom o suficiente, especialmente quando você considera a natureza extremamente pouco exigente dos recursos computacionais
Geralmente é recomendado logaritmo ou tomar deltas antes da regressão - mas isso mata a informação de tendência! - talvez seja por isso que você esteja cético sobre a regressão?
a pré-normalização pode estragar os dados, ela precisa ser feita com muito cuidado
Concordo que um modelo tem de fazer sentido "físico". e quanto mais complexo for um modelo, mais se destaca da interpretação "física", em qualquer modelo complexo os coeficientes são abstratos (a menos que corresponda a lotes ou números de observação/bolas, multiplicadores para calcular a volatilidade ou algo parecido), as redes neurais são abstratas, as florestas aleatórias também são abstratas, o que mais? genética? também um modelo abstrato
Na regressão, os coeficientes são geralmente interpretados como a força da correlação/influência de um fator e é lógico o suficiente calcular a soma dos modulos dos coeficientes e calcular a participação de um coeficiente na soma - este será o nível de significância da influência da variável
É claro que isto nem sempre pode ser expresso em termos econômicos (neste caso você precisa construir um modelo sólido e pode confiar nestes números, mas este é um nível diferente), por exemplo, se você analisar as relações entre o índice de ações e as estatísticas macroeconômicas, você verá algo como "crescimento de índice a % de índice" ou, por exemplo, não há relação direta entre saldos nas contas do Banco Central e uma taxa de câmbio, mas o modelo pode mostrar que existe uma relação, não necessariamente objetiva (que os saldos de alguma forma influenciam a taxa de câmbio ou vice-versa), mas o modelo mostra mudanças síncronas, portanto
se o modelo contém apenas instrumentos negociados, podemos recalcular coeficientes em lotes - mais do que uma interpretação física