Equação de regressão - página 14
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
É uma pergunta estranha, claro, na porcentagem de lucro para cada dólar investido. Existe alguma outra medida no mercado?
Se um chinês receber um garfo em vez de paus, ele também não notará nenhuma vantagem do garfo...
Eu lhe disse que os quantiles e os MNCs são coisas completamente diferentes. Você pega o método de comércio para MNCs e substitui a regressão de MNCs nele por uma regressão de quantil. E a questão?
Assim, você pode enfiar qualquer regressão em seu TS e falar sobre a falta de vantagem. Não é preciso substituir de forma brusca outras fórmulas, mas mudar o próprio método, procedendo da natureza da construção da ferramenta principal - a regressão.
Eu lhe disse que os quantiles e os MNCs são coisas completamente diferentes. Você pega o método de comércio para MNCs e substitui a regressão de MNCs nele por uma regressão de quantil. E a questão?
Acho que sei como e o que uso em minhas estratégias. O OLS e o quantil são coisas diferentes, mas regressão é regressão de qualquer forma.
É também uma agressão estúpida, que é o que você está mostrando agora.
Há também uma agressão idiota, você está mostrando agora.
Eu concordo.
Concordo com você lá. Eu exercerei meu direito de ser um nerd e escrever algo, e você pode me corrigir se eu estiver divagando.
A idéia por trás do uso de uma regressão é que uma regressão algumas amostras à frente (para trás) de uma amostra de sua construção mostrará resultados próximos à BP. Uma regressão construída usando ANC em distribuições normais é a melhor solução - ela mostra os resultados mais próximos. Este não é o caso dos preços BPs. Além disso, para que uma regressão no preço VR mostre resultados próximos fora da amostra de sua construção, ela não precisa necessariamente mostrar valores próximos na amostra de sua construção propriamente dita. Esta é uma observação muito importante. Isto é, é possível construir uma regressão tal que mostrará maus resultados na amostra de sua construção e grandes resultados fora da amostra.
Mas isto é mais uma teoria. É muito importante entender o significado da palavra "fechar". A proximidade fora da amostra pode ser avaliada através de diferentes métodos. Você pode usar RMS, pode usar mediana, pode usar erro médio absoluto, etc. Há muitos métodos.
Como você investiga a regressão? É bom ou não? Correto, como escrevi acima, a bondade da regressão é medida pela proximidade de seus valores (para a BP) fora da amostra (para um certo número de amostras) de sua construção.
Vamos primeiro decidir sobre um método para determinar a proximidade. Que seja primeiro o RMS.
Temos WR EURUSD de 100.000 amostras. Estamos construindo a regressão sobre 100 amostras. E vamos contar a proximidade para 10 amostras para frente (para trás) atrás da amostra de seu edifício.
Assim, construímos a regressão no EURUSD usando dados da BP de 1 a 100. Comparamos sua leitura com a BP sobre dados da 101ª à 110ª - RMS calculada (que seja RMS1).
Agora construímos uma regressão no EURUSD usando dados da BP do 2º ao 101º. Comparamos suas leituras com a BP em dados da 102ª à 111ª - RMS calculada (que seja RMS2).
E assim por diante até o final do EURUSD BP - 100.000 leituras.
Obteve muitos resultados RMS: RMS1, RMS2, .... - esta é a BP. Devemos investigar isso. Veja a expectativa matemática (mediana) e a variância (variância mediana). Construir a distribuição. Este resultado nos diz quão boa é nossa regressão. Deixe-me lembrar que medimos a proximidade através do RMS, poderíamos ter feito isso de maneira diferente.
Agora vamos fazer outra regressão, e obter também, como escrito acima, seu BP RMS.
E quando você compara regressões diferentes com suas RR RMS, então podemos falar sobre as vantagens ou desvantagens de uma regressão em comparação com a outra.
P.S. EURUSD foi tomado como exemplo. É claro que se poderia tomar BPs de qualquer natureza, não necessariamente de natureza de preço. Por exemplo, BP of Equity TS ou algo mais.
Eu também concordo aqui. Exercerei meu direito de ser um nerd e escrever algo, e você pode me corrigir se eu estiver divagando.
Você está pensando de forma restrita. Tudo o que você está dizendo é autoregressão de uma BP, mas isso é apenas um caso especial muito estreito de utilização da análise de regressão. Portanto, tudo depende do que você regressa e de qual é a distribuição do(s) parâmetro(s) resultante(s). Se a distribuição for normal, então o ANC é ótimo. E se não for normal... E se não for simétrico... E se de repente alguém estiver interessado nos limites desses parâmetros... É aí que entram as opções. A pergunta era sobre o ISC para o aterro sanitário. Não, não sucateado, porque ainda existem problemas reais de comercialização onde funciona melhor do que outros a um custo computacional muito mais baixo.
Você está pensando de forma restrita. Tudo o que você está dizendo é autoregressão de uma única BP, mas este é apenas um caso especial muito estreito de utilização da análise de regressão. Portanto, depende do que você regressa e de qual é a distribuição do(s) parâmetro(s) resultante(s). Se a distribuição for normal, então o ANC é ótimo. E se não for normal... E se não for simétrico... E se de repente alguém estiver interessado nos limites desses parâmetros... É aí que entram as opções. A questão era sobre o ISC para o aterro sanitário. Não, não jogue fora, porque ainda há problemas reais de comercialização onde funciona melhor do que outros com muito menos custos computacionais.
Você vê o quanto você escreveu, mencionando várias nuances de passagem. Eu não poderia tê-los descoberto todos aqui. Você recebe um exemplo, e tira conclusões sobre a estreiteza.
Eu só mencionei a auto-regressão porque a alsu forneceu fotos de seu uso.
Meu posto não era sobre as peculiaridades da análise de regressão, mas sobre a estimativa de vários modelos de regressão. É preciso comparar as estimativas de regressão. E não se pode dizer sem ambigüidade que algo é ruim e algo não é. O resultado da aplicação da regressão mostra, em particular, a BP do RMS, como eu escrevi acima.
É possível aplicar a regressão a qualquer BP, como escrevi acima. Aos resíduos de autocorrelação, aos rabos, etc. Em geral para qualquer um. Mas os métodos de estimativa de regressão não mudam em relação à natureza da BP inicial.
Mas os métodos para estimar a regressão não mudam em relação à natureza da BP original.
O método de estimativa de regressão - sim, mas o próprio método só pode ser de interesse para estetas profundas de pura matemática. Pessoalmente, como profissional, estou interessado na estimativa combinada, que inclui a estimativa de regressão e, ao mesmo tempo, a adequação de sua aplicação. Portanto, esta estimativa combinada é medida em dólares. E no meu caso, mostrou a vantagem da regressão MNC sobre a regressão quintil, mesmo sob distribuições de cauda grossa. Para alguém, uma regressão quintil pode ser mais adequada, se o conseguir converter em dinheiro.
- Você gosta de gatos?
- Não.
- Você simplesmente não sabe como cozinhá-los.
Portanto, não se trata da adequação dos métodos de estimativa de regressão. Tratava-se da adequação de aplicar o próprio modelo de regressão às BPs originais.
A aplicabilidade da regressão de quantil e da regressão de MNA diretamente ao preço BP pode ser avaliada pelos métodos, um dos quais eu citei. Obviamente, quanto melhor a proximidade que a regressão dá, mais você acaba ficando em termos monetários, porque uma melhor proximidade indica uma estimativa mais precisa (adequada) das leituras futuras.
Você comparou as regressões de uma forma bastante subjetiva, simplesmente substituindo-as em seu TS. Eu, por outro lado, sugeri uma forma objetiva de comparar a adequação de sua aplicabilidade com as BPs originais.
E se não for normal... E se também não for simétrico...
Estou interessado na sua opinião. Se conseguimos transformar o preço VR a tal ponto que sua distribuição seja simétrica e muito semelhante à normal (não posso dizer com certeza, pois a amostra é sempre finita), o que podemos fazer com ela? Ou seja, podemos dizer que o problema de cointegração está resolvido. Como você vê outras ações neste caso?
Não há informações suficientes disponíveis. O passeio aleatório tem uma distribuição normal. Mas não há dinheiro a ser feito a partir dele.
O que você quer dizer com "problema de co-integração resolvido"? O objetivo de usar a cointegração é obter uma BP estacionária. Se tiver sucesso, você pode começar a cortar couve. E não importa se esta BP é normal ou não.