Discussão do artigo "Critério de homogeneidade de Smirnov como indicador de não-estacionaridade de séries temporais" - página 2
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 interessante comparar o iSmirnovDistance com a dimensão fractal (como este https://www.mql5.com/en/code/20586).
Em geral, o artigo é bom.
Para mim, a janela de observações é muito pequena.
Entretanto, mesmo que tomemos essa pequena janela, talvez faça sentido compará-la não com uma janela vizinha, mas com janelas do último ano ou cinco anos? Esse será um tabuleiro de xadrez no qual poderemos ver quantas janelas eram semelhantes, agrupá-las e talvez classificá-las. E então avaliar os padrões e seus resultados probabilísticos.
Eugene Chernysh, você já fez algo parecido com isso?
Евгений Черныш #:
Sei que o pettit é baseado em classificações, mas não encontrei quase nenhuma informação sobre ele.
Normalmente, uso sua implementação do pacote trend no R. Há referências a fontes na descrição.
A janela de observação é muito pequena para mim.
Entretanto, mesmo que tomemos essa pequena janela, talvez faça sentido compará-la não com uma janela vizinha, mas com janelas do último ano ou cinco anos? Esse será um tabuleiro de xadrez no qual poderemos ver quantas janelas eram semelhantes, agrupá-las e talvez classificá-las. E então avaliar os padrões e seus resultados probabilísticos.
Na minha opinião, isso seria um típico p-hacking.
A janela de observação é muito pequena para mim.
Entretanto, mesmo que tomemos essa pequena janela, talvez faça sentido compará-la não com uma janela vizinha, mas com janelas do último ano ou cinco anos? Esse será um tabuleiro de xadrez no qual poderemos ver quantas janelas eram semelhantes, agrupá-las e talvez classificá-las. E então avaliar os padrões e seus resultados probabilísticos.
Eugene Chernysh, você já fez algo parecido com isso?
Na minha opinião, isso se tornaria um típico p-hacking.
Como você vê isso? Estou falando de um estudo sobre a similaridade de dias e a similaridade do comportamento do preditor nesses dias.
Não conheço o resultado, portanto, não há propósito em ajustar o estudo ao resultado desejado.
Se pudermos classificar esses grupos, mesmo em um dia, poderemos usar modelos separados para eles em preditores com maior probabilidade.
A distribuição das distâncias de Smirnov será a mesma que no cálculo de dois dias consecutivos.
Como isso é possível? Entendo corretamente que o último dia e o dia 100 dias atrás terão métricas estimadas semelhantes, como se o último dia e o penúltimo dia não fossem semelhantes? Ou seja, a diferença varia em um intervalo estreito?
Mas coletar estatísticas do número médio de dias entre duas rejeições da hipótese nula de homogeneidade é algo que pode ser feito. Ter uma ideia de quanto tempo, em média, temos até que uma nova distribuição seja estabelecida no mercado.
Bem, também é interessante observar o histograma de frequências de mudança de distribuição.
Como você vê isso?
Como de costume, várias repetições do mesmo teste nos mesmos dados. Se houver N dias, então o número de repetições do teste é N*(N-1)/2 (o número de pares de dias). Tem que ser N/2.
Não que eu esteja tentando proibir alguém de fazer isso.