Discussão do artigo "Análise causal de séries temporais usando entropia de transferência"
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
Novo artigo Análise causal de séries temporais usando entropia de transferência foi publicado:
Neste artigo, discutimos como a causalidade estatística pode ser aplicada para identificar variáveis preditivas. Exploraremos a relação entre causalidade e entropia de transferência, além de apresentar um código MQL5 para detectar transferências direcionais de informação entre duas variáveis.
Dados empíricos podem ser enganosos. O fato de duas variáveis parecerem se mover juntas não significa que uma cause a outra, por isso o ditado "correlação não é causalidade" é verdadeiro. A correlação simplesmente mede o quanto duas variáveis estão conectadas, não o porquê de estarem conectadas. Por exemplo, imagine uma forte correlação entre as vendas de sorvete e o preço de uma ação durante o verão. Isso não significa que comprar sorvete faz o preço da ação subir! Um culpado mais provável é um fator oculto, como a própria estação, afetando ambas as variáveis de forma independente. Da mesma forma, pode existir uma relação entre as ações de uma empresa e o preço do ouro, mas a verdadeira causa pode ser outra, como o sentimento geral do mercado ou a inflação influenciando ambos os preços. Esses exemplos destacam que dados correlacionados podem ser enganosos. Eles mostram uma conexão, mas não a razão por trás disso. Para entender realmente se uma coisa causa outra, precisamos de ferramentas mais avançadas.
O conceito de causalidade, a noção de que um evento causa outro, é fundamental para a exploração científica. No entanto, definir causalidade de forma precisa apresenta um desafio multifacetado, com profundas considerações filosóficas, físicas e estatísticas. Idealmente, uma causa produziria invariavelmente um único efeito. No entanto, isolar um único fator causal da complexa teia de influências que impactam um resultado pode ser difícil. Por exemplo, um aumento no volume de negociação pode correlacionar com uma alta no preço das ações, mas outros fatores, como o sentimento do mercado e a liberação de dados econômicos, também podem desempenhar um papel significativo. Nesses cenários, os pesquisadores empregam técnicas estatísticas para inferir relações causais.
Autor: Francis Dube