Уравнение регрессии - страница 14
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Странный вопрос, естественно в процентах прибыли на каждый вложенный доллар. Разве на рынке есть ещё какая-либо мера?
Если китайцу вместо палочек дать вилку, он тоже никакого преимущества вилки не заметит...
Написал же, что квантили и МНК - это совершенно разные вещи. Вы берете метод торговли для МНК и заменяете в нем МНК-регрессию на квантильную. И смысл?
Так вы можете любую регрессию запихать в свою ТС и говорить об отсутствии преимуществ. Надо не тупо другие формулы подставлять, а менять сам метод использования исходя из природы построения основного инструмента - регрессии.
Написал же, что квантили и МНК - это совершенно разные вещи. Вы берете метод торговли для МНК и заменяете в нем МНК-регрессию на квантильную. И смысл?
Наверное я знаю, как и что я использую в своих стратегиях. МНК и квонтили вещи разные, а вот регрессия, она и в африке регрессия.
Ещё бывает тупая агрессия, ты её сейчас демонстрируешь.
Ещё бывает тупая агрессия, ты её сейчас демонстрируешь.
Согласен.
И здесь согласен. Воспользуюсь своим правом ботаника и кое-что напишу, а вы меня поправите, если я бред буду нести.
Идея использования регрессии в том, что регрессия на несколько отсчетов вперед (назад) выборки своего построения покажет близкие к ВР результаты. Регрессия, построенная по МНК на нормальных распределениях является лучшим решением - показывает сымые близкие результаты. На ценовых ВР это не так. Более того, чтобы регрессия на ценовом ВР показывала близкие результаты вне выборки своего построения вовсе не обязательно, чтобы она показывала близкие значения на самой выборке своего построения. Это очень важное замечание. Т.е. можно построить такую регрессию, что она будет показывать отвратительные результаты на самой выборке своего построения и замечательные вне выборки.
Но это так, больше теория. Тут очень важно пониматься смысл слова "близкие". Близость вне выборки можно оценивать разными методами. Можно через СКО, можно через медиану, можно через средне-абсолютную ошибку и т.д. Методов много.
Как же исследовать регрессию? Хорошая она или не очень? Правильно, как и написал выше, хорошесть регрессии измеряется близостью ее значений (к ВР) вне выборки (на определенное количество отсчетов) свого построения .
Определимся сначала с методом опеределения близости. Пусть это сначала будет СКО.
У нас есть ВР EURUSD 100 000 отсчетов. Мы строим регрессию на 100 отсчетах. И близость будем считать на 10 отсчетов вперед (назад) за выборкой ее построения.
Итак, построили регрессию на EURUSD по данным ВР с 1-го по 100-й. Сравнили ее показания с ВР на данных со 101-го по 110-й - посчитали СКО (пусть это будет СКО1).
Теперь построили регрессию на EURUSD по данным ВР с 2-го по 101-й. Сравнили ее показания с ВР на данных со 102-го по 111-й - посчитали СКО (пусть это будет СКО2).
И т.д. до конца ВР EURUSD - 100 000 отсчетов.
Получили много результатов СКО: СКО1, СКО2, .... - это ВР. Надо бы его исследовать. Посмотреть мат. ожидание (медиану) и дисперсию (медианную дисперсию). Построить распределение. Данный результат и говорит нам о хорошести нашей регрессии. Напомню, что близость мы измеряли через СКО, могли подругому.
Теперь возьмем другу регресию, и получим также, как написано выше, ее ВР СКО.
Вот когда вы сравниваете у различных регрессий их ВР СКО, тогда можно говорить о преимуществах или недостатках одной регрессии по сравнению с другой.
P.S. EURUSD взял для примера. Конечно, можно было взять ВР любой природы, не обязательно ценовой. Например, ВР эквити ТС или что-то другое.
И здесь согласен. Воспользуюсь своим правом ботаника и кое-что напишу, а вы меня поправите, если я бред буду нести.
Ты узко мыслишь. Всё что ты говоришь это авторегрессия одного ВР, но это только очень узкий частный случай использования регрессионнго анализа. Соответственно, всё зависит от того что на что регрессируем и какое распределение у полученного параметра(-ов). Если распределение нормальное, то МНК ваще рулез. А если не нормальное... А если ещё и не симметричное... А если кого-то вдруг заинтересуют границы этих параметров... Тут начинаются варианты. Вопрос-то был про МНК на свалку. Нет не на свалку, т.к. есть ещё реальные задачи в трейдинге, где он справляется лучше, чем другие, при гораздо меньших вычислительных затратах.
Ты узко мыслишь. Всё что ты говоришь это авторегрессия одного ВР, но это только очень узкий частный случай использования регрессионнго анализа. Соответственно, всё зависит от того что на что регрессируем и какое распределение у полученного параметра(-ов). Если распределение нормальное, то МНК ваще рулез. А если не нормальное... А если ещё и не симметричное... А если кого-то вдруг заинтересуют границы этих параметров... Тут начинаются варианты. Вопрос-то был про МНК на свалку. Нет не на свалку, т.к. есть ещё реальные задачи в трейдинге, где он справляется лучше, чем другие, при гораздо меньших вычислительных затратах.
Видите, как много написали, вскользь упомяная различные нюансы. Неужели я мог раскрыть их все здесь. Вам приведен пример, вы же об узости делаете выводы.
Про авторегрессию заговорил только потому, что alsu привел картинки ее использования.
Речь в моем посте шла не про особенности регрессионного анализа, а про оценку различных моделей регрессий. Сравнивать надо оценки регрессий. И однозначно говорить, что что-то плохо, а что-то нет нельзя. Результат применения регрессии показывает, в частности, ВР СКО, как написал выше.
Применение же регрессии возможно к любым ВР, как и написал выше. К остаткам автокорреляции, к хвостам и т.д. Вообще к любым. Но методы оценка регрессии от природы исходного ВР не меняются.
Но методы оценка регрессии от природы исходного ВР не меняются.
Метод оценки регрессии - да, но метод сам по себе он может интересовать только глубоких эстетов от pure math. Лично меня, как практика, интересует комбинированная оценка, которая включает оценку регрессии и одновременно адекватность её применения. Так вот эта комбинированная оценка измеряется в долларах. И в моём случае она показала преимущество МНК регрессии над квонтильной даже в условиях толстохвостых распределений. Для кого-то более адекватной может быть и квонтильная регрессия, если он сможет конвертировать её в деньги.
- Вы любите кошек?
- Нет.
- Вы просто не умеете их готовить.
Так речь и шла не об адекватности методов оценки регрессии. А об адекватности применения самой модели регресии к исходным ВР.
Применимость квантильной регрессии и МНК-регрессии непосредственно к ценовым ВР может быть оценена методами, один из которых привел. Очевидно, что чем лучшую близость дает регрессия, тем больше в итоге в денежном выражени вы получите, потому что лучшая близость говорит о более точной (адекватной) оценке будущих показаний.
Вы сравнили регрессии довольно субъективно, просто подставив их в свою ТС. Я же предложил объективный способ сравнения адекватности их применимости к исходным ВР.
А если не нормальное... А если ещё и не симметричное...
Интересует ваше мнение. Если удалось преобразовать ценовые ВР к такому, что его распределение симметрично и очень похоже на нормальное (утверждать не могу, т.к. выборка всегда конечная), то что можно с этим сделать? Т.е. можно сказать, что решена задача коинтеграции. Какие в этом случае вами видятся дальнейшие действия?
Недостаточно информации. Случайное блуждание имеет нормальное распределение. Но денег на этом не заработаешь.
Что значит "решена задача коинтеграции"? Цель использования коинтеграции получить стационарный ВР. Если получилось, то можно начинать стричь капусту. А нормальный этот ВР или нет - пофиг.