Статистика зависимостей в котировках (теория информации, корреляция и другие методы feature selection) - страница 14

 

faa1947: На всех ученых советах, на которых я присутствовал в свое время подобное ваше выступление было бы последним навсегда.

Ну я тут не на ученом совете выступаю. Но, повторяю, попробую найти доводы и привести их здесь. Хотя, с другой стороны, сравнивать-то не так просто: это совсем другая метода. Значит, надо искать что-нибудь аналогичное в публикациях.

Практически ценно. И удается обрабатывать нестационарные случайные процессы с неизвестными распределениями.

Коинтеграция? или многократные разности исходного процесса, которые удается подогнать под удачный тест Дики-Фуллера?

 
HideYourRichess: По моему мнению, пусть даже и ошибочному, не может суть формулы меняться, так же как и условия её применимости, от того что её записали другими символами.

Есть шенноновское определение энтропии, в котором независимость обязательна.

А есть определение взаимной информации, в котором шенноновское определение применяется чисто формально, т.к. все же предполагается, что зависимости существуют.

Если Вам хочется покопаться в философских глубинах и противоречиях определения взаимной информации - пожалуйста, копайтесь. Я предпочел бы не париться по этому поводу и просто пользоваться "американской" формулой с вероятностями, не заморачиваясь по поводу независимости.

Более полная система выглядит как: алфавит рынка <-> алфавит котировок -> алфавит задачи. Топикстартер рассматривал только последнюю пару, котировка - задача.

Я не знаю, что такое Ваш алфавит задачи. У меня есть система из пары баров, разделенных расстоянием Lag. Один бар, в прошлом, - это источник, а второй - приемник. Алфавиты обоих идентичны (конечно, если говорить о возвратах баров).
 
Mathemat:

Коинтеграция? или многократные разности исходного процесса, которые удается подогнать под удачный тест Дики-Фуллера?

ДФ в общем-то не причем - цель-то прогноз. Ищется такое уравнение регрессии, остаток от которого имел бы почти постоянное мо и дисперсию с одновременно мин ошибкой прогноза.
 
faa1947: Ищется такое уравнение регрессии, остаток от которого имел бы почти постоянное мо и дисперсию с одновременно мин ошибкой прогноза.

Вся проблема в термине "почти", как обычно.

А ошибка прогноза - это ошибка предсказания прошлого. Вот и вся эконометрика... конечно, я немного привираю для убедительности.

P.S. Не обращайте внимание. Просто есть такая мысль (выключите диктофон, пожалуйста, это не для прессы): Как только вычисления некой эконометрической "науки" становятся совершенными и автоматизируемыми, они становятся бесполезными.

 
Mathemat:

Вся проблема в термине "почти", как обычно.

А ошибка прогноза - это ошибка предсказания прошлого. Вот и вся эконометрика... конечно, я немного привираю для убедительности.

P.S. Не обращайте внимание. Просто есть такая мысль (выключите диктофон, пожалуйста, это не для прессы): Как только вычисления некой эконометрической "науки" становятся совершенными и автоматизируемыми, они становятся бесполезными.


Контора уже записала - чисто в личку, к себе на скрижали....
 
Mathemat:

А ошибка прогноза - это ошибка предсказания прошлого.


Даже фантастика опирается на прошлое.

Смотря ЧТО мы берем из прошлого. Если берем анализ нестационарного ВР - то полная безнадега и всякие ухищрения в тестировании не спасают. Если из ряда удалось выделить и аналитически оформить компоненты с остатком в виде белого шума - то другая песня. Важно другое: этим путем в течение десятилетий шли миллионы образованных людей, оставляя для лохов песню чукчей под название ТЕХНИЧЕСКИЙ АНАЛИЗ.

 

Вот именно, для лохов. Лохи всегда придерживаются установленных процедур и никогда не рыпаются куда-то вбок.

А стационарность - она ж ведь не просто так. Вот, скажем, если мы исследуем стационарный информационный ряд (даже несмотря на нестационарность исходного ряда котировок или возвратов), то мы можем надеяться на хорошие результаты, работающие в будущем.

 
Mathemat:

Вот именно, для лохов. Лохи всегда придерживаются установленных процедур и никогда не рыпаются куда-то вбок.

А стационарность - она ж ведь не просто так. Вот, скажем, если мы исследуем стационарный информационный ряд (даже несмотря на нестационарность исходного ряда котировок или возвратов), то мы можем надеяться на хорошие результаты, работающие в будущем.

Конечно, если под стационарностью понимаем постоянство мо и дисперсии. Но есть еще одна засада: надо быть уверенным, что коэффициенты регрессии тоже "почти" константы.
 
faa1947: Но есть еще одна засада: надо быть уверенным, что коэффициенты регрессии тоже "почти" константы.
И что - эконометрика дает такие гарантии?
 
Mathemat:
И что - эконометрика дает такие гарантии?

Люди, у которых стоит EViews, такие вопросы не задают, хи-хи
Причина обращения: