"Grafiklerin Analizine Ekonometrik Yaklaşım" makalesi için tartışma - sayfa 2
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Ekle. Yeniden yayınlayacağız.
Yanlış ve wiki'de hatalar var. Tekdüze dağılımı ele alalım. Basıklığı hesaplayabilirsiniz, ancak hiç kuyruk yoktur. Dolayısıyla, genel durumda yerçekimi, uzunluk, kuyrukların varlığı ve basıklık katsayısı arasında bir ilişki olmadığı size doğru bir şekilde söylenmiştir. Üçgen dağılımı ele alalım - aynı şey.
Tam olarak yanlış olan nedir?
-Alexey-, dürüst olmak gerekirse, zaman serisi araştırmaları alanında, özellikle de makalede tanımladığım getiri serilerinde, bahsettiğiniz gibi (üçgen ve tekdüze) dağılımlara hiç rastlamadım. Büyük olasılıkla tamamen farklı bir amaca hizmet ediyorlar. Yani bazı marjinal örneklere atıfta bulunmaya gerek yok, başka kelime bulamıyorum, kusura bakmayın. Ve eğer bir şey iddia ediyorsanız, somut bir analitik örnek verecek kadar nazik olun.
Yukarıdaki analizde her zaman olmasa da en sık kullanılan dağılımlar normal dağılım, Student dağılımı ve Cauchy dağılımıdır.
...bu katsayıyı kullanabilmek için, öncelikle ampirik dağılım fonksiyonunu belirlemek gerekir ki bu matematik açısından önemsiz bir görev değildir ve ikinci olarak, bazı olasılık kriterleri çerçevesinde, dağılımın tek bir moda sahip olduğu hipotezini test etmek ve kabul etmek gerekir ki bu finansal seriler için her zaman yerine getirilmez ve yine önemsiz bir görevdir. Bu adımları gerçekleştirmeden, "Aşırı katsayı" gerektiriyorsa, daha fazla hesaplama yapmak imkansızdır.
Değerli bir gözlem. Eğer bir makalede Dağılım Uydurma işlemi yapılsaydı, ikinci bir makale için yeterli malzeme olurdu. Belki ileride ben ya da bir başkası bu konuda bir makale yazarız. Buradaki amaç sadece bir zaman serisinin doğrusal olmayan modellerin kullanılmasını gerektiren özelliklerine işaret etmekti.
-Alexey-:
Test, serinin varsayılan model için geçerli olmadığını söylerse ne yapılacağı hakkında hiçbir şey yazılmamıştır.
Neden ve neye dayanarak başka bir serinin değil de "getiri" olarak adlandırılan bir serinin kullanıldığı hakkında hiçbir şey söylenmemektedir.
Hangileri çekici ve hangi amaç için? Neden çekici ve uygun değil? Dönüşüm türünü seçmek için geçerli bir matematiksel kriter nedir?Evet, hiçbir şey yazılmamış :-)
Çünkü mantık basittir. Eğer bir test, burada bir Q-testi, otokorelasyon göstermiyorsa, o zaman doğrusal olmayan bir model kullanmanın bir anlamı yoktur. Doğrusal olanları kullanın.
Getiri serisi, zaman serisinin durağanlığının sağlanması temelinde kullanılır. Bu, örneğin sonraki modellemeler için önemlidir.
Varlık fiyatı durağan değildir. Getiriler genellikle durağandır.
Buna ek olarak, farklı serileri birbirleriyle karşılaştırmak, yani mecazi anlamda kirpileri kirpilerle çaprazlamak mümkündür.
Genellikle serilerin frekansı nispeten yüksektir (günlük, saatlik vb.), bu nedenle getiri serileri ya sürekli bileşikleme (bizim yaptığımız gibi) ya da basit bileşikleme yoluyla elde edilebilir. Aradaki fark küçük olacaktır.
"Çekici" ve "uygun" terimleri arasındaki farkın tartışmalı olduğunu düşünüyorum.
Sizce eleştirmenler tez savunmalarına katılmalı mı, yoksa savunma yapmadan kabul edip pratik araştırmalara mı başlamalılar? Sanırım korelasyonların doğru hesaplanmadığını bilmek ilginizi çekecektir. Eleştiri malzemeyi daha iyi hale getirmek içindir, kimse makalenin iyi olduğunu tartışmıyor. Böylece sistemlerinizdeki kâr az değil, daha fazla olur.
Eleştiri çok gereklidir. Çünkü bir anlaşmazlıkta kural olarak gerçeği buluruz.
-Alexey-, hesaplamanın yanlışlığı nedir, belirtebilir misiniz?
Verim serilerindeotokorelasyon genellikle zayıftır veya yoktur.
Tam olarak yanlış olan nedir?
-Alexey-, dürüst olmak gerekirse, zaman serisi araştırmaları alanında, özellikle de makalede tanımladığım getiri serilerinde, bahsettiğiniz gibi (üçgen ve tekdüze) dağılımlara hiç rastlamadım. Büyük olasılıkla tamamen farklı bir amaca hizmet ediyorlar. Yani bazı marjinal örneklere atıfta bulunmaya gerek yok, başka kelime bulamıyorum, kusura bakmayın. Ve eğer bir şey iddia ediyorsanız, somut bir analitik örnek verecek kadar nazik olun.
Yukarıdaki analizde her zaman olmasa da en sık kullanılan dağılımlar normal dağılım, Student dağılımı ve Cauchy dağılımıdır.
En sık kullanılanlar bunlar olabilir, ancak gerçek dağılım normal, Cauchy veya Student değil, genellikle Laplace dağılımına en yakın olanıdır. Dağılımı belirleme görevinin önemsiz olmadığı yukarıda doğru bir şekilde ifade edilmiştir, ancak bu imkansız olduğu anlamına gelmez. Her halükarda, R^2 = 0.999 sonucu ile çift üstel dağılıma uygunluk testlerinin oldukça iyi olduğuna şahsen ikna oldum.
Şimdi bu grafiğe gelelim:
Burada, bu arada, sadece Laplace dağılımları çizilmiştir, bu da hepsinin tam olarak 3'lük bir fazlalık oranına sahip olduğu anlamına gelir. Dolayısıyla, yine "kuyrukların kalınlığı" ile hiçbir bağlantısı yoktur - burada sunulan tüm grafikler için aynıdır.
Not: Ekonometrisyenlerin birbirlerini bir ders kitabından diğerine ve sonra da paedivikia'ya yeniden basmalarından da bahsedecektim, ama tamam, bunu bir dahaki sefere bırakacağım.
makalenin yazarı için bir soru.
Lewing-Box testini aşağıdaki gibi yorumluyorsunuz (alıntı):
Kriter tanımına göre doğru yorumlama aşağıdaki gibi olmalıdır:
Çoğu zaman kullanılabilirler, ancak gerçek dağılım normal değildir, Cauchy veya Student değildir, ancak genellikle Laplace dağılımına en yakın olanıdır. Dağılımı belirleme görevinin önemsiz olmadığı yukarıda doğru bir şekilde ifade edilmiştir, ancak bu imkansız olduğu anlamına gelmez. Her halükarda, R^2 = 0.999 sonucu ile çift üstel dağılıma uygunluk testlerinin oldukça iyi olduğuna şahsen ikna oldum.
Şimdi bu grafiğe gelelim.
Bu arada, burada sadece Laplace dağılımları çizilmiştir, bu da hepsinin tam olarak 3'lük bir fazlalık oranına sahip olduğu anlamına gelir. Yani yine "kuyrukların kalınlığı" ile bir bağlantısı yoktur - burada sunulan tüm grafikler için aynıdır.
alsu, Laplace dağılımının her zaman 3'lük bir fazlalık oranına sahip olduğuna katılıyorum. Tahmini konusunda aceleci davrandım, çünkü uzun zamandır görmemiştim... Ancak bir kez daha tekrar ediyorum ki, hakkında yazdığım araştırma alanındaki ekonometrisyenler bu dağılımları kullanıyor. Nobel ödüllüler sizin için otorite değilse (örneğin Robert Engel), o zaman geçeceğim.
Somut bir analitik örnek vermezseniz, argümanı spekülatif olarak değerlendiririm.
denkir:
Tam olarak yanlış olan nedir?
1) Her bir katsayı farklı miktarda veri kullanılarak belirlenmiştir, yani istatistiksel olarak eşit değildirler. Bu nedenle, her bir katsayı diğerlerinden ayrı olarak anlamlılık testine tabi tutulmalıdır. Ljung-Box testinde durum böyle değildir.
2) Test için anlamlılık düzeyi neye göre seçilir - aynen böyle mi?
-Alexey-, dürüst olmak gerekirse, zaman serisi araştırmaları alanında, özellikle de makalede anlattığım verim serilerinde, bahsettiğiniz gibi (üçgen ve tekdüze) dağılımlarla hiç karşılaşmadım. Büyük olasılıkla tamamen farklı bir amaca hizmet ediyorlar. Bu yüzden bazı marjinal örneklere atıfta bulunmaya gerek yok, başka bir kelime bulamıyorum, üzgünüm.
Yani cevap vermediniz - bu getiri serisi nereden geldi, dönüşüm seçiminin gerekçesi nedir? Şüphesiz, dönüşümler yardımıyla fiyat grafiğinden düz bir çizgi elde edebilirsiniz, ama ne işe yarar? Yazdıklarınızı okudum:
Getiri serisi, zaman serisinin durağanlığının sağlandığı temelinde kullanılır.
Böyle bir yaklaşım, büyük bir bilgi kaybı ile korkunç bir dağınıklıktır. O zaman tahmin edilecek ne var? Matematik dilinde buna - verileri tahmin yöntemine uydurmak - denir. Ancak bunu yapmanın yolu bu değildir. Yöntem ancak başlangıçtaki veriler kabul edilebilir olduğunda kullanılabilir ve bu hale gelmeleri için onları kesmek gerekmez. Bu, modern istatistiğin iyi bilinen bir sorunudur.
Ve eğer bir şey iddia ediyorsanız, somut bir analitik örnek verecek kadar nazik olun.
İşte size analitik değil ama pratik bir örnek: Euro'nun 4 saatteki mevcut durumu. Başka dönüşümlerle elde ettiğim ve nedenini bildiğim bir dizi artık üzerindeki dağılım. Dağılımın üçgene yakın olduğunu görebilirsiniz.
Ve şekli çok tuhaf bir şekilde değişebilir, çünkü bu seri durağan değildir. Fiyat serisinin üçgene yakın bir dağılıma sahip olduğu fikrine nereden kapıldınız?
Normal dağılım, Student dağılımı ve Cauchy dağılımı.