回归方程 - 页 14

[hrenfx]

timbo:
这是一个奇怪的问题，当然是在每一美元投资的利润百分比。市场上是否有其他措施？

如果给一个中国人一把叉子而不是棍子，他也不会注意到叉子的任何好处......

我告诉过你，量化指标和跨国公司是完全不同的事情。你把跨国公司的交易方法，用量化回归取代其中的跨国公司回归。那么重点是什么？

因此，你可以把任何退步都塞进你的TS，并谈论缺乏优势的问题。你不必直截了当地替代其他公式，而是改变方法本身，从构建主要工具的本质出发--回归。

[[删除]]

hrenfx:

我告诉过你，量化指标和跨国公司是完全不同的事情。你把跨国公司的交易方法，用量化回归取代其中的跨国公司回归。那么重点是什么？

我想我知道如何以及在我的策略中使用什么。OLS和量化是不同的东西，但无论如何，回归就是回归。

还有一种是愚蠢的攻击性，你现在就表现出这种攻击性。

[hrenfx]

timbo:

还有愚蠢的攻击性，你现在就表现出来了。

我同意。

我想我知道如何以及在我的策略中使用什么。ISC和Quantilis是不同的，但退步就是退步。

我同意你的观点。我将行使我作为书呆子的权利，写点东西，如果我胡言乱语，你可以纠正我。

使用回归的想法是，在其构建的样本中提前（向后）几个样本的回归会显示出接近BP的结果。在正态分布上使用ANC构建的回归是最佳解决方案--它显示了最接近的结果。价格BP的情况则不然。此外，对于一个价格VR的回归来说，在其构建的样本之外显示出接近的结果，它不一定要在其构建的样本上显示出接近的数值。这是一个非常重要的观察。也就是说，有可能构建这样一个回归，它在其构建的样本中显示出不好的结果，而在样本之外显示出很好的结果。

但这更像是一种理论。了解 "接近 "一词的含义非常重要。样本外的接近度可以用不同的方法来评估。你可以使用RMS，你可以使用中位数，你可以使用绝对平均误差，等等。有许多方法。

那么，你是如何调查回归的呢？它是好是坏？正确，正如我在上面写的，回归的好坏是由其构造的样本外（一定数量的样本）的值（与BP）的接近程度来衡量的。

让我们首先决定一个确定接近度的方法。首先让它成为RMS。

我们有100,000个样本的WR EURUSD。我们在100个样本上建立回归。而我们将计算其建筑样本后面向前（向后）10个样本的接近程度。

因此，我们使用1到100的BP数据对欧元兑美元进行了回归。我们把它的读数与BP在第101次到第110次的数据上进行了比较--计算出的RMS（让它成为RMS1）。

现在我们用第2次到第101次的BP数据对欧元兑美元建立了一个回归。我们将它的读数与BP的第102至111次的数据进行了比较--计算出的有效值（让它成为有效值2）。

等到欧元兑美元BP的结束--100,000的读数。

得到了很多RMS的结果：RMS1，RMS2，....- 这就是英国石油公司。我们应该调查它。看一下数学上的期望值（中位数）和方差（中位数方差）。构建分布。这个结果告诉我们，我们的回归有多好。让我提醒你，我们通过RMS来衡量亲密度，我们可以用不同的方法。

现在让我们再做一次回归，也得到如上所述的BP RMS。

当你将不同的回归与它们的ORR RMS进行比较时，我们就可以谈论一个回归与另一个回归相比的优点或缺点。

P.S. 欧元兑美元被作为一个例子。当然，人们可以采取任何性质的BP，不一定是价格性质的。例如，BP的股权TS或其他东西。

[[删除]]

hrenfx:

我也同意这一点。我将行使我作为一个书呆子的权利，写点东西，如果我胡言乱语，你可以纠正我。

你的想法很狭隘。你所说的是一个BP的自回归，但这只是使用回归分析 的一个非常狭窄的特例。因此，这完全取决于你对什么进行回归，以及所产生的参数的分布是什么。如果分布是正常的，那么ANC是伟大的。如果它不正常...如果它不是对称的...如果人们突然对这些参数的界限感兴趣...这就是选项的作用。这个问题是关于ISC到垃圾填埋场的问题。不，不是报废，因为仍有真正的交易问题，它在计算成本低得多的情况下比其他问题更有效。

[hrenfx]

timbo:

你的想法很狭隘。你所说的是单个BP的自回归，但这只是使用回归分析的一个非常狭窄的特例。因此，这取决于你对什么进行回归，以及所产生的参数的分布是什么。如果分布是正常的，那么ANC是伟大的。如果它不正常...如果它不是对称的...而如果人们突然对这些参数的界限感兴趣...这就是选项的作用。这个问题是关于ISC到垃圾填埋场的问题。不，不要把它扔掉，因为仍有一些真实的交易问题，它比其他问题的计算成本低得多，效果更好。

你看你写了多少，顺便提一下各种细微差别。难道我就不能在这里把它们都发掘出来吗。给你一个例子，你就对狭隘性做出结论。

我之所以提出自动回归，是因为阿尔苏 提供了使用自动回归的图片。

我的帖子不是关于回归分析的 特殊性，而是关于各种回归模型的估计。你必须比较回归的估计值。而且你不能明确地说，有些东西是坏的，有些是不坏的。应用回归的结果显示，特别是RMS的BP，正如我上面写的。

正如我在上面写的那样，有可能将回归应用于任何BP。对自相关残余物，对尾巴，等等。一般来说，对任何。但回归估计的方法并不因初始BP的性质而改变。

[[删除]]

hrenfx:

但估计回归的方法并没有改变原始BP的性质。

回归估计方法确实如此，但该方法本身可能只对纯数学的深度美学家感兴趣。就个人而言，作为一个从业者，我对综合估计感兴趣，其中包括对回归的估计，同时也包括其应用的充分性。所以这个综合估计是以美元计算的。在我的案例中，它显示了跨国公司回归比五分位数回归的优势，即使是在厚尾分布下。对某人来说，五分位数回归可能更充分，如果他们能将其转换为货币。

[hrenfx]

timbo:
回归估计的方法--是的，但方法本身它只能是来自纯数学的深度美学家的兴趣。就个人而言，作为一个从业者，我对综合估计感兴趣，其中包括对回归的估计，同时对其应用的充分性感兴趣。所以这个综合估计是以美元计算的。在我的案例中，它显示了跨国公司回归比五分位数回归的优势，即使是在厚尾分布下。对某人来说，五分位数回归可能更充分，如果他们能将其转换为货币。

- 你喜欢猫吗？

- 没有。

- 你只是不知道如何烹饪它们。

所以，这不是关于回归估计方法的充分性。这是关于将回归模型本身应用于原始BPs的充分性。

直接对价格BP进行量化回归和MNA回归的适用性，可以通过我引用的其中一个方法来评估。显然，回归给出的接近度越高，你最终得到的货币价值就越高，因为更好的接近度表明对未来读数的估计更准确（充分）。

你以一种相当主观的方式对回归进行了比较，只是把它们代入你的TS。而我则建议用一种客观的方式来比较它们对原始BP的适用性是否充分。

[hrenfx]

timbo:

如果它不正常...如果它也是不对称的...

对你的意见很感兴趣。如果有可能将一个价格BP转化为这样一个价格BP，使其分布是对称的，并且与正态非常相似（我不能声称，因为样本总是有限的），那么可以用它来做什么？也就是说，我们可以说协整问题已经解决了。您如何看待此案的进一步行动？

[[删除]]

hrenfx:
我对你的意见感兴趣。如果我们设法将价格VR转化到这样一个点上，即其分布是对称的，并且非常类似于正态分布（我不能肯定，因为样本总是有限的），那么我们能用它做什么呢？也就是说，我们可以说协整问题已经解决了。您如何看待此案的进一步行动？

没有足够的信息可用。随机行走具有正态分布。但是没有钱可赚。

你说的 "解决了协整问题 "是什么意思？使用协整的目的是为了得到一个静止的BP。如果成功了，你就可以开始切白菜了。而这个血压是否正常并不重要。

[[删除]]

顺便说一下，我说的是回归参数（系数）的分布，它很容易是不对称的，那么中位数将是该参数的一个更好的估计。最近偶然发现了这样一个东西，并且非常惊讶于这个模型可以很容易地被大幅改进。但这并不是因为价格。到目前为止，我的价格在某种程度上是对称的...。