Forex.es

FXWizard escribió:Jeje, leete este libro y cambiarás de idea rápidamente

http://www.amazon.com/Chaos-Order-Capit ... 471139386/

El problema que me encontré en los análisis que hice es que la señal caótica es tan débil y está tan enmascarado por diferentes ruidos que obtener una estructura a partir de los exponentes de Lyapunov es prácticamente imposible.

Saludos,
FXWizard

Hola FXWizard.

Me he leído el libro y la primera impresión es más que buena. La verdad es que da otra visión.

Yo estudié BASIC y COBOL a finales de los '80... y ha sido un "deja vu" volver a ver programitas en aquellos lenguajes hoy obsoletos.

Yo no diría que he cambiado de idea, pero si reconozco que hay que rascar más y se "abre otra puerta" con posibilidades de estudio... otra cosa será si merece la pena complicarse tanto.

Aquí: http://urzmath.wordpress.com/2013/04/07/pub30/
encontré una biografía del tal Lyapunov y porque es tan importante en las ecuaciones del libro.

Sl2.

Hola Navar, muy interesante el tema, me gustaria ver en forex variables dependientes en una matriz y asi tomar decisiones con un sistema de trading, yo opero price action

anddddres1 escribió:Hola Navar, muy interesante el tema, me gustaria ver en forex variables dependientes en una matriz y asi tomar decisiones con un sistema de trading, yo opero price action

Hola anddddres1, me alegro de que te parezca interesante el hilo

La verdad es que no sé que buscas exactamente. Hallando R cuadrado (R2), que representa el porcentaje de variación de rentabilidad de la variable dependiente (en este caso la rentabilidad de los pares elegidos) puede ser explicado por la variable independiente (la rentabilidad de su índice de referencia). Como en forex no existe ese índice, tienes que elegir uno: EUR/USD. Si tomamos ese par principal y hacemos una regresión respecto a ese "índice", obtendremos un R2 igual a 1 o, por lo menos, muy próximo a 1. Esto significa que prácticamente todas las fluctuaciones de rentabilidad de los pares elegidos pueden explicarse por la evolución del par EUR/USD.

Pero el experto en estadística aquí es wizard. Yo solo soy un aficionado

Sl2.

Navar escribió:(...) Si tomamos ese par principal y hacemos una regresión respecto a ese "índice", obtendremos un R2 igual a 1 o, por lo menos, muy próximo a 1. Esto significa que prácticamente todas las fluctuaciones de rentabilidad de los pares elegidos pueden explicarse por la evolución del par EUR/USD.

Pero el experto en estadística aquí es wizard. Yo solo soy un aficionado

Sl2.

Hmmm eso es cierto siempre que no existan problemas de autocorrelación en la serie, de lo contrario tienes que aplicar Mínimos Cuadrados Generalizados. Dicho de otro modo, ese R2 puede ser espúreo y por tanto no fiable.

Saludos,
FXWizard

Pues tienes razón, Wizard. Imagino que se debe a la heterocedasticidad o por el grado de correlación de los pares.

Entoces, tenemos que pensar que los datos con los que se trabaja son heterogéneos, ya que provienen de distribuciones de probabilidad con distinta varianza, no?

Por lo que, si no se cumple la hipótesis de homocedasticidad en los resultados de la estimación de mínimos cuadrados tendremos un error en el cálculo del estimador de la matriz de varianzas y covarianzas de los estimadores de mínimos cuadrados y pérdida de eficiencia en el estimador mínimo cuadrático.

De ahí que digas que los estimadores de mínimos cuadrados siguen siendo los mejores estimadores que pueden obtenerse. Siguen siendo insesgados (es decir, que la diferencia entre su esperanza matemática y el valor numérico del parámetro que estima sea nulo), pero dejan de ser de varianza mínima.

¿He pasado el examen, "profe"? Tengo curiosidad. ¿Dónde enseñas, Wizard?

Sl2.

Navar escribió:Pues tienes razón, Wizard. Imagino que se debe a la heterocedasticidad o por el grado de correlación de los pares.

Entoces, tenemos que pensar que los datos con los que se trabaja son heterogéneos, ya que provienen de distribuciones de probabilidad con distinta varianza, no?

Por lo que, si no se cumple la hipótesis de homocedasticidad en los resultados de la estimación de mínimos cuadrados tendremos un error en el cálculo del estimador de la matriz de varianzas y covarianzas de los estimadores de mínimos cuadrados y pérdida de eficiencia en el estimador mínimo cuadrático.

De ahí que digas que los estimadores de mínimos cuadrados siguen siendo los mejores estimadores que pueden obtenerse. Siguen siendo insesgados (es decir, que la diferencia entre su esperanza matemática y el valor numérico del parámetro que estima sea nulo), pero dejan de ser de varianza mínima.

¿He pasado el examen, "profe"? Tengo curiosidad. ¿Dónde enseñas, Wizard?

Sl2.

Je je, no me mezcles churras con merinas: autocorrelación no tiene nada que ver con homocedasticidad, una cosa es la correlación en los residuos, otra que tengan varianza no constante.

En todo caso, lo primero que debes hacer es trabajar con las series de rendimientos, esto es, calcula ln(Pt+1/Pt) y después haz las estimaciones, verás como la cosa cambia y bastante

Saludos,
FXWizard

PD: Soy profesor de Estadística y Econometría en la UNED

Pues tienes razón. He mezclado los conceptos

Por otro lado, acabas de recordarme cuando estudiaba el BUP en el IMBAD... que tiempos, jejeje.

Ya decía yo que sabías un poco más que la media

Sl2.

Muy buen hilo, si señor!
Se ha intentado plasmar y programar esto en mql4? Espero continuar leyendo más por aquí. Gracias.
Saludos,