Normality test in stata forex

MetaTrader 4 - Sistemas de Negociação Econometria EURUSD Previsão One-Step-Ahead Introdução O artigo centra-se na previsão one-step-ahead para o EURUSD usando o software EViews e uma avaliação adicional dos resultados da previsão por meio do programa em EViews e um Expert Advisor desenvolvido em MQL4 . É construído sobre o artigo Analisando os Indicadores Parâmetros Estatísticos cujas proposições serão utilizadas sem quaisquer esclarecimentos adicionais. 1. Construindo um Modelo O artigo anterior terminou com a análise da seguinte equação de regressão: EURUSD C (1) EURUSDHP (1) C (2) D (EURUSDHP (1)) C (3) D (EURUSDHP A equação foi resultado da implementação da decomposição gradual das cotações de preços iniciais. A idéia por trás dele é baseada na separação de um componente determinístico das citações iniciais e uma análise mais adicional do residual resultante. Vamos começar a construir um modelo para o EUR / USD H1 nas barras durante um período de uma semana de 12 de setembro de 2017 a 17 de setembro de 2017. 1.1. Análise das cotações iniciais do EURUSD Começamos com a análise da série EURUSD inicial para planejar o próximo passo. Primeiro, vamos criar um arquivo contendo aspas para análise posterior em EViews. Para isso, uso um indicador sobreposto a um gráfico relevante para gerar um arquivo necessário com aspas. O script do indicador é mostrado abaixo e na minha opinião não precisa de comentários. Depois de definir as datas especificadas acima, eu obtive o arquivo de citações consistindo de 119 linhas, a última linha sendo Previsão, 0 é onde a previsão futura será. Tenha em mente que estou usando os preços abertos. Observe também que as aspas no arquivo estão dispostas na ordem oposta à de MQL 4, ou seja, como nas linguagens de programação. O indicador, obviamente, gera o arquivo quotes. txt na pasta de terminais expertfiles. O Expert Advisor que será analisado abaixo levará o arquivo de citações da pasta especificada ao operar em modos DEMO ou REAL. No entanto, quando usado no modo de teste, este arquivo deve estar localizado na pasta testerfiles, por isso estou colocando manualmente quotes. txt Na pasta testerfiles do terminal. Aqui está o gráfico: Fig. 1. EURUSD H1 gráfico de cotações Podemos observar uma ou várias tendências, mas nosso objetivo é prever a estabilidade futura do sistema de negociação. Portanto, realizaremos uma análise para a estacionaridade das cotações iniciais do EUR / USD H1. Vamos calcular a estatística descritiva: Fig. 2. Estatística descritiva A estatística descritiva sugere que: Há uma inclinação para a direita (deve ser 0 enquanto que temos 0.244950) A probabilidade de nossas citações iniciais para ser distribuído normalmente é 9.64. Visualmente, o histograma certamente nada tem a ver com a distribuição normal, mas a probabilidade de 9.64 dá origem a certas ilusões. Vamos demonstrá-lo em comparação com a teoria: Fig. 3. Histograma EURUSD em comparação com a curva de distribuição normal teórica Podemos verificar visualmente que as cotações EURUSD 1 estão longe de serem normalmente distribuídas. No entanto, ainda é cedo para tirar uma conclusão como podemos ver a tendência sugerindo a presença de uma componente determinística nas citações, enquanto a presença de tal componente pode distorcer completamente as características estatísticas da variável aleatória (aspas). Vamos calcular a função de autocorrelação das aspas. Ele aparece da seguinte maneira: Fig. 4. Função de autocorrelação das cotações EURUSDH1 Ao traçar o gráfico, obtivemos uma probabilidade da falta de correlação entre os retornos - é diferente de zero para os 16 primeiros atrasos. O gráfico e a probabilidade sugerem claramente que existe correlação entre os desfasamentos em EURUSDH1, ou seja, as cotações consideradas contêm uma componente determinística. Se o componente determinístico for subtraído das citações iniciais, que características estatísticas o resíduo terá Para este propósito, aplicaremos um teste de raiz unitária para ver se é mais prospectivo trabalhar com a primeira diferença (residual) das citações iniciais. Tabela 1. Teste de raiz unitária O teste acima mostra que: A probabilidade de que as citações iniciais tenham uma raiz unitária (a primeira diferença é normalmente distribuída) é 41 A estatística de DW (Durbin-Watson) é um pouco mais de 2,2 que também sugere que a primeira Diferença é normalmente distribuída. Conclusão: seria razoável desacelerar a série de preços e, em seguida, analisar o residual de detrending. O filtro Hodrick-Prescott será utilizado para separar o componente determinístico das cotações EURUSD, por analogia com o artigo anterior. O número 10 nos nomes das séries denota o parâmetro lambda no filtro Hodrick-Prescott. Com base na teoria por trás desta ferramenta, o valor lambda é de grande importância para o resultado que parece ser o seguinte: 5. O resultado de suavização usando o filtro de Hodrick-Prescott Usaremos a equação do artigo anterior que nas notações de EViews aparece da seguinte maneira: C (1) HP (-1) C (2) D (HP (-1) ) C (3) D (HP (-2)), ou seja, nesta equação, levamos em conta a componente determinística eo ruído, através do qual queremos dizer a diferença entre as aspas iniciais e sua componente determinística. Após a análise do modelo atual das citações iniciais, obtemos os seguintes parâmetros de equação de regressão: Tabela 2. Estimação da equação de regressão A probabilidade de 39 do coeficiente ser zero se 1D (-1) é certamente extremamente desagradável. Vamos deixar tudo como é, já que o exemplo que vamos fornecer é para fins de demonstração. Tendo obtido as estimativas de equação de regressão (estimativa dos coeficientes de equação), podemos avançar para a previsão de um passo à frente. O resultado é o seguinte: A fig. 6. Previsão EURUSD de um passo em frente (às 12 horas da segunda-feira) 1.3. Estimativa de resíduos a partir da equação de regressão Vamos realizar uma análise limitada do resíduo a partir da equação de regressão. Este residual foi obtido subtraindo os valores calculados utilizando a equação de regressão das cotações iniciais do EUR / USD. Deixe-me lembrar que as características deste residual nos ajudarão a estimar a estabilidade futura do sistema de comércio. Em primeiro lugar, realizaremos um teste para a análise de correlações entre os retornos no residual: Fig. 7. Função de autocorrelação do residual Infelizmente, as correlações entre os atrasos ainda estão presentes e sua presença coloca dúvidas sobre a análise estatística. O próximo teste que vamos realizar é o teste de normalidade do residual. O resultado aparece da seguinte maneira: Fig. 8. Histograma do resíduo da equação de regressão A probabilidade de o resíduo ser normalmente distribuído é 25.57, que é uma grande figura. Vamos realizar testes de heterocedasticidade do residual. Os resultados são os seguintes: A probabilidade de que a heterocedasticidade do tipo GARCH esteja ausente é 16,08 A probabilidade de ausência da heterocedasticidade geral dos brancos é 0,0066 Conclusões: seguindo a diferenciação, obtivemos um resíduo com uma probabilidade de ser normalmente distribuída e uma quase - Zero de probabilidade de estar livre de correlações e podemos rejeitar estritamente a hipótese de que a heteroscedasticidade geral dos brancos está ausente. Isto implica que o nosso modelo é bastante crua e requer que eliminemos as correlações entre os atrasos a serem posteriormente testados para a heterocedasticidade mais uma vez e modelemos tal heterocedasticidade no caso de ela estar presente. Como meu objetivo é demonstrar o desenvolvimento do sistema de negociação baseado na previsão, vou continuar os cálculos para obter as características que são de interesse para os comerciantes - lucro ou perda. 2. Estimativa de resultados de previsão Ao negociar, estamos interessados ​​em lucro em vez de erro de previsão que deve ser tomado como uma ferramenta de análise auxiliar para a comparação de diferentes modelos, mas não mais do que isso. Para estimar os resultados da previsão, um programa na linguagem EViews foi escrito. Ele compara os movimentos incrementais reais das cotações EURUSD com os previstos. Se estes incrementos coincidem, há lucro se eles não, há perda. Além disso, calculamos o lucro que representa a soma de todos os incrementos coincidentes com os incrementos previstos ea perda respectiva. A relação lucro / perda é designada como um fator de lucro. Em seguida, calculamos a proporção de incrementos rentáveis ​​para não lucrativos (lucro / prejuízo). O número de negociações de perda consecutivas ea razão de perda em negociações de perda consecutivas para lucro (fator de recuperação) também é calculada. O programa na linguagem EViews para estimativa de resultados de modelagem em termos de sistema de negociação consiste no programa principal e duas sub-rotinas. O programa principal é o seguinte: Assume-se que o número dos programas principais é igual ao número de sub-rotinas contendo modelos (veja abaixo), isto é feito para simplificar o trabalho. A alteração no modelo requer uma alteração em duas linhas do programa principal relacionada com a alteração no nome da sub-rotina para o modelo. A sub-rotina que contém o modelo (equação de regressão): O número de sub-rotinas deve ser igual ao número de modelos. Para outro modelo, o nome da sub-rotina e, naturalmente, os nomes no programa principal devem ser alterados. Sub-rotinas que calculam parâmetros de lucro / perda para o modelo: Os resultados dos programas simples acima em EViews para nossa equação são os seguintes: Tabela 3. Resultados de estimativa de rentabilidade em EViews O resultado é infeliz: a perda é três vezes maior que o lucro. E isso apesar do valor de erro de previsão otimista de 19 pips. O modelo precisa ser melhorado, mas eu não vou fazê-lo aqui no artigo vou continuar trabalhando nele no fórum, juntamente com todos aqueles que desejam participar no desenvolvimento de um modelo rentável. Até agora, as cotações EURUSDH1 foram analisadas utilizando ferramentas EViews. No entanto, parece ser muito tentador aplicar os resultados da previsão em um Expert Advisor do MetaTrader 4 terminal. Vamos agora considerar a troca de dados entre EViews e MetaTrader 4 e, em seguida, mais uma vez analisar os resultados usando um Expert Advisor em MetaTrader 4. 3. Troca de dados entre EViews e MetaTrader 4 Troca de dados entre EViews e MetaTrader 4 neste artigo é implementado Usando arquivos. txt. O algoritmo de troca parece ser o seguinte: MetaTrader 4 Expert Advisor: Inicia a operação em resposta a um comando do Expert Advisor Executa um programa de cálculo de previsão para o arquivo de cotações quotes. txt obtido do Expert Advisor Salva os resultados da previsão no EViewsForecast. Txt. MetaTrader 4 Expert Advisor: Após a conclusão da geração dos resultados em EViews. Lê o arquivo de previsão Decide a entrada ou saída de uma posição. Algumas palavras sobre a localização dos arquivos. Arquivos do terminal do MetaTrader 4 são colocados em suas pastas padrão: um Expert Advisor na pasta especialista e indicador (que não é necessário para o teste) na pasta expertindicators. Todos esses estão localizados no diretório do terminal. O Expert Advisor é instalado juntamente com outros Expert Advisors. Arquivos para troca entre o Expert Advisor e EViews estão localizados em arquivos especializados durante a operação do Expert Advisor e na pasta testerfiles ao testar o Expert Advisor. O arquivo enviado pelo Expert Advisor para EViews é chamado cotações. Txt independentemente do símbolo selecionado e do tempo. Portanto, o Expert Advisor pode ser anexado a qualquer símbolo enquanto o passo de previsão deve ser especificado nos parâmetros do Expert Advisor no início. EViews retorna o arquivo chamado EVIEWSFORECAST. txt. O arquivo de trabalho EViews worf. wf1 é colocado no diretório do terminal. Os diretórios especificados nos programas EViews anexados ao artigo provavelmente não corresponderão aos diretórios disponíveis em seus computadores. Eu instalei esses programas na pasta raiz do disco. Em EViews, você terá que obter um identificador no diretório padrão ou especificar seus próprios diretórios (eu não use os diretórios padrão utilizados pelo próprio EViews). 4. MQL4 Expert Advisor O algoritmo de operação do Expert Advisor é simplificado ao máximo: O Expert Advisor está ligado ao tempo M1 de qualquer símbolo. Uma etapa de previsão em minutos é especificada nos parâmetros do Expert Advisor. A etapa de previsão padrão é 60 minutos (1). Ao anexar o Expert Advisor à M1, você terá a oportunidade de visualizar melhor os resultados dos testes, já que o gráfico de teste pode ser comprimido ao mudar para um período de tempo mais longo Para fins de previsão em EViews. O Expert Advisor gera o arquivo. txt com o número de barras (observações) conforme especificado nos parâmetros do Expert Advisor Se a previsão for maior que o preço atual, uma posição longa será aberta Se a previsão for menor que o preço atual, Abre-se uma posição curta O Expert Advisor não abre mais do que uma posição (sem adicionar a uma posição) Independentemente da previsão, fecha a posição anterior e abre a nova. O algoritmo para a abertura de posições coincide com o algoritmo para calcular o lucro / perda no programa em EViews. O volume da posição a ser aberta é de 0,1 lote. As perdas de parada e as ordens de lucro não são usadas (elas são definidas em 100 pips, Expert Advisor tem um código para colocar paradas em intervalos de erro de previsão) Um gráfico é desenhado mostrando o valor de previsão e duas linhas em um intervalo padrão de erro de previsão. Ao visualizar o gráfico a partir do testador em prazos mais curtos do que aquela para a qual o Expert Advisor foi anexado, tenha em mente que a linha de previsão é deslocada para trás, ou seja, a previsão desenhada é a previsão em que o preço atual deve chegar ao final Do período. O Expert Advisor é anexado ao tempo M1 enquanto no testador, o gráfico é melhor visualizado no M5. O código-fonte do MQL4 Expert Advisor para negociação EURUSD não é fornecido neste artigo devido ao seu volume (cerca de 600 linhas). Ele pode ser encontrado em EvewsMT4.mq4 no arquivo EViewsMetaTrader4.zip anexado ao artigo. 5. Expert Advisor Testando Resultados Execute o Expert Advisor no testador no tempo M1. Os parâmetros de entrada são mostrados abaixo. FIG. 9. Parâmetros de entrada do Expert Advisor Um fragmento do gráfico de teste é demonstrado abaixo: Fig. 10. Testes do Expert Advisor no modo de visualização Os resultados do teste do Expert Advisor que usa previsões de uma hora (passo) à frente são mostrados abaixo. Relatório de Teste de Estratégia Fig. 11. Expert Advisor Testando resultados Os resultados são melhores do que aqueles obtidos em EViews. Observe que o cálculo de resultados em EViews eo testador é diferente em termos de dados de entrada. EViews usa 118 barras e calcula a previsão a partir da 3 barra à esquerda como a previsão de um passo em frente está gradualmente movendo-se para o final do período de tempo aumentando o número de barras usadas na estimativa da equação de regressão. O Expert Advisor desloca a janela de 118 barras e calcula a previsão na barra 119, isto é, a equação de regressão é sempre estimada em 118 barras desde que EViews expande a janela dentro da amostra eo Expert Advisor desloca a janela de largura fixa. O Expert Advisor nos ajuda a produzir uma tabela de estimativa de modelo estendida. Embora a tabela acima consistisse em uma única linha, ela agora contém 117 linhas - para cada data para a qual a previsão foi produzida. A tabela é a seguinte: Início da amostra Fim da amostra Lucro da amostra Perda da amostra Quantia de perdas P / F nas observações Tabela 4. Resultados dos testes em EViews A tabela sugere que o nosso modelo (tão primitivo e inacabado) é Praticamente sem esperança. Precisa de melhorias. Vamos plotar os gráficos das duas colunas: P / F em pips e P / F em observações. FIG. 12. Gráficos modelo modelo de lucro na amostra de 118 barras Este gráfico representa a dependência de fatores de lucro sobre o número de barras na análise. Existe uma tendência de alta evidente. Vamos verificar os resultados na amostra de 238 barras. O gráfico desenhado é o seguinte: Fig. 13. Modelo de gráficos de fator de lucro na amostra de 236 barras O fato de que os gráficos de fatores de lucro diferem sugere que o modelo é instável. Conclusão O artigo abordou o uso de previsões de um passo à frente produzidas por EViews para o desenvolvimento do Expert Advisor no MetaTrader 4. O resultado negativo que obtivemos indica que a construção de um modelo em EViews é uma tarefa bastante complicada que, no entanto, aparece Para ser mais potencialmente produtivo do que o desenvolvimento intuitivo de Expert Advisors. Monte Carlo Simulação Com GBM Uma das formas mais comuns para estimar o risco é o uso de uma simulação de Monte Carlo (MCS). Por exemplo, para calcular o valor em risco (VaR) de uma carteira, podemos executar uma simulação de Monte Carlo que tenta prever a pior perda provável para uma carteira dada um intervalo de confiança em um horizonte de tempo especificado - sempre precisamos especificar dois Condições de VaR: confiança e horizonte. (Para a leitura relacionada, veja os usos e os limites da volatilidade e introdução ao valor em risco (VAR) - parte 1 e parte 2.) Neste artigo, nós reveremos um MCS básico aplicado a um preço conservado em estoque. Precisamos de um modelo para especificar o comportamento do preço das ações, e bem usar um dos modelos mais comuns em finanças: movimento browniano geométrica (GBM). Portanto, enquanto a simulação de Monte Carlo pode se referir a um universo de diferentes abordagens de simulação, vamos começar aqui com o mais básico. Onde começar Uma simulação Monte Carlo é uma tentativa de prever o futuro muitas vezes. Ao final da simulação, milhares ou milhões de testes aleatórios produzem uma distribuição de resultados que podem ser analisados. As etapas básicas são: 1. Especifique um modelo (por exemplo, movimento browniano geométrico) 2. Gere ensaios aleatórios 3. Processe a saída 1. Especifique um modelo (por exemplo, GBM) Neste artigo, usaremos o movimento geométrico browniano (GBM) Que é tecnicamente um processo de Markov. Isso significa que o preço das ações segue uma caminhada aleatória e é consistente com (pelo menos) a forma fraca da hipótese de mercado eficiente (EMH): a informação de preços passados ​​já está incorporada eo movimento de preço seguinte é condicionalmente independente de movimentos de preços passados . A fórmula para GBM é encontrada abaixo, onde S é o preço da ação, m (o mu grega) é o retorno esperado. (Para mais informações sobre a EMH, leia Trabalhando com a Hipótese de Mercado Eficiente e Qual é a Eficiência de Mercado) S (sigma grego) é o desvio padrão dos retornos, t é o tempo, e e (epsilon grega) é a variável aleatória. Se reorganizar a fórmula para resolver apenas para a mudança no preço das ações, vemos que GMB diz que a mudança no preço das ações é o preço das ações S multiplicado pelos dois termos encontrados dentro do parêntese abaixo: O primeiro termo é uma deriva eo segundo Termo é um choque. Para cada período de tempo, nosso modelo pressupõe que o preço subirá pelo retorno esperado. Mas a deriva será chocada (adicionada ou subtraída) por um choque aleatório. O choque aleatório será o desvio padrão s multiplicado por um número aleatório e. Esta é simplesmente uma maneira de escalar o desvio padrão. Essa é a essência do GBM, como ilustrado na Figura 1. O preço das ações segue uma série de etapas, em que cada passo é uma deriva mais / menos um choque aleatório (ele próprio uma função do desvio padrão das ações): T-Test O que é Um Teste T Um teste t é uma análise de duas populações significa através do uso de exame estatístico um teste t com duas amostras é comumente usado com pequeno tamanho de amostra, testando a diferença entre as amostras quando as variâncias de duas distribuições normais são não conhecido. Um teste t examina a estatística t, a distribuição t e os graus de liberdade para determinar a probabilidade de diferença entre populações, a estatística de teste no teste é conhecida como estatística t. Para realizar um teste com três ou mais variáveis, deve ser utilizada uma análise de variância (ANOVA). VIDEO Carregar o leitor. BREAKING DOWN T-Test Uma forma de teste de hipóteses, o t-teste é apenas um dos muitos testes utilizados para este fim. Os estatísticos devem usar testes diferentes do teste t para examinar mais variáveis, bem como para teste com tamanhos de amostra maiores. Para um grande tamanho de amostra, os estatísticos usam um teste z. Outras opções de teste incluem o teste qui-quadrado e o teste f. Análise estatística do teste T A fórmula utilizada para calcular o teste é uma razão: A porção superior da razão é a parte mais fácil de calcular e entender, pois é simplesmente a diferença entre as médias ou médias das duas amostras. A metade inferior da razão é uma medida da dispersão, ou variabilidade, das pontuações. A parte inferior dessa razão é conhecida como o erro padrão da diferença. Para calcular esta parte da razão, a variância para cada amostra é determinada e é então dividida pelo número de indivíduos que compõem a amostra ou grupo. Estes dois valores são então adicionados em conjunto, e uma raiz quadrada é tomada do resultado. Exemplo Por exemplo, considere que um analista quer estudar a quantidade que os Pennsylvanians e os californianos gastam, por o mês, na roupa. Não seria prático registrar os hábitos de consumo de cada indivíduo (ou família) em ambos os estados, assim uma amostra de hábitos de consumo é retirada de um grupo selecionado de indivíduos de cada estado. O grupo pode ser de qualquer tamanho pequeno a moderado para este exemplo, suponha que o grupo de amostra seja 200 indivíduos. O montante médio para Pennsylvanians sai para 500 o valor médio para californianos é 1.000. O t-teste questiona se o diferente entre os grupos é representativo de uma verdadeira diferença entre as pessoas na Pensilvânia e as pessoas na Califórnia em geral ou se é provável uma diferença estatística sem sentido. Neste exemplo, se, teoricamente, todos os Pennsylvanians gastassem 500 por mês na roupa e todos os californianos gastassem 1.000 por o mês na roupa, é altamente improvável que 200 indivíduos selecionados aleatòria todos gastaram essa quantidade exata, respectiva ao estado. Assim, se um analista ou um estatístico apresentou os resultados listados no exemplo acima, é seguro concluir que a diferença entre grupos de amostras é indicativa de uma diferença significativa entre as populações, como um todo, de cada estado.