T Statistiken In Stata Forex

Handel mit gaußschen Modellen der Statistik Carl Friedrich Gauss war ein brillanter Mathematiker, der in den frühen 1800er Jahren lebte und gab die Welt quadratischen Gleichungen, Methoden der kleinsten Quadrate Analyse und Normalverteilung. Obwohl Pierre Simon LaPlace als der ursprüngliche Begründer der Normalverteilung im Jahre 1809 angesehen wurde, wird ihm Gauß oft die Anerkennung für die Entdeckung gegeben, denn er schrieb schon früh über das Konzept und ist seit 200 Jahren Gegenstand vieler Untersuchungen der Mathematiker. Tatsächlich wird diese Verteilung oft als die Gaußsche Verteilung bezeichnet. Das gesamte Studium der Statistik stammt von Gauss und erlaubte uns, die Märkte zu verstehen. Preise und Wahrscheinlichkeiten, unter anderen Anwendungen. Die heutige Terminologie definiert die Normalverteilung als Glockenkurve mit normalen Parametern. Und da die einzige Weise, Gauss und die Glockenkurve zu verstehen ist, Statistiken zu verstehen, wird dieser Artikel eine Glockenkurve bauen und sie auf ein Handelsbeispiel anwenden. Mittel, Median und Modus Es gibt drei Methoden, um die Verteilung zu bestimmen: Mittelwert. Median und Modus. Mittel werden addiert, indem alle Punkte addiert und durch die Anzahl der Punkte dividiert wird, um den Durchschnitt zu erhalten. Median wird durch Addition der beiden mittleren Zahlen einer Probe und Division durch zwei oder einfach nur den Mittelwert aus einer ordinalen Sequenz berücksichtigt. Modus ist die häufigste der Zahlen in einer Verteilung von Werten. Die beste Methode, um Einsicht in eine Zahlenfolge zu erhalten, ist die Verwendung von Mitteln, da sie alle Zahlen mittelt und somit die gesamte Verteilung am meisten reflektiert. Dies war der Gaußsche Ansatz und seine bevorzugte Methode. Was wir hier messen, sind Parameter der zentralen Tendenz oder zu beantworten, wo unsere Stichproben gehen. Um dies zu verstehen, müssen wir unsere Punkte beginnend mit 0 in der Mitte und Plot 1, 2 und 3 Standardabweichungen auf der rechten Seite und -1, -2 und -3 auf der linken Seite in Bezug auf den Mittelwert aufzeichnen. Null bezieht sich auf das Verteilungsmittel. (Viele Hedge-Fonds implementieren mathematische Strategien) Um mehr zu erfahren, lesen Sie Quantitative Analyse von Hedge Fonds und multivariaten Modellen: Die Monte Carlo Analyse.) Standardabweichung und Abweichung Wenn die Werte einem normalen Muster folgen, werden wir finden, dass 68 aller Punkte fallen Innerhalb von -1 und 1 Standardabweichungen liegen 95 innerhalb von zwei Standardabweichungen und 99 innerhalb von drei Standardabweichungen des Mittelwerts. Aber das ist nicht genug, um uns über die Kurve zu erzählen. Wir müssen die tatsächliche Varianz und andere quantitative und qualitative Faktoren zu bestimmen. Abweichung beantwortet die Frage, wie breit unser Vertrieb ist. Es gibt Faktoren für die Möglichkeiten, warum Ausreißer in unserer Stichprobe existieren können, und hilft uns, diese Ausreißer zu verstehen und zu identifizieren. Wenn beispielsweise ein Wert sechs Standardabweichungen über - oder unterschreitet, kann er als Ausreißer für die Analyse klassifiziert werden. Standardabweichungen sind eine wichtige Metrik, die einfach die Quadratwurzeln der Varianz sind. Moderne Ausdrücke nennen diese Ausbreitung. In einer Gaußschen Verteilung können wir, wenn wir den Mittelwert und die Standardabweichung kennen, die Prozentsätze der Punkte kennen, die innerhalb von plus oder minus 1, 2 oder 3 Standardabweichungen vom Mittelwert liegen. Dies wird als Konfidenzintervall bezeichnet. So wissen wir, dass 68 der Verteilungen innerhalb von plus oder minus 1 Standardabweichung, 95 innerhalb von plus oder minus zwei Standardabweichungen und 99 innerhalb von plus oder minus 3 Standardabweichungen liegen. Gauß nannte diese Wahrscheinlichkeitsfunktionen. (Für weitere Informationen über statistische Analyse, check out Understanding Volatility Measures.) Skew und Kurtosis Bisher war dieser Artikel über die Erläuterung der Mittelwert und die verschiedenen Berechnungen, um uns helfen, es näher zu erklären. Sobald wir unsere Verteilung Kerben geplottet, zogen wir grundsätzlich unsere Glockenkurve über alle die Noten, vorausgesetzt, dass sie Eigenschaften der Normalität besitzen. So noch ist dieses nicht genug, weil wir Schwänze auf unserer Kurve haben, die Erklärung benötigen, um die gesamte Kurve besser zu verstehen. Um dies zu tun, gehen wir zum dritten und vierten Momente der Statistik der Verteilung genannt Schiefe und Kurtosis. Die Schiefe der Schwänze misst die Asymmetrie der Verteilung. Ein positiver Schiefe hat eine Abweichung von dem Mittelwert, der positiv und schräg rechts ist, während ein negativer Schiefe eine Abweichung von dem Mittelwert aufweist, der im wesentlichen nach links geneigt ist, wobei die Verteilung eine Tendenz hat, auf einer bestimmten Seite des Mittels schief zu sein. Eine symmetrische Schräge hat 0 Varianz, die eine perfekte Normalverteilung bildet. Wenn die Glockenkurve zuerst mit einem langen Schwanz gezogen wird. Das ist positiv. Der lange Schwanz am Anfang vor dem Klumpen der Glockenkurve wird als negativ versetzt betrachtet. Wenn eine Verteilung symmetrisch ist, wird die Summe der cubierten Abweichungen oberhalb des Mittels die cubierten Abweichungen unter dem Mittel ausgleichen. Eine schiefe rechte Verteilung hat eine Schiefe größer als null, während eine schräge linke Verteilung eine Schiefe kleiner als Null hat. (Die Kurve kann ein leistungsfähiges Handelsinstrument sein: für mehr verwandte Erkenntnisse beziehen sich auf Börsenrisiko: Wackeln der Schwänze.) Kurtosis erklärt die Spitzen - und Wertkonzentrationscharakteristiken der Verteilung. Eine negative überschüssige Kurtosis. Die als Platykurtose bezeichnet wird, wird als eine ziemlich flache Verteilung charakterisiert, bei der eine kleinere Konzentration von Werten um den Mittelwert und die Schwänze wesentlich dicker ist als eine mesokurtische (normale) Verteilung. Auf der anderen Seite enthält eine leptokurtische Verteilung dünne Schwänze, da viel von den Daten im Mittel konzentriert ist. Skew ist wichtiger zu bewerten Positionen als Kurtosis. Die Analyse der festverzinslichen Wertpapiere erfordert eine sorgfältige statistische Analyse, um die Volatilität eines Portfolios zu bestimmen, wenn die Zinssätze variieren. Modelle, um die Richtung der Bewegungen vorherzusagen, müssen in Schiefe und Kurtosis zur Prognose der Performance eines Anleiheportfolios führen. Diese statistischen Konzepte werden weiter für die Bestimmung von Kursbewegungen für viele andere Finanzinstrumente herangezogen. Wie Aktien, Optionen und Währungspaare. Skews werden verwendet, um Optionspreise durch Messung der impliziten Volatilitäten zu messen. Anwendung auf den Handel Standardabweichung misst Volatilität und fragt, welche Art von Performance-Renditen zu erwarten sind. Kleinere Standardabweichungen können ein geringeres Risiko für eine Aktie bedeuten, während höhere Volatilität eine höhere Unsicherheit bedeuten kann. Händler können die Schlusskurse aus dem Durchschnitt messen, da sie aus dem Mittel verteilt sind. Die Dispersion mißt dann die Differenz von Istwert zu Mittelwert. Ein größerer Unterschied zwischen den beiden bedeutet eine höhere Standardabweichung und - flüchtigkeit. Preise, die weit weg vom Mittelwert abweichen, gehen oft wieder auf den Mittelwert zurück, so dass die Händler diese Situationen nutzen können. Preise, die in einem kleinen Bereich handeln, sind bereit für einen Ausbruch. Der häufig verwendete technische Indikator für Standardabweichungen ist die Bollinger-Band. Da sie ein Maß für die Volatilität sind, die auf zwei Standardabweichungen für obere und untere Bande mit einem 21-tägigen gleitenden Durchschnitt eingestellt sind. Die Gaußverteilung war nur der Anfang des Verständnisses der Marktwahrscheinlichkeiten. Es führte später zu Zeitreihen und Garch Models. Sowie mehr Anwendungen von Skew wie das Volatility Smile. Einführende Beispiele für esttab Basic Syntax und Verwendung esttab ist ein Wrapper für estout. Seine Syntax ist viel einfacher als die von estout und, standardmäßig erzeugt es Publikation-Stil-Tabellen, die schön im Statas Ergebnisse Fenster anzeigen. Die grundlegende Syntax von esttab ist: Die Prozedur ist, zuerst eine Anzahl von Modellen zu speichern und dann esttab auf diese gespeicherten Schätzsätze anzuwenden, um eine Regressionstabelle zu bilden. Der Hauptunterschied zwischen esttab und estout ist, dass esttab eine vollständig formatierte Datei sofort erzeugt. Beispiel: Beachten Sie, dass die gestrichelten Linien im Statas-Ergebnisfenster als durchgezogene Linien erscheinen: Standardfehler, p-Werte und Summenstatistiken Der Standardwert in esttab besteht darin, die Rohpunktschätzungen zusammen mit t statistics anzuzeigen und die Anzahl der Beobachtungen in der Tabelle zu drucken Fußzeile. Um die t-Statistik durch z. B. (P), Konfidenzintervalle (ci) oder beliebige Parameterstatistiken, die in den Schätzungen enthalten sind (siehe die Option aux ()). Weitere Optionen für die Statistikstatistik sind z. B. pr2 für das pseudo-R-quadrierte und bic für das schwarze Informationskriterium. Darüber hinaus gibt es eine allgemeine Skalar () Option, um alle anderen Skalar-Statistiken enthalten in den gespeicherten Schätzungen enthalten. Zum Beispiel, um p-Werte zu drucken und die allgemeine F-Statistik und Informationen über die Freiheitsgrade hinzuzufügen, geben Sie Folgendes ein: Beta-Koeffizienten Um Beta-Koeffizienten anzuzeigen und die t-Statistik zu unterdrücken: Wide table: Koeffizienten und t-statistics side-by - side Die breite Option ordnet Punktschätzungen und t-Statistiken nebeneinander untereinander an: Numerische Formate esttab verfügt über sinnvolle Standardeinstellungen für numerische Anzeigeformate. Zum Beispiel werden t-Statistiken mit zwei Nachkommastellen und R-Quadrat-Meldungen mit drei Dezimalstellen ausgedruckt. Für Punktschätzungen und beispielsweise Standardfehler wird ein adaptives Anzeigeformat verwendet, bei dem die Anzahl der angezeigten Dezimalstellen von der Skalierung der zu druckenden Statistik abhängt (das Standardformat ist a3 siehe unten). Das Format, das auf eine bestimmte Statistik angewendet wird, kann durch Hinzufügen der entsprechenden Anzeigeformatangabe in Klammern geändert werden. Um beispielsweise die Genauigkeit für die Punktschätzungen und die Anzeige von p-Werten und den R-Quadrat unter Verwendung von vier Dezimalstellen zu erhöhen, geben Sie Folgendes ein: Verfügbare Formate sind offizielle Statas-Anzeigeformate wie 9.0g oder 8.2f (siehe Hilfeformat). Alternativ kann, wie im obigen Beispiel dargestellt, ein festes Format angefordert werden, indem eine einzelne ganze Zahl angegeben wird, die die gewünschte Anzahl von Dezimalstellen angibt. Weiterhin kann ein adaptives Format a angegeben werden, in dem die Mindestanzahl der zu druckenden signifikanten Ziffern festgelegt wird (siehe Abschnitt Numerische Formate in der Hilfedatei). Etiketten, Titel und Notizen Um variable Etiketten zu verwenden und einige Titel und Notizen hinzuzufügen, z. B. Type: Die Label-Option unterstützt Faktorvariablen und Interaktionen in Stata 11 oder neuer: Plain-Tabelle Die Plain-Option erzeugt eine minimal formatierte Tabelle mit allen Anzeigeformaten, die auf Statas 9.0g quasi-standard gesetzt sind: Komprimierte Tabelle Die Komprimierungsoption reduziert den horizontalen Abstand auf mehr Modelle auf dem Bildschirm ohne Zeilenbruch: Signifikanzsterne: Symbole und Schwellwerte ändern Die Vorgabesymbole und Schwellenwerte für die Bedeutung der Sterne sind: für p