Cálculo de la puntuación Z para una racha de victorias y derrotas

Question

Intento encontrar la correlación entre las victorias y las derrotas aplicando el Z-Score según la fórmula adjunta. Los pongo en una matriz asignando 1 a las victorias y -1 a los perdedores. Estoy tratando de determinar si los ganadores siguen a los ganadores o los perdedores siguen a los perdedores. Lo que quiero preguntar es que antes de aplicar el Z-Score en esto, ¿debo eliminar los no-estratos de esta matriz? (Cuando incluyo las no rayas encuentro Z-Score -125 que no es un número lógico)

my array=[1,1,-1,1,-1,1,1,1,1,1,-1,1,-1,1...]

La fórmula de la puntuación z es

Z=(N*(R-0.5)-P)/((P*(P-N))/(N-1))^(1/2)

N - total number of trades in a series 
R - total number of series of profitable and losing trades 
P = 2*W*L;
W - total number of profitable trades in the series;
L - total number of losing trades in the series.

Fuente: http://www.forextraders.com/forex-money-management/using-the-z-score-to-determine-trade-size.html

Answer 1

Tu fuente no es especialmente clara en cuanto a que lo que hacen es una puntuación Z. Para dar algunos antecedentes, lo que están haciendo es calcular $$\frac{R-\mu_{R}}{\sigma_{R}}$$ donde R es el número de ejecuciones y la media y la desviación estándar son del número de ejecuciones. En realidad es más una estadística de prueba que una puntuación Z propiamente dicha. El denominador de su fórmula es, en realidad, la misma desviación estándar que se utiliza en la prueba de series de Wald-Wolfowitz, pero dividida por $N$ (que se anula a partir de la media). Aunque obtengo un resultado ligeramente diferente si calculo la puntuación Z utilizando únicamente los valores de Wald-Wolfowitz para la media de las carreras, es conceptualmente lo mismo.

Así que volviendo a tu pregunta, estás preguntando si debes eliminar las rayas de tu matriz antes de calcular el valor. Yo enfatizaría que no debes hacerlo. El objetivo de la prueba de rachas es comprobar el número de rachas. Si eliminas todo lo que no es una racha, entonces tu estadística de prueba ya no es válida. Si no obtienes números razonables, podría haber un problema con el cálculo en alguna parte. Yo estaba obteniendo números perfectamente sensatos cuando estaba probando esto.

La ventaja del enfoque original es que es muy fácil de calcular. Hay otras opciones que pueden ser un poco más sofisticadas y que podrían proporcionar información interesante. Por ejemplo, se podría ajustar un Modelo de Markov Oculto (HMM) que intente estimar la probabilidad de una victoria teniendo en cuenta si el periodo anterior fue una victoria o no.