Recientemente he leído una entrada en el blog donde algunas estadísticas generadas para una técnica común de análisis del indicador. Abajo está el enlace. Mi pregunta se muestra cerca de la parte inferior bajo el nombre de bill_080, en la "Respuesta" de la sección:
http://www.portfolioprobe.com/2011/04/16/a-bit-of-analysis-of-the-dow-golden-cross/
Mi pregunta aquí es la misma pregunta que en el enlace:
".....In the paper, they were able to come up with a "Universe of Calendar Effects"
of 9,452 rules (and a reduced set of 244 rules) to generate the statistics.
In the "Golden Cross" scheme, can you think of a way to put a number to the
"Universe of Golden Cross Effects", and then look at the various p-value,
t-stat, or whatever stats apply?....."
He estado lidiando con problemas similares por un tiempo, y tengo una manera muy CRUDA para lidiar con este problema. Sin embargo, estoy buscando cualquier sugerencias de los demás.
Editar 1 =========================================
Para ser más específicos, el "efecto Calendario" de papel que me hace referencia en ese enlace se discutió la comparación múltiple problema donde la optimización fue durante un intervalo DISCRETO. Como resultado, fueron capaces de contar hasta el "Universo de Efectos de Calendario" para ser 9452 reglas. Así, fueron capaces de corregir cualquier valor de p/t-stat/etc estadísticas para reflejar este universo de posibilidades.
Si intento aplicar esta misma técnica a un problema que tiene un rango CONTINUO o a intervalos, como en la "Cruz de Oro", el n primeros días de media móvil (el cual fue optimizado a lo largo de un rango continuo, dando una media móvil de 200 días) y la segunda n-días de media móvil (el cual fue optimizado a lo largo de un rango continuo, dando una media móvil de 50 días), ¿cómo hacer de la forma más cómoda de la uña hacia abajo un número discreto (el "Universo") para corregir el valor de p/t-stat/etc para este problema CONTINUO?
Mi producción/inventario problema es esencialmente el mismo que el "Cruz de Oro" problema. Tengo varias variables (es mi elección cuántos) que puede ser golpeado hasta que me golpeó la combinación óptima, pero cuando lo hago, cómo lo hago, yo vengo con un número discreto para corregir las múltiples comparaciones que yo sólo se lleva a cabo? Para facilitar las cosas, digamos que la corrección necesaria es la "Sidak Corrección" dada por:
http://en.wikipedia.org/wiki/Multiple_comparisons
alpha1 = 1 - ((1 - alpha2)^(1/n))
Digamos que si esto era normal-tiempo, no de la optimización de la situación (n=1), yo podría utilizar alfa2 = 0.05 (5%). ¿Cuál es el equivalente de este 5% valor si me optimizar el 1 variable 2 variables, de 3 variables, etc. Si puedo agregar, vamos a decir, de 100 a n para cada uno optimizado variable, voy a obtener la siguiente tabla de corrección:
Number of Optim Var n alpha1
0 1 0.05000
1 101 0.00051
2 201 0.00026
3 301 0.00017
Por lo tanto, si 100 es el "derecho" de la serpiente, luego de que la "Cruz de Oro" problema tendría que coincidir con la alfa1=0.026% (0.00026) para ser coherentes con una alfa 2 de 5%. Sólo una suposición, pero dudo que la Cruz de Oro de plan de pasar la prueba.
Del mismo modo, si puedo optimizar mi problema de inventario utilizando 3 variables, mi objetivo alfa1 es 0.017% (0.00017). Que es un duro escollo para borrar. En un sumador de 100, una optimización de la variable borra el obstáculo, pero no más.
Así, es la ADICIÓN de 100 por cada variable demasiado, no lo suficiente? Debe ser exponencial en lugar de una serpiente, por lo que la tabla anterior se tiene n=1, 101, 10001, 1000001? Algún otro plan? Eso es lo que estoy tratando de justificar. Alguien ha hecho un estudio o ve un papel en la corrección de los valores de p/t-estadísticas/etc para las variables CONTINUAS?
