La potion magique d'Asterix

Asterix a écrit:

Je me permets de rappeler dans ce post, bien que ce ne soit pas le bon endroit, comment on peut évaluer la symétrie d'une dispersion statistique, l'une des notions fandamentales de la méthode:

Soit ( x(i),p(i) ) une série statistique où p(i) est la fréquence associée à la mesure quantifiée x(i).


Rappelons que la moyenne et l'écart-type de cette série sont respectivement:

m=somme{i=1;i=n; p(i)*x(i) } et sigma=somme{i=1;i=n; p(i)*x(i)^2-m^2 }

L'indice de symétrie de la série est la quantité:

s=somme{i=1;i=n; p(i)*((x(i)-m)/sigma)^3 }

Ce nombre peut être positif ou négatif selon la distribution.

Si c'est positif, c'est parce que les valeurs x(i) supérieures à la moyenne sont plus pondérées que celles qui sont inférieures et leur écart à la moyenne est plus imprtant. Et plus c'est grand en valeur absolue, plus c'est assymétrique..

C'est ce paramètre qui va nous renseigner quant à l' "équilibre" des transactions concernant un ticker donné...

A suivre...

Si je comprend bien la méthode est basée sur une hypothèse de retour vers une une distribution normale. A savoir un skewness nul (moment d'ordre 3 ou asymétrie) et un kurtosis égal à 3 (moment d'ordre 4 ou aplatissement).

Historiquement et dans la pratique, les distributions ont une queue plus épaisse (fat tailed distribution) qu'une loi normale.

La méthode peut fonctionner pendant quelques jours et complètement se gourer sur d'autres.

Après tout, il n'y a aucune méthode parfaite sinon ca se saurait. ce qui est intéressant de savoir c'est : quelle est la probabilité de réussite. Si la probabilité est supérieur à 60% (sur un échantillon d'au minimum 100 tests) , c'est une excellente méthode, sinon à jeter.

Pelican a écrit:

Je me mord les doigts de ne pas trop comprendre. Pkoi ne pas changer les abréviations

Désolé mon ami de vous avoir mis dans cette situation!

Mais je crois avoir expliqué quelque part, ici sur le forum, certaines de ces abréviations... Reprenons:

Point d'équilibre: en gros c'est la valeur vers laquelle va tendre le cours pour réaliser l'équilibre du marché.

Point d'inflexion: c'est la valeur de déviation des cours par rapport à une certaine symétrie de la série des cours.

Ce point est associé à un indiceG qui permet d'évaluer cette symétrie/asymétrie;

-symétrie statistique si l'indiceG oscille autour de 50%

-asymétrie négative, si cet indice est inféreieur à 50%. Dans ce cas, on dira que le titre a une tendance statistiquement haussière (les cours auront tendance à croître vers l'équilibre)

-asymétrie positive, si cet indice est supérieur à 50%. Dans ce cas, on dira que le titre a une tendance statistiquement baissière (les cours auront tendance à décroître vers l'équilibre)

Si l'indiceG reflète la tendance globale de la série des cours, le deuxième indice LNDCC concerne plutôt le comportement ponctuel des cours. Il se veut une estimation de la position du dernier cours de cloture (DCC) par rapport au point d'équilbre.

-une valeur de LNDCC voisine de 50% veut dire que le DCC n'est pas loin du point d'équilbre,

-une valeur jugée plus chère dès qu'elle affiche un LNDCC supérieur à 50%

-sinon, c'est un relachement des cours...

A suivre...

othch a écrit:

Asterix a écrit:

Je me permets de rappeler dans ce post, bien que ce ne soit pas le bon endroit, comment on peut évaluer la symétrie d'une dispersion statistique, l'une des notions fandamentales de la méthode:

Soit ( x(i),p(i) ) une série statistique où p(i) est la fréquence associée à la mesure quantifiée x(i).


Rappelons que la moyenne et l'écart-type de cette série sont respectivement:

m=somme{i=1;i=n; p(i)*x(i) } et sigma=somme{i=1;i=n; p(i)*x(i)^2-m^2 }

L'indice de symétrie de la série est la quantité:

s=somme{i=1;i=n; p(i)*((x(i)-m)/sigma)^3 }

Ce nombre peut être positif ou négatif selon la distribution.

Si c'est positif, c'est parce que les valeurs x(i) supérieures à la moyenne sont plus pondérées que celles qui sont inférieures et leur écart à la moyenne est plus imprtant. Et plus c'est grand en valeur absolue, plus c'est assymétrique..

C'est ce paramètre qui va nous renseigner quant à l' "équilibre" des transactions concernant un ticker donné...

A suivre...

Si je comprend bien la méthode est basée sur une hypothèse de retour vers une une distribution normale. A savoir un skewness nul (moment d'ordre 3 ou asymétrie) et un kurtosis égal à 3 (moment d'ordre 4 ou aplatissement).

Historiquement et dans la pratique, les distributions ont une queue plus épaisse (fat tailed distribution) qu'une loi normale.

La méthode peut fonctionner pendant quelques jours et complètement se gourer sur d'autres.

Après tout, il n'y a aucune méthode parfaite sinon ca se saurait. ce qui est intéressant de savoir c'est : quelle est la probabilité de réussite. Si la probabilité est supérieur à 60% (sur un échantillon d'au minimum 100 tests) , c'est une excellente méthode, sinon à jeter.

Il faut savoir que la distribution normale n'est qu'un modèle limite vers lequel pourrait tendre une série statistique que l'on "ressent" à tendance normale. Nombreux sont ceux qui se représentent la distribution normale de façon erronée! Au moment de tracer une courbe, ils s'attendent à tomber sur une très belle cloche!! Jamais ils l'auront si le phénomène en question ne relève pas du seul hasard...

Une deuxième erreur commise par certains, c'est le fait de vouloir associer à une valeur, à un indice, tout son historique de façon figée(!) comme s'il s'agissait d'un aspect intrinsèque!!! Non, le passé c'est du passé, il faut l'oublier et procéder par séquences et de façon évolutive et itérative... En ce sens, s'il s'agit d'un historique des cours de cloture à la fin des séances, il ne faut pas aller chercher dans la "préhistoire" des cours; quelques séances, une dizaine suffisent. S'il s'agit de voir le comportement des cours par période constante ( par exemple hebdomadairement, mensuellement, ...) il faut prendre épisodiquement, les seuls cours de cloture à la fin de ces périodes, pour un nombre de périodes mais pas tous...

Une troisième erreur commise par d'autres, c'est que la distribution normale ne peut pas être utilisée dans le cas où les mesures, les valeurs de la série statistique sont dépendantes les unes des autres, ce qui est pas le cas pour les cours d'un titre...

Alors messsieurs, en toute modestie, vous devriez revoir vos cours sur les lois statistiques avant d'avancer quoi que ce soit!!

A suivre...

othch a écrit:

Si je comprend bien la méthode est basée sur une hypothèse de retour vers une une distribution normale. A savoir un skewness nul (moment d'ordre 3 ou asymétrie) et un kurtosis égal à 3 (moment d'ordre 4 ou aplatissement).

Historiquement et dans la pratique, les distributions ont une queue plus épaisse (fat tailed distribution) qu'une loi normale.

La méthode peut fonctionner pendant quelques jours et complètement se gourer sur d'autres.

Après tout, il n'y a aucune méthode parfaite sinon ca se saurait. ce qui est intéressant de savoir c'est : quelle est la probabilité de réussite. Si la probabilité est supérieur à 60% (sur un échantillon d'au minimum 100 tests) , c'est une excellente méthode, sinon à jeter.

Suite de la réponse:

Pour toute série statistique, on peut définir et calculer toute une bonne classe de "quantités statistiques" telles que moyenne, écart-type, moments successifs ( de symétrie, d'aplatissemnt, ...) Et ce n'est pas l'apanage de la seule loi normale!!!! D'ailleurs, pour cette dernière, les moments d'ordre impairs sont nuls, en particulier pour la symétrie c'est 0... Si les cours suivaient une LN, il faudrait trouver 0 pour le moment de symétrie et ce n'est même pas la peine de tester par nulle loi (student, ki2, gamma, beta, fisher, cauchy ou autres....)

Donc ce n'est pas parce que j'utilise cette notion de symétrie par le biais du moment d'ordre 1 que j'utilise la loi normale!!!

Permettez-moi de vous raconter cette anecdote:

Un jour, j'avais assisté à une conférence donné par l'un de mes collègues comme didacticien de la langue arabe, où il nous a présenté l'une de ses expériences menées dans une classe qui consistait à améliorer le rendement du processus d'apprentissage de la dite langue.

Notre chercheur était fier de nous montrer que les résultats relevés suite à son intervention se représentaient dans la fameuse cloche et de conclure que c'est réussi!!

Non monsieur! Du moment que ça suit une distribution normale, votre expérience n'a eu aucun impact (positif ou négatif ) sur le groupe!!! Hé oui!

Voilà une mauvaise représentation de la LN!!

Normalement, suite à son intervention-expérience, il devait tomber sur quelque chose d'asymétrique, se dégageant de la forme-cloche pour affirmer qu'il est arrivé à améliorer le rendement d'apprentissage (ou bien qu'il est arrivé à le biaiser!!) ...

A suivre...

Asterix a écrit:

othch a écrit:

Si je comprend bien la méthode est basée sur une hypothèse de retour vers une une distribution normale. A savoir un skewness nul (moment d'ordre 3 ou asymétrie) et un kurtosis égal à 3 (moment d'ordre 4 ou aplatissement).

Historiquement et dans la pratique, les distributions ont une queue plus épaisse (fat tailed distribution) qu'une loi normale.

La méthode peut fonctionner pendant quelques jours et complètement se gourer sur d'autres.

Après tout, il n'y a aucune méthode parfaite sinon ca se saurait. ce qui est intéressant de savoir c'est : quelle est la probabilité de réussite. Si la probabilité est supérieur à 60% (sur un échantillon d'au minimum 100 tests) , c'est une excellente méthode, sinon à jeter.

Suite de la réponse:

Pour toute série statistique, on peut définir et calculer toute une bonne classe de "quantités statistiques" telles que moyenne, écart-type, moments successifs ( de symétrie, d'aplatissemnt, ...) Et ce n'est pas l'apanage de la seule loi normale!!!! D'ailleurs, pour cette dernière, les moments d'ordre impairs sont nuls, en particulier pour la symétrie c'est 0... Si les cours suivaient une LN, il faudrait trouver 0 pour le moment de symétrie et ce n'est même pas la peine de tester par nulle loi (student, ki2, gamma, beta, fisher, cauchy ou autres....)

Pourriez-vous m'indiquer où j'ai insinué le contraire ?

Donc ce n'est pas parce que j'utilise cette notion de symétrie par le biais du moment d'ordre 1 que j'utilise la loi normale!!!

Pourriez-vous m'indiquer où j'ai insinué le contraire ? (l’asymétrie est le moment d'ordre 3 au passage, ta définition plus haut est claire)

Permettez-moi de vous raconter cette anecdote:

Un jour, j'avais assisté à une conférence donné par l'un de mes collègues comme didacticien de la langue arabe, où il nous a présenté l'une de ses expériences menées dans une classe qui consistait à améliorer le rendement du processus d'apprentissage de la dite langue.

Notre chercheur était fier de nous montrer que les résultats relevés suite à son intervention se représentaient dans la fameuse cloche et de conclure que c'est réussi!!

Non monsieur! Du moment que ça suit une distribution normale, votre expérience n'a eu aucun impact (positif ou négatif ) sur le groupe!!! Hé oui!

Voilà une mauvaise représentation de la LN!!

Normalement, suite à son intervention-expérience, il devait tomber sur quelque chose d'asymétrique, se dégageant de la forme-cloche pour affirmer qu'il est arrivé à améliorer le rendement d'apprentissage (ou bien qu'il est arrivé à le biaiser!!) ...

A suivre...

Si je suis destinataire du message : "il faut revoir vos cours de stats", il serait bien de m'expliquer ce qu'il y a d’erronés dans mes propos.

En toute modestie, vos réponses manquent cruellement de précisions et quand on ne maîtrise pas bien un sujet ...

J'ai commencé mon dernier message par : "Si je comprend bien". Je déduis que mon hypothèse est fausse, ce qui renvoie directement aux questions :

- quelles sont les hypothèses de départs du "modèle" ?
- Comment sont calculés les différents indicateurs ?

Une réponse claire et concise serait la bienvenue et prière ne pas répondre à coté en m'expliquant ce qu'est une série stat ou une LN.

othch a écrit:

Asterix a écrit:

Suite de la réponse:

Pour toute série statistique, on peut définir et calculer toute une bonne classe de "quantités statistiques" telles que moyenne, écart-type, moments successifs ( de symétrie, d'aplatissemnt, ...) Et ce n'est pas l'apanage de la seule loi normale!!!! D'ailleurs, pour cette dernière, les moments d'ordre impairs sont nuls, en particulier pour la symétrie c'est 0... Si les cours suivaient une LN, il faudrait trouver 0 pour le moment de symétrie et ce n'est même pas la peine de tester par nulle loi (student, ki2, gamma, beta, fisher, cauchy ou autres....)

Pourriez-vous m'indiquer où j'ai insinué le contraire ?

Donc ce n'est pas parce que j'utilise cette notion de symétrie par le biais du moment d'ordre 1 que j'utilise la loi normale!!!

Pourriez-vous m'indiquer où j'ai insinué le contraire ? (l’asymétrie est le moment d'ordre 3 au passage, ta définition plus haut est claire)

Permettez-moi de vous raconter cette anecdote:

Un jour, j'avais assisté à une conférence donné par l'un de mes collègues comme didacticien de la langue arabe, où il nous a présenté l'une de ses expériences menées dans une classe qui consistait à améliorer le rendement du processus d'apprentissage de la dite langue.

Notre chercheur était fier de nous montrer que les résultats relevés suite à son intervention se représentaient dans la fameuse cloche et de conclure que c'est réussi!!

Non monsieur! Du moment que ça suit une distribution normale, votre expérience n'a eu aucun impact (positif ou négatif ) sur le groupe!!! Hé oui!

Voilà une mauvaise représentation de la LN!!

Normalement, suite à son intervention-expérience, il devait tomber sur quelque chose d'asymétrique, se dégageant de la forme-cloche pour affirmer qu'il est arrivé à améliorer le rendement d'apprentissage (ou bien qu'il est arrivé à le biaiser!!) ...

A suivre...

Si je suis destinataire du message : "il faut revoir vos cours de stats", il serait bien de m'expliquer ce qu'il y a d’erronés dans mes propos.

En toute modestie, vos réponses manquent cruellement de précisions et quand on ne maîtrise pas bien un sujet ...
J'ai commencé mon dernier message par : "Si je comprend bien". Je déduis que mon hypothèse est fausse, ce qui renvoie directement aux questions :

- quelles sont les hypothèses de départs du "modèle" ?
- Comment sont calculés les différents indicateurs ?

Une réponse claire et concise serait la bienvenue et prière ne pas répondre à coté en m'expliquant ce qu'est une série stat ou une LN.

Non! Vous n'êtes pas le destinataire du message.. Désolé de vous avoir dérangé par mon post! Restons courtois et coopératifs...

Vous savez, ça prend bcp de temps pour rédiger un post avec arguments, explications, etc...

Mais, j'essaierai à chaque fois que mon emploi du temps le permet, d'apporter les éclaircissements nécessaires...

A très bientôt...

question pour notre mathematicien asterix :

peux tu me donner la formule sur laquelle on se base pour avoir la valeur d'une action ,ceci ne depend pas uniquement des achat et ventes ,eclaire moi stp.