STMicroelectronics (STM) Allora ... StMicroelectronics: Medium Term Analysis (18 lettori)

[blackstar]

Ciao Cufr@, molto interessante tutto quanto hai scritto fino ad ora, e mi rendo conto che ho ancora moltissime cose da imparare da persone esperte come te.
Cmq. cambiando un pò argomento, volevo sapere un tuo parere, anche con la tua analisi di cicli, (naturalmente se ne hai la possibilità) sul nasdaq 100, per vedere l'andamento su Stm nei prox. giorni.
Posto un grafico di come la vedo io: (scusa x la grafica, ma se ne avrò la possibilità migliorerò)

Ormai poca forza sull'indice, con Stocastico Lento in ipervenduto, Rsi privo di segnale, KPeakOscillator tirato, MMsemplice ancora al rialzo.
Ha testato la retta angolare 1X2 che funge da resistenza per andare a posarsi sulla 1X1.

 

[curfr@]

Buon lavoro pio...tuttoben congegnato!
Tuttavia, se posso, ci sarebbero da fare delle considerazioni: tu hai approssimato le frequenze normalizzate con una distribuzione "normale"...ossia di Gauss: è evidente che l'appiattimento prodotto dalla distribuzione porti alcuni valori estremanti della frequenza a fuoriuscire dal fitting effetuato con N!
Tuttavia non mi sembra evidente una leptocurtosi, che andrebbe stimata secondo i parametri che ho postato per essere definita numericamnte: io non l'ho fatto...ma ad occhio e croce non noto grosse asimmetrie destre o sinistre tali da indurre considerazioni su curtosi paricilari rispetto alla normale: NON SO SE SONO STATO CHIARO!
E' mevidente che la presenza di code..."grasse" sia sintomo di una tendenza generalizzata delle frequenze a spostarsi su rendimenti particolari: diciamo che però si tratta di una evidenza statistica del trend...non dalla presenza di "memory effect"...nella serie considerata!
La stima effetuata da Hurst per misurare l'esponete H con il modello di regressione per una certa manipolazione del dato...dimostra che la misurazione non puo essere "puntuale" ma deve essere fatta in media e stimata con un dato oggettivo che abbia estremi definiti di valutazione: ma non ritenere che il modello di Hurst abbia una precisione assoluta!
Ci sono altri modelli per l'analisi multivariata che consentono stime dell'effetto memoria molto ma molto piu preciso: ad Hurst si deve il merito di avere alaborato un concetto molto semplice per effettuare la misurazione e per STIMARE un parametro...sulla cui stabilità nel tempo c'è da fare una grossa NOTAZIONE!
Non appena ho il tempo (devo cambiare pc...fare una jpeg...portarla qui...ecc ecc...) ti mostro come l'Hurst sia variabile e come sia necessario ancora un detrend dello stesso affinche il dato sia leggibile correttamente ai fini di una analisi corretto della persistenza statistica di una serie di log rendimenti...che indice altro non è di quella che da tempo io chiamo "logica dominate di trading"....

Ciao Curfr@,

in 5 minuti ho impostato i parametri nel foglio excel e questi sono i risultati venuti fuori.
Ho usato funzioni definite in excel.

Il valore della moda non e' giusto e ci sono due possibilita': excel sbaglia, ho scelto male la funzione ( quasi sicuro ).

A te il commento dei dati. Io mi astengo dal dire castronerie.

Ciao

L'ndice di curtosi è maggiore di 0..pertanto sembra evidenziarsi una leptocurtosi su tutti i campionamenti in frequenza effetuati! Tuttavia ti invito a leggere A common error concerning Kurtosis (1945) in Journal of the American Statistical Association, n.40 giugno 1945, pagg.259-263 di Irving Kaplansky il quale evidenziò l'assenza di relazione tra il concetto di "grado di appiattimento" e gli indici di curtosi e di simmetria!
Lo scopo didattico è indiscutibilmente di pregio ma tecnicamente sarebbe un errore stimare parametri il cui uso è stato dimostrato non avere senso...

 

[tontolina]

[/img]

UHM... ho appena cominciato a leggere e mi scuso già in anticipo se le obiezioni che farò sono da.... handiccappata
Devianza:
dice:"si eleva al quadrato per rendere positivi gli scarti negativi"....
????
per tale compito c'è il valore assoluto |Xi-MA|
Varianza:
dice che risponde alla domanda quanto gli elementi della distribuzione sono lontanti/devianti in media dalla MA
domanda: " se la varianza è alta significa che la distribuzione poco concentrata per cui la gaussiana è appiattita e se la varianza è piccola allora la campana è più alta?"

 

[tontolina]

questa operazione non favorirebbe il compito della devianza e cioè di rendere positivi gli scarti negativi ma enfatizzerebbe la negatività degli elementi della distribuzione molto lontani a sinistra della MA

il problema è che che si potrebbe ottenere una varianza negativa con una gaussiana molto dipersa

 

[tontolina]

non capisco il motivo per cui metti la funzione inversa x=f(y)

 

[tontolina]

non ho capito quel che volevi dire .....

figurati il resto

 

[curfr@]

[/img]

UHM... ho appena cominciato a leggere e mi scuso già in anticipo se le obiezioni che farò sono da.... handiccappata
Devianza:
dice:"si eleva al quadrato per rendere positivi gli scarti negativi"....
????
per tale compito c'è il valore assoluto |Xi-MA|
Varianza:
dice che risponde alla domanda quanto gli elementi della distribuzione sono lontanti/devianti in media dalla MA
domanda: " se la varianza è alta significa che la distribuzione poco concentrata per cui la gaussiana è appiattita e se la varianza è piccola allora la campana è più alta?"

Mi....a, signor tenente ! Qua la stiamo a mettere sul pesante... ! In buon conto: a noi interessa lo scarto dalla media e basta! La distribuzione "normale solitamente viene rappresentata simmetrica rispetto allo zero: questo consente di considerare equivalenti, in valore assoluto, i valori destri e sinistri rispetto all'asse delle ordinate (Y) !
A noi interessa quanto distano dalla media (che qui conicide con la mediana ) tali scarti..BASTA!
Ora...se la varianza è alta significa che i punti distano abbastanza dalla media ossia dall'asse delle ordinate: graficamente avremo una distribuzione che si appiattisce piu lentamente...diversamente avrà un aspetto...meno "grasso"

 

[curfr@]

non capisco il motivo per cui metti la funzione inversa x=f(y)

Non è una funzione inversa: è la funzione di una distribuzione "NORMALE" o di Gauss!

 

[curfr@]

questa operazione non favorirebbe il compito della devianza e cioè di rendere positivi gli scarti negativi ma enfatizzerebbe la negatività degli elementi della distribuzione molto lontani a sinistra della MA

il problema è che che si potrebbe ottenere una varianza negativa con una gaussiana molto dipersa

La risposta in parte te l'ho data con la prima risposta: ricorda come ti ho rappresentato la NORMALE! Il concetto lo si raggiunge facilmente...!
In ogni caso...magari dopo ti posto una trasformazione algebrica piu comprensibile per la formula della devianza...e quindi anche della varianza!

 

[curfr@]

non ho capito quel che volevi dire .....

figurati il resto

Media moda e mediana coincidono in una funzione NORMALE!
Tanto per capirsi:
-condizione necessaria ma non sufficiente...significa che la NORMALE per essere definita tale deve avere anche altre caratteristiche!
-le altru due condizioni avrei fatto meglio a non postarle in quanto riferite ad una parte che non messo online e che riguarda alcuni concetti sulla simmetria della distribuzione N!
Per il momento fa conto di non averle lette...