计量经济学：领先一步的预测 - 页 41

新评论
 
如果m.o.s.是10个点，s.c.s.是100个点，理论上讲，整体盈利能力有可能要等待太长时间。
 
Mathemat:
如果m.o.s.是10个点，s.c.s.是100个点，理论上有可能整体的盈利能力要等待太长时间。
至少，不超过蜡烛的长度，一般来说，应该与原始系列的方差进行比较。尽管在上面的一个帖子中，已经证明在波动性交易中，情况并非如此。
 
faa1947:

预测本身不就是模型的一个数学期望 吗？

如果错误是静止的，则一切正常。很多时候，我已经写过并给出了错误的图表，这些图表的外观非常曲折。


我不太明白误差的非平稳性会如何影响预测的估计。在风险价值的背景下，错误最终不是只影响模型的风险吗！？
 
Mathemat:

为了掌握这样的统计优势，以便能够谈论它的意义，我们根本不需要100个交易，而是要多出许多倍，数万个。

让我们假设有N个交易。统计优势（2%*N）必须至少是sqrt（N）的2倍。同时，我们将对状态优势值有95%左右的把握。

你这台机器97%的质量是什么（如果你说的是惠普）？有一个公式吗？


mo和方差的统计估计的意义取决于方差本身和交易数量的根源，而不是取决于优势（mo）。也就是说，如果一个系统的mo比另一个系统的mo大2倍，那么为了达到同样的mo和mo估计的准确性，你需要在第一个系统中进行4倍的交易。当然，最好用置信区间（其宽度）来描述一切。Mo和分散估计的MDI的宽度取决于分散本身和交易数量的根值

P.S. 当然，这都是针对固定分布的。在非静止性的情况下，MD根本没有定义--至少需要时间上的静止性或对它的近似值

 
C-4:

我不太明白误差的非平稳性会如何影响预测的估计。在风险价值的背景下，错误最终不是只影响模型的风险吗！？

我使用以下静止性的定义：大约是莫常数和标准差。这里是其中一个图表。

如何保证在样本外的预测上（我们只考虑这个选项），你不会得到另一个误差的异常值？进一步说，由于确信误差几乎是一个常数（图表上的25点价差是一个常数吗？），要么你以预测执行置信区间 的形式推理风险，进入一个姿势，要么你假设预测是一个常数，虔诚地相信这个数字。

 
C-4:

我不太明白误差的非平稳性会如何影响预测的估计。在风险价值的背景下，错误最终不是只影响模型的风险吗！？

预测值是对未来系列的估计，而误差是其方差（sko）。实际上被预测的是一些未来价格增量的分布。如果这个分布是非稳态的，那么无论是mo的估计还是其方差的估计都是不可信的。也就是说，预测是不可信的
 
Avals:

mo和方差的统计估计的意义取决于方差本身和交易数量的根，而不是取决于优势（mo）。也就是说，如果一个系统的Sko比另一个系统的Sko多2倍，那么对于同样准确的估计Mo和Sko，你需要在第一个系统中进行4倍的交易。当然，最好用置信区间（其宽度）来描述一切。mo和方差估计的MDI的宽度取决于方差本身和交易数量的根数

现在我开始明白了。事实证明，s.c.o.越高，对m.o.值的要求就越高，以确认其统计意义。对于目前模型的c.s.o.来说，其m.o.太不明显，没有统计学意义，这样的模型不能使用。
 
Avals:


摩和方差的统计估计值的意义为


我完全同意这一点，但对我来说，有趣的问题是在样本之外会发生什么？

为了提高样本外预测的实现概率，需要在样本内分析什么？

误差的计算和对它的静止性要求是否足够？

最后一个问题。预测的范围是什么？一个步骤还是几个步骤？如果有几个步骤，这种可能性是如何界定的？

 
C-4:

现在我开始明白了。事实证明，s.c.o.越高，对m.o.值的要求就越高，以确认其统计意义。对于目前模型的c.s.o.，其m.o.太不明显，没有统计学意义，这样的模型不能使用。

大约。作为预测测试（或TC）的结果，我们得到了mo和sko的估计值--那是两个数字。这实际上是错误的--我们有两个区间，结果值是它们的中点。也就是说，如果我们得到mo=10pnuts，那么实际上mo=10+-delta。这个delta取决于sko--它越大，delta就越大，也取决于交易的数量（根）。即delta与sko/Root(N)成正比。
 
faa1947:

误差的计算和对它的静止性要求是否足够？

我不清楚，在非平稳的数据上，怎么能指望有平稳的误差？在你提出的上图中，误差值显然不具有有限方差的特性，因此将基于结果方差的估计（如s.r.f.或N的平方根）应用于它至少是值得怀疑的。
1...343536373839404142434445464748...139
新评论
原因: