计量经济学:领先一步的预测 - 页 51 1...444546474849505152535455565758...139 新评论 Sceptic Philozoff 2011.11.26 15:00 #501 然而,这种不自然的 "一致性 "错误也是令人震惊的。 СанСаныч Фоменко 2011.11.26 15:08 #502 avtomat: 我不太清楚到底什么是目标? 如果可能的话,模型的残差应该有一个等于常数的方差 СанСаныч Фоменко 2011.11.26 15:09 #503 Mathemat: 然而,这种不自然的 "一致性 "错误也是令人震惊的。 这就是理想。用ARCH模型对残差进行建模后得到的数据 Sceptic Philozoff 2011.11.26 15:14 #504 这是一个不自然的理想:错误的s.c.o.与m.o.的比率太低。 СанСаныч Фоменко 2011.11.26 15:22 #505 Mathemat: 这是一个不自然的理想:错误的s.c.o.与m.o.的比率太低。 理想是一个常数。几乎实现了。这意味着预测中没有任何意外。 [删除] 2011.11.26 15:23 #506 faa1947: 如果可能的话,模型的残差应该有一个等于常数的方差。 如果这确实是所宣称的目的,那么你应该重新考虑最基本的问题。但在我看来,你似乎又感到困惑了--这次是在你对建模的目的的理解上。 不要以为我在这里想找你麻烦。不!我在这里建议的是,你应该从一开始就重新考虑你的所有行动,从定义问题和设定目标开始。 СанСаныч Фоменко 2011.11.26 15:32 #507 avtomat: 如果这确实是所宣称的目的,那么你应该重新考虑最基本的问题。但在我看来,你似乎又感到困惑了--这次是在你对建模的目的的理解上。 不要以为我在这里想找你麻烦。不!我建议你从一开始就重新考虑你的所有行动,从问题定义和目标设定开始。 拟定另一个。这不是我的目标,而且很清楚--如果残差的方差是恒定的,那么预测误差就不存在不确定性。 СанСаныч Фоменко 2011.11.26 15:42 #508 avtomat: 这个时候已经在理解建模的目的。 试图。发布的,但这个想法没有得到重视。目标是模型的可预测性。 [删除] 2011.11.26 15:43 #509 faa1947: 拟定另一个。这不是我的目标,而且很清楚--如果残差的方差是恒定的,那么预测误差就不存在不确定性。 嗯...实际上,目标通常是使误差最小化,而根本不是什么常数。此外,在这个问题的表述中,"死 "常数的存在将表明最小化算法的低效率或算法本身的错误。 СанСаныч Фоменко 2011.11.26 15:45 #510 avtomat: 嗯...实际上,目标通常是使误差最小化,而根本不是什么常数。此外,在这个问题的表述中,"死 "常数的存在将表明最小化算法的低效率或算法本身的错误。 最小化并不能解决这个问题。预测误差的价值是值得怀疑的,因为它是正确预测和不正确预测的误差。 1...444546474849505152535455565758...139 新评论 原因: 取消 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
我不太清楚到底什么是目标?
然而,这种不自然的 "一致性 "错误也是令人震惊的。
这是一个不自然的理想:错误的s.c.o.与m.o.的比率太低。
如果可能的话,模型的残差应该有一个等于常数的方差。
如果这确实是所宣称的目的,那么你应该重新考虑最基本的问题。但在我看来,你似乎又感到困惑了--这次是在你对建模的目的的理解上。
不要以为我在这里想找你麻烦。不!我在这里建议的是,你应该从一开始就重新考虑你的所有行动,从定义问题和设定目标开始。
如果这确实是所宣称的目的,那么你应该重新考虑最基本的问题。但在我看来,你似乎又感到困惑了--这次是在你对建模的目的的理解上。
不要以为我在这里想找你麻烦。不!我建议你从一开始就重新考虑你的所有行动,从问题定义和目标设定开始。
这个时候已经在理解建模的目的。
试图。发布的,但这个想法没有得到重视。目标是模型的可预测性。
拟定另一个。这不是我的目标,而且很清楚--如果残差的方差是恒定的,那么预测误差就不存在不确定性。
嗯...实际上,目标通常是使误差最小化,而根本不是什么常数。此外,在这个问题的表述中,"死 "常数的存在将表明最小化算法的低效率或算法本身的错误。