计量经济学:领先一步的预测 - 页 93 1...8687888990919293949596979899100...139 新评论 Дмитрий 2011.12.02 12:55 #921 faa1947: 大新闻。和ARIMA? 和ARCH?这是针对哪些行的? cotier=趋势+噪音 在左边,它是不稳定的,但在右边呢? 这个消息并不大,也很古老--这些方法是开发出来的,并应用于静止的系列。但对于非稳态序列来说,为了能够应用这些方法,需要使用一些方法来 "使其达到稳态形式"。 如果一个系列是非稳态的,那么它就是非稳态的。该系列具有不稳定的统计特征。你可以把一个系列切成碎片,它在每一块都是静止的。 如果价格上涨后又急剧下降,那么它在上升阶段是静止的。但整个价格系列是非平稳的(受突然变化的影响)。 СанСаныч Фоменко 2011.12.02 13:12 #922 Demi: 这个消息并不大,也很古老--这些方法是开发出来的,并应用于静止的系列。而对于非静止的,则使用方法来 "使其达到静止的形式",以便能够应用这些方法。 如果一个系列是非稳态的,那么它就是非稳态的。该系列具有不稳定的统计特征。你可以把一个系列切成碎片,它在每一块都是静止的。 如果价格上涨后又急剧下降,那么它在上升阶段是静止的。但整个价格系列是非平稳的(受突然变化的影响)。 趋势的变化并不表明非平稳性。 让我们从头开始。我使用以下静止性的定义:如果莫=常数("几乎 "常数)和分散=常数("几乎 "常数),一个系列就是静止的。 只要系列中存在决定性的成分,我们就不能谈论统计。这就是为什么我们要用减去确定性成分后的残差来工作。在这个过程中,问题得到了定性的简化,因为残留物通常比蜡烛的长度小得多。 СанСаныч Фоменко 2011.12.02 13:18 #923 Demi: 这个消息并不大,也很古老--这些方法是开发出来的,并应用于静止的系列。但对于非静止的,要用方法来 "把它们变成静止的形式",以便能够应用这些方法。 如果你还能认同ARIMA,那么ARCH就是一个纯粹的非平稳的东西。我使用了针对非平稳性中某些细微差别的具体测试,一旦确定了这些细微差别,就对纯非平稳性进行建模。残留物往往变成了静止的。 而对于非静止的,则用方法来 "使其达到静止的形式"。 如果你提到的方法是可用的,那么我们是在处理一个非平稳序列? Дмитрий 2011.12.02 13:22 #924 faa1947: 趋势的变化并不是非平稳性的标志。 让我们从头开始。我使用以下静止性的定义:如果莫=常数("几乎 "常数),方差=常数("几乎 "常数),那么一个系列就是静止的。 只要系列中存在决定性的成分,我们就不能谈论统计。这就是为什么我们要用减去确定性成分后的剩余物来工作。经过这个过程后,问题在质量上变得容易了,因为残留物通常比蜡烛的长度小得多。 略有错误--一个静止的随机过程必须有其所有的概率特征与时间无关。如果价格在很长一段时间内大致呈线性上升,然后突然急剧下降,那么在下降之前是一个静止的过程,因为如果把这个系列分解成几块,这些几块的统计特征将大致相同。但在下跌之后,它的概率特征发生了变化--它变得非平稳(MO改变了,方差改变了)。 有可能确定任何系列中的确定性成分,我们应该谈一谈统计数据。如果序列是非平稳的,这个确定性的部分将有非常小的预测能力。 СанСаныч Фоменко 2011.12.02 13:25 #925 Demi: 略有错误--一个静止的随机过程应该具有独立于时间的所有概率特征。如果价格在很长一段时间内大致呈线性上升,然后突然急剧下降,那么在下降之前它是一个静止的过程,因为如果把这个系列分解成几块,这些几块的统计特征将大致相同。但在下降之后,它的概率特征发生了变化--变成了非平稳的。我的定义是建设性的--它允许制定一个建模计划并确定目标。 第1步:只要系列中存在决定性的成分,你就不能说什么是确定的。对我来说,它是一个公理。 Дмитрий 2011.12.02 13:27 #926 faa1947: 我的定义是建设性的--它允许制定一个建模计划并确定目标。 第1步:只要系列中存在决定性的成分,你就不能说什么是确定的。这对我来说是一条公理。 在任何和每一个系列中,都有一个决定性的组成部分。问题是预测的质量和准确性 Дмитрий 2011.12.02 13:28 #927 faa1947: 如果你提到的方法是可用的,那么你是在用不稳定的行吗? 我们尝试并试图将其应用于交易--结果是令人遗憾的。我宁愿使用TA。 虽然有壮举的空间。 СанСаныч Фоменко 2011.12.02 13:30 #928 Demi: 任何和每一个系列都有一个决定性的组成部分。问题是预测的质量和准确性不要偏离方向。 我们把确定性的部分区分开来。残留物呢?我们再次检查决定性的部分。原因是旧的。获取噪音。得到没有确定性成分的噪音,我们可以推理。 Дмитрий 2011.12.02 13:33 #929 faa1947: 不要走偏了。 我们把确定性的部分区分开来。残留物如何处理?我们再次检查确定性的部分。原因是旧的。去找噪音。得到没有确定性成分的噪音,我们可以推理。 为了什么?有什么可猜测的呢?你把决定性的部分分离出来,做一个模型,测试它,分析它,抛弃它(开玩笑)。 如果孩子的组件质量好,我们就进行交易。剩下的是什么? 问题是这个组件的质量。 DDFedor 2011.12.02 13:35 #930 faa1947: 无论你怎么看,统计数据都会显示出之前的情况。而且,它不可能显示 "将要发生的事情"......。纯粹是猜测。也许这对你来说是可行的,那么? > 1...8687888990919293949596979899100...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
大新闻。和ARIMA? 和ARCH?这是针对哪些行的?
cotier=趋势+噪音
在左边,它是不稳定的,但在右边呢?
这个消息并不大,也很古老--这些方法是开发出来的,并应用于静止的系列。但对于非稳态序列来说,为了能够应用这些方法,需要使用一些方法来 "使其达到稳态形式"。
如果一个系列是非稳态的,那么它就是非稳态的。该系列具有不稳定的统计特征。你可以把一个系列切成碎片,它在每一块都是静止的。
如果价格上涨后又急剧下降,那么它在上升阶段是静止的。但整个价格系列是非平稳的(受突然变化的影响)。
这个消息并不大,也很古老--这些方法是开发出来的,并应用于静止的系列。而对于非静止的,则使用方法来 "使其达到静止的形式",以便能够应用这些方法。
如果一个系列是非稳态的,那么它就是非稳态的。该系列具有不稳定的统计特征。你可以把一个系列切成碎片,它在每一块都是静止的。
如果价格上涨后又急剧下降,那么它在上升阶段是静止的。但整个价格系列是非平稳的(受突然变化的影响)。
趋势的变化并不表明非平稳性。
让我们从头开始。我使用以下静止性的定义:如果莫=常数("几乎 "常数)和分散=常数("几乎 "常数),一个系列就是静止的。
只要系列中存在决定性的成分,我们就不能谈论统计。这就是为什么我们要用减去确定性成分后的残差来工作。在这个过程中,问题得到了定性的简化,因为残留物通常比蜡烛的长度小得多。
这个消息并不大,也很古老--这些方法是开发出来的,并应用于静止的系列。但对于非静止的,要用方法来 "把它们变成静止的形式",以便能够应用这些方法。
如果你还能认同ARIMA,那么ARCH就是一个纯粹的非平稳的东西。我使用了针对非平稳性中某些细微差别的具体测试,一旦确定了这些细微差别,就对纯非平稳性进行建模。残留物往往变成了静止的。
而对于非静止的,则用方法来 "使其达到静止的形式"。
如果你提到的方法是可用的,那么我们是在处理一个非平稳序列?
趋势的变化并不是非平稳性的标志。
让我们从头开始。我使用以下静止性的定义:如果莫=常数("几乎 "常数),方差=常数("几乎 "常数),那么一个系列就是静止的。
只要系列中存在决定性的成分,我们就不能谈论统计。这就是为什么我们要用减去确定性成分后的剩余物来工作。经过这个过程后,问题在质量上变得容易了,因为残留物通常比蜡烛的长度小得多。
略有错误--一个静止的随机过程必须有其所有的概率特征与时间无关。如果价格在很长一段时间内大致呈线性上升,然后突然急剧下降,那么在下降之前是一个静止的过程,因为如果把这个系列分解成几块,这些几块的统计特征将大致相同。但在下跌之后,它的概率特征发生了变化--它变得非平稳(MO改变了,方差改变了)。
有可能确定任何系列中的确定性成分,我们应该谈一谈统计数据。如果序列是非平稳的,这个确定性的部分将有非常小的预测能力。
略有错误--一个静止的随机过程应该具有独立于时间的所有概率特征。如果价格在很长一段时间内大致呈线性上升,然后突然急剧下降,那么在下降之前它是一个静止的过程,因为如果把这个系列分解成几块,这些几块的统计特征将大致相同。但在下降之后,它的概率特征发生了变化--变成了非平稳的。
我的定义是建设性的--它允许制定一个建模计划并确定目标。
第1步:只要系列中存在决定性的成分,你就不能说什么是确定的。对我来说,它是一个公理。
我的定义是建设性的--它允许制定一个建模计划并确定目标。
第1步:只要系列中存在决定性的成分,你就不能说什么是确定的。这对我来说是一条公理。
在任何和每一个系列中,都有一个决定性的组成部分。问题是预测的质量和准确性
如果你提到的方法是可用的,那么你是在用不稳定的行吗?
我们尝试并试图将其应用于交易--结果是令人遗憾的。我宁愿使用TA。
虽然有壮举的空间。
任何和每一个系列都有一个决定性的组成部分。问题是预测的质量和准确性
不要偏离方向。
我们把确定性的部分区分开来。残留物呢?我们再次检查决定性的部分。原因是旧的。获取噪音。得到没有确定性成分的噪音,我们可以推理。
不要走偏了。
我们把确定性的部分区分开来。残留物如何处理?我们再次检查确定性的部分。原因是旧的。去找噪音。得到没有确定性成分的噪音,我们可以推理。
为了什么?有什么可猜测的呢?你把决定性的部分分离出来,做一个模型,测试它,分析它,抛弃它(开玩笑)。
如果孩子的组件质量好,我们就进行交易。剩下的是什么?
问题是这个组件的质量。
无论你怎么看,统计数据都会显示出之前的情况。而且,它不可能显示 "将要发生的事情"......。纯粹是猜测。也许这对你来说是可行的,那么?