Der Markt ist ein kontrolliertes dynamisches System. - Seite 56
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich bleibe bei meiner Meinung.
Nun, das liegt an Ihnen. Ich bleibe bei meiner Meinung: Es ist falsch, das Verhalten eines offenen Systems zu simulieren, ohne den äußeren Einfluss zu berücksichtigen, der, auch wenn er unbekannt ist, eine entscheidende Rolle bei diesem Verhalten spielt.
Ich entferne mein Schema, diejenigen, die daran interessiert waren, haben es bereits kopiert.
Nun, das liegt an Ihnen. Ich bleibe bei meiner Meinung: Es ist falsch, das Verhalten eines offenen Systems zu modellieren, ohne äußere Einflüsse zu berücksichtigen, selbst wenn sie unbekannt sind und eine entscheidende Rolle bei diesem Verhalten spielen.
Ich entferne mein Schema, diejenigen, die daran interessiert waren, haben es bereits kopiert.
Sie missverstehen den Mechanismus des vorgestellten Systems. Der äußere Einfluss zeigt sich indirekt in Form der Reaktion des Systems. Wie auch immer...
3) Nachdem wir diese Annahme über das Vorhandensein des formgebenden Systems gemacht haben, stellen wir uns die Aufgabe, sein Modell zu konstruieren.
Die Modellausgabe y sollte den tatsächlichen Daten x entsprechen, wobei das gewählte Kriterium der Nähe zwischen den Prozessen y und x berücksichtigt wird.
Betrachten wir diese Regelung einmal von einer anderen Seite, wie ich sie verstehe.
x(t) ist ein Zitat, das wir beobachten und gleichzeitig messen können
y(t) ist ein Prozess, der berechnet wird. Für die folgende Diskussion ist es von grundlegender Bedeutung, dass sie nicht beobachtet wird - in meiner Terminologie ist sie der Zustand eines beobachtbaren Prozesses.
Wir schreiben: x(t) = y(t) +d(t) + nu(t)
Wo:
d(t) ist der deterministische Input (Bias)
nu(t) - ein vom Rest unabhängiger Zufallsprozess - Rauschen
Beschreiben wir in ähnlicher Weise den Zustand des Systems:
y(t) = c(t) + y(t-1) + theta(t)
wobei
c(t) - deterministische Verschiebung des Zustands
y(t-1) - der vorherige Wert des Zustands
theta(t) - Zufallsprozess, unabhängig vom Rest - Rauschen
Bitte beachten Sie, dass unser beobachteter Prozess (Zitat) zum Zeitpunkt t durch den vorherigen Zustand x(t-1) bestimmt wird, d. h. auf der Vorhersage des Systemzustands beruht.
Das beschriebene Schema hat Namen: strukturelle Zeitreihen, Zustandsraummodell, dynamisches lineares System.
Das mathematische Zentrum dieses Modells ist der Kalman-Filter, ein recht rechenintensiver Algorithmus. Wenn man die aufgelisteten Variablen mit unterschiedlichen Inhalten füllt, z. B. y(t) als Trend betrachtet, kann man jedes der bestehenden Modelle erhalten. Aufgrund der erstaunlichen Eigenschaften des Kalman-Filters übertreffen Zustandsraummodelle ihre Gegenstücke.
Es gibt gebrauchsfertige Softwarepakete in R, um das obige Problem zu lösen. Über sie in den folgenden Beiträgen.
Das dse-Paket bietet Werkzeuge für multivariate, lineare, zeitreihenunabhängige Modelle. Es umfasst ARMA- und Zustandsraumdarstellungen sowie Methoden zur Konvertierung zwischen ihnen. Es umfasst auch Simulationsmethoden und verschiedene Schätzfunktionen. Das Paket verfügt über Funktionen zur Betrachtung der Modellwurzeln, der Stabilität und der Vorhersage für verschiedene Horizonte. Die Implementierung des ARMA-Modells ist generisch, so dass VAR, VARX, ARIMA, ARMAX, ARIMAX als Sonderfälle behandelt werden können. Der Kalman-Filter und glattere Schätzungen können aus dem Modell im Zustandsraum abgeleitet werden, und es werden Methoden zur Anpassung des Modells im Zustandsraum implementiert. Eine Einführung und ein Benutzerhandbuch sind in der Vignette enthalten.
Das dse-Paket bietet Werkzeuge für multivariate, lineare, zeitreihenunabhängige Modelle. Es umfasst ARMA- und Zustandsraumdarstellungen sowie Methoden zur Konvertierung zwischen ihnen. Es umfasst auch Simulationsmethoden und verschiedene Schätzfunktionen. Das Paket verfügt über Funktionen zur Betrachtung der Modellwurzeln, der Stabilität und der Vorhersage für verschiedene Horizonte. Die Implementierung des ARMA-Modells ist generisch, so dass VAR, VARX, ARIMA, ARMAX, ARIMAX als Sonderfälle behandelt werden können. Der Kalman-Filter und glattere Schätzungen können aus dem Modell im Zustandsraum abgeleitet werden, und es werden Methoden zur Anpassung des Modells im Zustandsraum implementiert. Eine Einführung und ein Benutzerhandbuch sind in der Vignette enthalten.
Das KFAS-Paket bietet Kalman-Filter-, Zustands-, Störungs- und Glättungssimulationsfunktionen zur Vorhersage und Simulation von Modellen im Zustandsraum. Alle Funktionen können eine exakte gestreute Initialisierung verwenden, wenn die Verteilungen einiger oder aller Elemente des Ausgangszustandsvektors unbekannt sind. Die Filter-, Zustandsglättungs- und Simulationsfunktionen verwenden einen sequenziellen Verarbeitungsalgorithmus, der schneller ist als der Standardansatz und außerdem eine Funktion der Varianzmatrix des Vorhersagefehlers ermöglicht. KFAS enthält auch eine Funktion zur Berechnung der Wahrscheinlichkeit von Exponentialmodellen im Familienzustandsraum und Funktionen zur Glättung des Zustands von Exponentialmodellen im Familienzustandsraum.
Leute, hört auf, das Rad neu zu erfinden.
Es gibt eine Vielzahl von Paketen, es gibt ein universelles Simulink, auf dem man alles aufbauen kann. Aber kein Paket wird Ihr Gehirn ersetzen, es wird Ihnen nicht sagen, welche Kontrollmatrix Sie in den Kalman-Filter einbauen müssen, und es wird nicht das Blockdiagramm des Modells für Sie synthetisieren.
Leute, hört auf, das Rad neu zu erfinden.
Ausnahmsweise mal ein normales Thema in einem Vier-Wege-Forum, in dem es nicht einmal Fluter gibt.
Lasst sie erfinden!
Vielleicht füge ich etwas Eigenes hinzu, wenn ich mich dazu entschließe. Ich muss nur noch herausfinden, wie ich sie in diese Blöcke, Pfeile und OS einbauen kann...