Das Sultonov-Regressionsmodell (SRM) - behauptet, ein mathematisches Modell des Marktes zu sein. - Seite 10
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
das Vorhersagemodell ist korrekt, wenn die Residuen normalverteilt sind.
Wenn das gewählte Regressionsmodell die tatsächliche Beziehung gut beschreibt, sollten die Residuen unabhängige normalverteilte Zufallsvariablen mit einem Mittelwert von Null sein, und es sollte kein Trend in ihren Werten zu erkennen sein.
Welche Art von Schreibwaren gibt es?
P.S. War bei den Mammuts, komm zurück, zurück mit dir...
Ja, natürlich. Der Rest wird jedoch mit dem Einheitswurzeltest auf Stationarität geprüft.
Ein weiteres Problem. Was, wenn es nicht genau so ist, wie Sie es geschrieben haben? Und wenn es so ist, wie Sie schreiben, können wir dann der Prognose trauen?
Es stellt sich also heraus, dass das Modell ohne Residuen eine deterministische Komponente ist?
es bedeutet, dass die Variablen deterministisch und nicht zufällig sind
Ja, natürlich. Das Residuum wird jedoch mit dem Einheitswurzeltest auf Stationarität geprüft.
Ein weiteres Problem. Was ist, wenn es nicht genau so ist, wie Sie es geschrieben haben? Und wenn es so ist, wie Sie geschrieben haben, kann man dann der Prognose trauen?
Wenn die Eingangsvariablen normalverteilt und stationär sind, die Modellresiduen normalverteilt sind und die Vorhersagegenauigkeit R oder R2 zufriedenstellend ist - dann können wir! Und das müssen wir auch!
Es stellt sich also heraus, dass das Modell ohne Residuen eine deterministische Komponente ist?
Ein Modell ohne Residuen ist ein Modell, das Reihenwerte ohne Fehler vorhersagt. Die Residuen sind der Fehler (die Differenz zwischen dem vorhergesagten Wert und dem tatsächlichen Wert). Es handelt sich also um eine Zerlegung in eine deterministische Komponente (Prognosemodell) + Rauschen (normalverteilte Residuen)
Ich verstehe nicht, was Sie mit diskreter Reihenvorhersage meinen? Das Ergebnis der Verarbeitung der vorgelegten Daten ist, dass die diskrete Reihe MO = 0,878649833 hat und deutlich gegen 1 geneigt ist. Soll ich immer noch die vorausschauende Abwechslung von Einsen und/oder Nullen bestimmen? Eine absurde Forderung, wenn es um diskrete Reihen geht. Ich bin sicher, wenn Sie die Summe dieser Reihe berechnen und durch die Anzahl der "Würfe" teilen, erhalten Sie das oben genannte Ergebnis.
Diese Reihe enthält 45 Nullen und 45 Einheiten. Erwartung = 0,5.
18 ist eine analytische Formel. Berechnen Sie daraus den Funktionswert und entnehmen Sie die Differenz dem Quotienten. Wir erhalten den Glättungsfehler. Lassen Sie uns mit diesem Fehler arbeiten. Oder habe ich etwas übersehen?
Wenn die Eingangsvariablen normalverteilt und stationär sind, die Modellresiduen normalverteilt sind und die Vorhersagegenauigkeit R oder R2 zufriedenstellend ist - dann können wir! Und das müssen wir auch!
Das geschieht nicht auf dem Markt. Ein Quotient ist nicht-stationär, und die von uns verwendete Definition von Nicht-Stationarität ist für eine reale Reihe zu eng.
Diese Zeile enthält 45 Nullen und 45 Einsen. Die Erwartung ist 0,5.
So etwas wie einen Markt gibt es nicht. Kotier ist nicht stationär, und die von uns verwendete Definition von Nicht-Stationarität ist für eine reale Reihe zu eng.
Nun, dann wäre ein Regressionsmodell ein eindeutiges Indiz. Es gibt viele Spezialisten, die sich mit Regressionsanalysen auskennen, aber nur wenige verdienen Geld auf dem Markt.