Econometría: previsión de un paso adelante - página 71
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
No he visto ninguna publicación sobre NS con R^2. Eso es lo que quiero decir. ¿Qué tiene que ver el análisis de regresión con esto?
La AR no tiene nada que ver, lo que cambia es la medida (minucias). Las rectas, las curvas y los oblicuos se desplazan.
Como se dice: a la constante más cercana.
Tome esto y calcule por sí mismo lo que será la equidad en la barra 13 después de empezar a comprar. No hay red, ¡comerciamos en DCs!
Realmente vendo el muv y realmente cuido que las posiciones cortas abiertas en total se correspondan con el muv vendido (bueno, claro, con un factor de 13), haciendo "escoltas".
Sobre la construcción del periodo - esa es la siguiente idea, muy sensata por cierto. Pero por ahora tenemos que entender el básico.
No lo discuto y estoy completamente de acuerdo. En la barra 13 el precio de su posición acumulada media corresponderá exactamente al valor del muving con el periodo de promediación de 13. La red mostrará este hecho de forma aún más clara. El problema es que en la barra 14, ya no puedes hacer tu posición igual a la media actual con un periodo de 13, la media móvil se irá y tu precio medio de entrada seguirá siendo el mismo. Lo único que puedes hacer es promediar de nuevo y usar el mouwing con el periodo 14, en la barra 15 tendrás que usar el mouwing 15, en la barra 16, y así hasta el infinito. En el límite, la media móvil será tan grande que el precio no volverá a ella en un futuro previsible. Es decir, no es posible hacer ningún "acompañamiento".
Mañana escribiré mi pensamiento en la tabla para que quede claro.
No debe permitirse el cierre de microposiciones antiguas, ya que el resultado global de la operación Y se verá distorsionado por los beneficios/pérdidas realizados.
Es más sencillo, simplemente las microposiciones antiguas se cerrarán al precio actual de la barra cero, y para mantener el periodo las microposiciones antiguas deberían cerrarse a sus precios de apertura hace 13 barras, lo cual no es posible. Pero el muwink como que cierra los valores antiguos a los precios antiguos, lo puede hacer, porque es un indicador.
a:faa
Mientras discutíamos y discutíamos, ha llegado el regimiento de fenómenos:
Predicción de series temporales mediante alisamiento exponencial
Predicción de series temporales mediante alisamiento exponencial (fin)
Los candidatos se adaptan perfectamente a su método.
a:faa
Mientras discutíamos y discutíamos, ha llegado el regimiento de fenómenos:
Previsión de series temporales con alisamiento exponencial
Predicción de series temporales mediante alisamiento exponencial (fin)
Los candidatos se adaptan perfectamente a su método.
Lo hice. Se negó. Me interesaba saber cómo ajustar los parámetros de suavizado en función del error de predicción. Esto es parte del problema para mí.
Hay otro problema. Antes he publicado los resultados de la simulación de un modelo. Ahora lo estoy publicando para otro:
kotir hp1(-1 a -2) hp1_d(-1 a -1) eq1_hp2(-1 a -3) eq1_hp2_d(-1 a -4)
donde HP suaviza el cociente 1/DX, es decir, la inversa del índice del dólar.
Aquí está el resultado:
Muy buen modelo. Se presta a la optimización por LM ACF y max Prob C
Y aquí están los deprimentes resultados:
Al pronosticar dentro de la muestra tengo un factor de ganancia fantástico, especialmente preste atención al factor de ganancia en las observaciones. Pero fuera de la muestra ..... ¿Por qué no se extienden estos resultados tan halagüeños un paso más allá? No puedo entenderlo.
Vladimir: La perspectiva de SanSanych no es estrecha, pero la tarea es específica, me parece. imho, por supuesto.
Y el agarre es alcista...
Por lo general, los fabricantes de estos modelos los pasan rápidamente por el probador, se aseguran de que se agoten y pasan a nuevos modelos. Pero aquí el que empieza muestra las predicciones diarias en tiempo real esperando un milagro, una especie de masoquismo.
Al predecir dentro de la muestra, tengo un fantástico factor de ganancia, especialmente tenga en cuenta el factor de ganancia en las observaciones. Pero fuera de la muestra ..... ¿Por qué no se extienden estos resultados tan halagüeños un paso más allá? No puedo entenderlo.
¡Finalmente el adepto al culto, ha revelado el principal secreto del truco religioso!
¡Elemental, Watson! Porque no son estacionarios. La estacionariedad se da cuando la dispersión y la expectativa son constantes y no dependen de la muestra en la que se miden. Es decir, en cualquier otra muestra independiente, deberíamos obtener aproximadamente las mismas constantes. Si no lo hacemos, la hipótesis de estacionariedad queda refutada.
La hipótesis de estacionariedad puede comprobarse de otra manera aumentando la dimensión de la muestra. En el caso de la estacionariedad, tanto la varianza como la expectativa deben permanecer constantes.
No he visto ninguna publicación sobre NS con R^2.
En cualquier algoritmo se puede utilizar cualquier error...y p-Q en NS también...
¡Por fin el adepto al culto, ha revelado el principal secreto del truco religioso!
¡Elemental, Watson! Porque no son estacionarios. La estacionariedad se da cuando la dispersión y la expectativa son constantes y no dependen de la muestra en la que se miden. Es decir, en cualquier otra muestra independiente, deberíamos obtener aproximadamente las mismas constantes. Si no lo hacemos, la hipótesis de estacionariedad queda refutada.
La hipótesis de estacionariedad puede comprobarse de otra manera aumentando el tamaño de la muestra . En el caso de la estacionariedad, tanto la varianza como la expectativa deben permanecer constantes.
la mierda debería en teoría...pero en la práctica no...y dependerá no sólo del tamaño de la muestra total sino también de lo que haya en ella...