Econometría: previsión de un paso adelante - página 93
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
Una gran noticia. ¿Y ARIMA? ¿Y ARCO? ¿Para qué filas?
cotier = tendencia + ruido
En la izquierda es no estacionaria, pero ¿en la derecha?
Estos métodos se desarrollan y aplican a series estacionarias. Pero en el caso de las series no estacionarias, se utilizan métodos para "llevarlas a una forma estacionaria" con el fin de poder aplicar estos métodos.
Si una serie es no estacionaria, entonces es no estacionaria. La serie tiene características estadísticas inestables. Puedes cortar una serie en trozos y será estacionaria en cada uno de ellos.
Si el precio subió y luego bajó bruscamente, está estacionado en la fase ascendente. Pero toda la serie de precios es no estacionaria (sujeta a cambios bruscos).
Estos métodos se desarrollan y aplican a series estacionarias. Y en el caso de los no estacionarios, se utilizan métodos para "llevarlos a una forma estacionaria" con el fin de poder aplicar estos métodos.
Si una serie es no estacionaria, entonces es no estacionaria. La serie tiene características estadísticas inestables. Puedes cortar una serie en trozos y será estacionaria en cada uno de ellos.
Si el precio subió y luego bajó bruscamente, está estacionado en la fase ascendente. Pero toda la serie de precios es no estacionaria (sujeta a cambios bruscos).
Un cambio en la tendencia no es una indicación de no estacionariedad.
Empecemos por el principio. Utilizo la siguiente definición de estacionariedad: una serie es estacionaria si mo = constante ("casi" constante) y dispersión = constante ("casi" constante).
Mientras haya un componente determinista en la serie, no podemos hablar de estadística. Por eso trabajamos con el residuo después de restar el componente determinista. Después de este procedimiento, el problema se vuelve cualitativamente más fácil, porque el residuo suele ser mucho menor que la longitud de la vela.
Estos métodos se desarrollan y aplican a series estacionarias. Pero en el caso de los no estacionarios, se utilizan métodos para "llevarlos a una forma estacionaria" con el fin de poder aplicar estos métodos.
Si todavía puedes estar de acuerdo con ARIMA, entonces ARCH es algo puramente no estacionario. Utilizo pruebas específicas dirigidas a ciertas sutilezas de la no estacionariedad y, una vez identificadas, se modela la no estacionariedad pura. El residuo a menudo resulta ser estacionario.
Y para los no estacionarios, se utilizan métodos para "llevarlos a una forma estacionaria".
Si el método que mencionas está disponible, ¿entonces estamos trabajando con una serie no estacionaria?
El cambio de tendencia no es un signo de no estacionariedad.
Empecemos por el principio. Utilizo la siguiente definición de estacionariedad: una serie es estacionaria si mo = constante ("casi" constante) y varianza = constante ("casi" constante).
Mientras haya un componente determinista en la serie, no podemos hablar de estadística. Por eso trabajamos con el residuo después de restar el componente determinista. Después de este procedimiento, el problema se vuelve cualitativamente más fácil, porque el residuo suele ser mucho menor que la longitud de la vela.
Un poco equivocado: unproceso aleatorio estacionario debe tener todas sus características de probabilidad independientes del tiempo. Si el precio ha subido de forma aproximadamente lineal durante un largo periodo de tiempo y de repente ha bajado bruscamente, entonces era un proceso estacionario antes de la bajada, porque si la serie se dividiera en trozos, las características estadísticas de esos trozos serían aproximadamente las mismas. Pero tras el declive, sus características de probabilidad cambiaron: se volvió no estacionaria (cambió la MO, cambió la varianza).
Es posible identificar el componente determinista en cualquier serie y debemos hablar de estadística. Si la serie no es estacionaria, este componente determinista tendrá un poder predictivo muy pequeño.
Un poco equivocado: unproceso aleatorio estacionario debería tener todas sus características de probabilidad independientes del tiempo. Si el precio ha subido de forma aproximadamente lineal durante un largo periodo de tiempo y de repente ha descendido bruscamente, entonces se trata de un proceso estacionario hasta el descenso, porque si la serie se descompone en trozos, las características estadísticas de esos trozos serán aproximadamente las mismas. Pero tras el declive, sus características de probabilidad cambiaron: se volvió no estacionaria.
Mi definición es constructiva: permite un plan de modelización y define el objetivo.
Paso 1: No se puede decir nada definitivo mientras haya un componente determinista en la serie. Para mí es un axioma.
Mi definición es constructiva: permite un plan de modelización y define el objetivo.
Paso 1: No se puede decir nada definitivo mientras haya un componente determinista en la serie. Esto es un axioma para mí.
En todas y cada una de las series hay un componente determinista. La cuestión es la calidad y la precisión de la predicción
Si el método que mencionas está disponible, ¿entonces estás trabajando con una fila inestable?
Intentamos y tratamos de aplicarlo al comercio: el resultado fue deplorable. Prefiero usar la AT.
Aunque hay espacio para una hazaña.
Hay un componente determinista en todas y cada una de las series. La cuestión es la calidad y la precisión de la predicción
No te desvíes.
Distinguimos el componente determinista. ¿Y el residuo? De nuevo comprobamos el componente determinista. La razón es la de siempre. Consigue el ruido. Conseguir el ruido sin el componente determinista, podemos razonar.
No vayas de lado.
Distinguimos el componente determinista. ¿Y el residuo? Comprobamos de nuevo el componente determinista. La razón es la de siempre. Llega al ruido. Conseguir el ruido sin el componente determinista, podemos razonar.
¿Para qué? ¿Qué hay que especular? Se aísla el componente determinista, se hace un modelo, se prueba, se analiza y se descarta (es una broma).
Si el componente infantil es de buena calidad, lo cambiamos. ¿Para qué sirve el resto?
La cuestión es la calidad de este componente.
Se mire como se mire, las estadísticas mostrarán lo que hubo antes. Y no hay manera de que pueda mostrar "lo que será"... Puras conjeturas. ¿Quizás eso te sirva, entonces?
>