Econometría: previsión de un paso adelante - página 126
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
Los resultados que se publican en este hilo más arriba se obtienen así. El factor de beneficio está justo por encima de 1. Llegué a la conclusión de que el modelo no es predecible, y me quedé con eso. Para el suavizado, se aplicó HP con ladd = 1. Podría estar aquí. Pero no está claro qué es la "previsibilidad". Si se observa lo que se obtiene en el probador, el modelo no mantiene la tendencia y no se trata de falsos retrocesos.
(1) La pregunta no se refiere a los resultados de la previsión. No me interesa en absoluto. Cómo se comportan los coeficientes del modelo a lo largo del tiempo. ¿Puede al menos mostrar gráficos de su dinámica?
(2) ¿Es HP un filtro (Hodrick-Prescott)?, entonces es aún peor.
(2) HP es un filtro (Hodrick-Prescott), entonces es aún peor.
Pues sí, al principio no parecía importar. Hay que resolver el problema de los residuos. Resuelto. Ahora tengo dudas. ¿Tiene una queja válida contra HP?
1) La cuestión no son los resultados de la previsión. No me interesa en absoluto. Cómo se comportan los coeficientes del modelo a lo largo del tiempo. Al menos puedes mostrar gráficos de su dinámica.
Por fin una pregunta real. Lo hice. Muy interesante. Ahora indagaré y trataré de publicarlos de nuevo.
a la faa
У Вас имеются обоснованные претензии к НР?
¡de ninguna manera! No tengo ninguna queja sobre Prescott. Sabes lo mucho que respeto a Prescott, Prescott es una cabeza, no puedes meterle el dedo en la boca...
Por fin una pregunta real.
Joder, como antes te distraía y te preguntaba todas esas chorradas.
Investigaré un poco e intentaré publicarlo de nuevo.
No te molestes, es un desperdicio de valiosas kilocalorías...
Modelo:
kotir hp1(-1 a -2) hp1_d(-1 a -1) eq1_hp2(-1 a -3) eq1_hp2_d(-1 a -4)
Entre paréntesis está el retraso. En cada nueva barra ajusto el número de rezagos
HP_d - diferencia entre kotir y HP.
eq1_HP2 - suavizar la diferencia de HP entre kotir y HP1(-1 a -2) hp1_d(-1 a -1)
eq1_hp2_d( -1 a -4) 'este es el último residuo
Si tiene heteroscedasticidad, entonces modelo GARCH
Sin la estimación GARCH obtenemos la ecuación
KOTIR = C(1)*HP1(-1) + C(2)*HP1(-2) + C(3)*HP1_D(-1) + C(4)*EQ1_HP2(-1) + C(5)*EQ1_HP2(-2) + C(6)*EQ1_HP2(-3) + C(7)*EQ1_HP2_D(-1) + C(8)*EQ1_HP2_D(-2) + C(9)*EQ1_HP2_D(-3) + C(10)*EQ1_HP2_D(-4)
Muchos coeficientes.
Calcáreo, pero mucho. Casi estable.
Pero hay un gran error en la estimación de los coeficientes de algunos de ellos. Tenemos que dividir el 100% por el valor del estadístico t
a la faa
¡de ninguna manera! No tengo ninguna queja sobre Prescott. Sabes lo mucho que respeto a Prescott, Prescott es una cabeza, no puedes meterle el dedo en la boca...
como antes de que te distrajera y te preguntara todas estas tonterías.
No te molestes, estás desperdiciando valiosas kilocalorías...
¡Qué sensible!
Por supuesto, el cof es una información muy valiosa. Y su opinión es muy interesante. Usted es el primero en preguntar y en ese sentido "por fin"
¡Qué sensible!
Por supuesto, los coeficientes son una información muy valiosa. Y su opinión es muy interesante. Eres el primero en preguntar y en ese sentido "por fin"
No se ve nada :o( Al menos dame un excel con datos, yo mismo haré las gráficas, quizás analice algo
Casi estable.
Están todos torcidos. ¿Qué quiere decir que son "casi estables"?
No se ve nada :o( Al menos dame un archivo de Excel con datos, y yo mismo dibujaré los gráficos, tal vez los analice
Están todos torcidos, ¿no? ¿Qué quiere decir que son "casi estables"?
Lo adjunto. Tenga en cuenta que kotir es EURUSD.
Para cada coeficiente, el valor del coeficiente y el error del coeficiente
Adjunto. Tenga en cuenta que kotir es EURUSD.
Para cada coeficiente, el valor del coeficiente y el error del coeficiente
He mirado de cerca las evaluaciones del software, pero no veo ninguna razón para alegrarse. Si entiendo bien el resultado, EW demuestra que el modelo es, en general, falso:
(1) el coeficiente es -0,48, con una desviación estándar de error de 0,12, por ejemplo -4,89 con una desviación estándar de error de 0,9 -2,9 con una desviación estándar de error de 1,0, etc. Se trata de errores muy grandes, muy grandes, es decir, que están casi a punto de invalidar la estimación.
(2) la estadística t para el primer coeficiente es muy grande, (si no recuerdo mal, hace mucho tiempo que no trabajo con él, necesito refrescar mis conocimientos), es decir, el primer coeficiente no describe el modelo de ninguna manera, en cierto sentido - es sólo de izquierdas. Por cierto, ¿qué "tendencia" has tomado para el modelo HP?
(3) sí no es necesario estimar la probabilidad de que el parámetro no sea cero. sí está claro que no es cero
(4) R-cuadrado, no es una estimación correcta, ya expliqué por qué, no se debe mirar en absoluto en este caso. Literalmente, la escala del sesgo del precio no está normalizada, es como si te hubieras alejado kilómetros de la cotización y dijeras, woohooh por ahí estará el precio. Sí, dentro de los límites de las estadísticas de desviación sí, pero no obtendrás ningún beneficio con ello, sólo perderás
De acuerdo, si no entiendo algo, lo resolveré más tarde.
He mirado de cerca las evaluaciones del software, pero no veo ninguna razón para alegrarse. Si entiendo bien el resultado, EW demuestra que el modelo es, en general, falso:
(1) el coeficiente es -0,48, con una desviación estándar de error de 0,12, por ejemplo -4,89 con una desviación estándar de error de 0,9 -2,9 con una desviación estándar de error de 1,0, etc. se trata de errores muy grandes, muy grandes, es decir, están casi a punto de invalidar la estimación.
(2) la estadística t para el primer coeficiente es muy grande, (si no recuerdo mal, hace mucho tiempo que no trabajo con él, necesito refrescar mis conocimientos), es decir, el primer coeficiente no describe el modelo de ninguna manera, en cierto sentido - es sólo de izquierdas. Por cierto, ¿qué "tendencia" has tomado para el modelo HP?
(3) sí no es necesario estimar la probabilidad de que el parámetro no sea cero. sí está claro que no es cero
(4) R-cuadrado, no es una estimación correcta, ya expliqué por qué, no se debe mirar en absoluto en este caso. Literalmente, la escala del sesgo del precio no está normalizada, es como si te hubieras alejado kilómetros de la cotización y dijeras woohooo por ahí estará el precio. Sí, dentro de los límites de las estadísticas de desviación sí, pero no obtendrás ningún beneficio con ello, sólo perderás
De acuerdo, si no entiendo algo, lo resolveré más tarde.
(1) .... son errores muy grandes, muy grandes.
Sí. Por coeficientes individuales.
(2)Las estadísticas t para el primer coeficiente son muy grandes,
No es así. Estadística T = coeficiente/SCO
el primer coeficiente no describe el modelo
Es el primer coeficiente que lo hace. Necesitamos 100 / t-estadística y obtener el error en %. Pero esto no resuelve el problema con otros coeficientes.
¿Y qué "tendencia" tomó para el modelo HP?
No hay ninguna tendencia. HP está suavizando el ruido en el residuo.
(4) R-cuadrado, no la estimación correcta,
Se supone que es correcto. DW es aproximadamente dos, lo que significa que el residuo se distribuye normalmente. Todavía hay error de regresión = 11 pips, pero el error de la variable dependiente = 212 pips
Pero aquí está el resultado de la predicción
¡¡¡¡Tenga en cuenta que el porcentaje de error medio = 5,7%!!!!