Econometría: previsión de un paso adelante - página 55
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
Está claro que no me refería a eso. ¿Calcula el error de predicción como RMS?
No hay una previsión en sí misma y todos ustedes cuentan su error, ¿no es extraño? Hagamos primero una predicción, aunque sea errónea en cierta medida, o más bien una ecuación o función para hacer una mejor predicción, y luego bailemos a partir de ahí.
El autor ya ha escrito muchas veces cómo obtiene el valor predicho y el error.
no puede ser una constante en todas las operaciones. Y la pendiente del precio a partir de la previsión (error) puede converger a una determinada constante, si la distribución del error es estacionaria
Puedo presentar la versión exel del indicador para que lo compruebes según tu metodología. He expuesto el indicador varias veces, puedes extraer la información que te interesa del código, incluso sobre la función Gamma.
No hay una previsión en sí misma y todos ustedes cuentan su error, ¿no es extraño? Hagamos primero una predicción, aunque sea errónea en cierta medida, o más bien una ecuación o función para hacer una predicción mejor, y luego bailemos a partir de ahí.
Una constante (casi una constante) es el objetivo de la construcción del modelo, si falla, entonces el modelo no existe en esta zona de cociente.
Aquí, por ejemplo, decidimos hacer el bullshit)))) y predecir un paseo aleatorio. Empezamos en cero, incrementamos +1/-1 con una probabilidad de 0,5/0,5. La mejor predicción para cualquier número de pasos es la posición actual. Así que si tenemos cero, tenemos 100 o 1000 pasos, entonces nuestra mejor predicción es cero. Pero, ¿cómo cambia el error de esta predicción? El error RMS aumenta en proporción directa a la raíz del número de pasos. Error (RMS) para 100 pasos = 50, pero para 400 pasos es 100. Esto es en el caso de que no haya reversión o tendencia. Si hay reversibilidad, el error crecerá más lentamente que la raíz del número de pasos. Si la tendencia es la contraria
Por ejemplo, hemos decidido hacer la mierda))) y predecir un paseo aleatorio. Empezamos en cero, incrementamos +1/-1 con probabilidades 0,5/0,5. La mejor predicción para cualquier número de pasos es la posición actual. Así que si tenemos cero, tenemos 100 o 1000 pasos, entonces nuestra mejor predicción es cero. Pero, ¿cómo cambia el error de esta predicción? El error RMS aumenta en proporción directa a la raíz del número de pasos. Error (RMS) para 100 pasos = 50, pero para 400 pasos es 100. Esto es en el caso de que no haya reversión o tendencia. Si hay reversibilidad, el error crecerá más lentamente que la raíz del número de pasos. Si se trata de moda, es viceversa.
No está interesado en el error de paseo aleatorio (sin demolición) - no es predecible y es una señal de que se ha detenido el proceso de construcción del modelo. Es el final de la historia por definición.
Te estoy explicando el punto con un ejemplo y tú dices "la predicción no es posible". La predicción de cualquier cosa es posible. Otra cosa es que esta predicción tenga sentido práctico. En el caso de Sb desde el punto de vista de minimizar el skop (error) la mejor predicción será el valor actual de la serie. Por supuesto, esto no significa que se pueda ganar dinero con un pronóstico.
Te pongo un ejemplo y dices que "la predicción no es posible". Todo es posible. Otra cosa es que esta predicción tenga sentido práctico. En el caso de Sb, desde el punto de vista de la minimización del coste (error), la mejor predicción será el valor actual de la serie. Por supuesto, esto no significa que puedas ganar dinero en la cb.
Me refiero a la metodología (no inventada por mí) de construcción de modelos: el cociente inicial no estacionario debe descomponerse en componentes hasta obtener un residuo estacionario. Este requisito se entiende bien a nivel intuitivo (lo cual es muy importante), porque el residuo estacionario puede ser sustituido por una constante igual a cualquiera de los valores: media, sesgo, dispersión, dispersión - todo y cualquier cosa es posible en el caso de la estacionariedad.
¿He discutido eso?