Econometría: previsión de un paso adelante - página 94
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 te desvíes.
Aislamos el componente determinista. ¿Y el residuo? Comprobamos de nuevo el componente determinista. La causa es antigua. Llega al ruido. Conseguir el ruido sin el componente determinista, podemos razonar.
En el caso de las series no estacionarias, este componente determinista cambiará mucho a lo largo del tiempo. Hay que aplicar métodos adaptativos para predecir
En el caso de las series no estacionarias, este componente determinista cambiará mucho en el transcurso del tiempo. Para la previsión, deben aplicarse métodos adaptativos
Si miras primero el tema, verás los detalles de la siguiente idea y los cálculos prácticos de la misma.
Idea:
1. ajustar el modelo a la muestra
2. previsión 1 paso por delante
3. una vez llegado el hecho, ajustar de nuevo en una muestra desplazada
4 previsión 1 paso adelante de nuevo.
Había una tabla a la derecha de los parámetros del modelo (lags) y se puede ver que los parámetros del modelo cambian casi siempre.
Si miras primero el tema, verás los detalles de la siguiente idea y los cálculos prácticos de la misma.
Idea:
1. ajustar el modelo a la muestra
2. previsión 1 paso por delante
3. Cuando llega el hecho, de nuevo se ajusta a una muestra desplazada.
4 previsión 1 paso adelante de nuevo.
Había una tabla a la derecha de los parámetros del modelo (lags) y se puede ver que los parámetros del modelo cambian casi siempre.
Así que eso es lo que es - la inestabilidad, maldita sea a la tierra)))))
Nada bueno puede salir de ello. Toda esta adaptación a la pseudoestacionalidad no es más que chamanismo. Esta serie seguirá siendo no estacionaria, no importa cómo la violen. Muy fuertemente no estacionaria o fuertemente no estacionaria o débilmente o fuertemente no estacionaria - no hay métodos de previsión fiables. Todas las estadísticas matemáticas se desarrollan sobre la base de las hipótesis de estacionariedad y ergodicidad.
Así que eso es lo que es - la no estacionariedad, maldita sea a la tierra)))))
Nada bueno puede salir de ello. Toda esta reducción a la pseudoestacionalidad es chamanismo. Esta serie seguirá siendo no estacionaria, por mucho que la fuerces. Muy fuertemente no estacionaria o fuertemente no estacionaria o débilmente o fuertemente no estacionaria - no hay métodos de previsión fiables. Toda la estadística matemática se basa en la hipótesis de estacionariedad y ergodicidad.
Hay totales para el factor de beneficio superiores a 1, pero eso es poco consuelo, ya que fueron peores.
No quiero desanimarme. ¿Tal vez un mal alisado, tal vez los regresores equivocados? ¿O una interpretación errónea de la previsión? Tenemos que investigarlo. Para eso abrí una sucursal.
Mathemat:
Me pregunto qué tiene que ver la ergodicidad con esto. Explícamelo, Demi: quizás estoy acostumbrado a entenderlo de otra manera.Para los procesos ergódicos, tanto la expectativa como la varianza y la función de autocorrelación calculadas a partir de una realización serán las mismas para cualquier otra realización.
(Cita parcial.)
Si una serie no es estacionaria, por lo tanto no es ergódica.
¿Y todavía pretendes seguir con un modelo que es altamente insostenible en los principales parámetros?
Demi: Тогда и только тогда, когда стохастический процесс является эргодическим
Bueno, en primer lugar, se trata de palabras generales con las que ya estoy familiarizado.
En segundo lugar, ni siquiera se mencionó el proceso de cotización como un conjunto de realizaciones. La realización es una, y punto. Al menos en la econometría.
Tercero, y más importante: ¿cómo se puede comprobar, la ergodicidad, si no podemos hacer otras realizaciones posibles? (Si pudiéramos hacerlo, podríamos hacer un probador ideal, que sería capaz de comprobar al cien por cien la robustez de cualquier CT, ya que tendríamos, a grandes rasgos, tantos datos de entrada como fueran necesarios, es decir, infinitos).
faa1947: No me quedo con el modelo, me quedo con el método.
Bien, la pregunta es la misma, pero al método.
Vale, la misma pregunta, pero al método.