Matstat Econométrie Matan - page 3
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
À propos, il serait intéressant de voir des images similaires à celle que vous avez donnée à l'adresse https://www.mql5.com/ru/forum/368720/page2#comment_22207994,
pour le cas particulier où le taux de change a changé presque à pas de géant.
En gros, ce à quoi il faut s'attendre.
Mais au moins maintenant je comprends ce qui est quoi.
Alexei, une telle question s'est posée.
J'ai creusé dans les formules économétriques, et dans de nombreuses formules, il y a une variable qui est un bruit blanc.
Par définition, le bruit blanc a des caractéristiques parfaites, la présence de normalité avec une variance constante de un.
Il est évident qu'un tel bruit blanc ne se trouve probablement pas dans la réalité. La question est donc la suivante :
. Dans la pratique, qu'utilise-t-on comme bruit blanc ?
Ce bruit blanc a-t-il quelque chose à voir avec les données d'entrée ? Prenez les résidus comme du bruit, par exemple, mais les conditions de normalité et de dispersion seraient alors violées.
Ou devrait-il s'agir d'un bruit étranger qui peut simplement être généré de manière aléatoire avec des caractéristiques spécifiques ?
Ou est-ce là le but, obtenir des caractéristiques de bruit blanc à partir des résidus ? C'est-à-dire que la normalité est là, la variance est constante, pas d'autocorrélation.
Qu'est-ce que la normalité et la dispersion ont à voir avec cela ? Le bruit blanc est caractérisé par une fonction delta d'autocorrélation de Dirac. Est-ce que ça te fait te sentir mieux ? Je plaisante... bien que vrai (à propos de la fonction delta de Dirac).
Un générateur de nombres aléatoires uniformément répartis - c'est du bruit blanc pour vous - c'est tout. Plage - ce que vous voulez, faites-le : A*2.0*(MathRand()/32767-0.5).
En général, il y a Google et vous pouvez trouver beaucoup de choses intéressantes avec lui : https://ru.wikipedia.org/wiki/Белый_шум.
Qu'est-ce que la normalité et la dispersion ont à voir avec cela ? Le bruit blanc est caractérisé par une fonction delta d'autocorrélation de Dirac. Est-ce que ça te fait te sentir mieux ?
Je plaisante... bien que vrai (à propos de la fonction delta de Dirac).
Un générateur de nombres aléatoires uniformément répartis - c'est du bruit blanc pour vous - c'est tout. Plage - ce que vous voulez, faites-le : A*2.0*(MathRand()/32767-0.5).
En fait, vous pouvez le googler et trouver beaucoup de choses intéressantes : https://ru.wikipedia.org/wiki/Белый_шум.
Pas convaincant.
J'ai des informations différentes à ce sujet.
Si les éléments de la série wt sont des valeurs indépendantes également distribuées (i.i.d.) avec une moyenne égale à 0 et une variation égale à σ2,
et aucune autocorrélation Cor(wi,wj)≠0, ∀i≠j, alors la série wt est un bruit blanc.
Comme je le suppose, l'oscillateur est nécessaire pour les simulations de test, pour ainsi dire, pour la vérification.
Peut-être ai-je mal compris l'expression " également distribué" (i.i.d.)?En pratique, le générateur ne devrait pas être utilisé.
Et cela ne signifie pas qu'ilssont normalement distribués ?
Pas convaincant.
J'ai des informations différentes à ce sujet.
Si les éléments de la série wt sont des valeurs indépendantes également distribuées (i.i.d.) avec une moyenne égale à 0 et une variation égale à σ2,
et aucune autocorrélation Cor(wi,wj)≠0, ∀i≠j, alors la série wt est un bruit blanc.
Comme je le suppose, l'oscillateur est nécessaire pour les simulations de test, pour ainsi dire, pour la vérification.
Peut-être ai-je mal compris l'expression " également distribué" (i.i.d.)?En pratique, cependant, l'oscillateur ne devrait pas être utilisé.
Et cela ne signifie pas qu'ilssont normalement distribués ?
Le bruit blanc est un MO constant, une variance constante et une fonction d'autocovariance nulle (les observations ne sont pas corrélées entre elles). Un processus faiblement stationnaire.
Si les observations ont une distribution normale, le processus devient strictement stationnaire et les coefficients d'autocorrélation auront également une distribution normale.
Bruit blanc - MO constant, variance constante et fonction d'autocovariance nulle (les observations ne sont pas corrélées). Un processus faiblement stationnaire.
Si les observations ont une distribution normale, le processus devient strictement stationnaire et les coefficients d'autocorrélation auront également une distribution normale.
Et voilà. Merci.
Un processus faiblement stationnaire.
Processus strictement stationnaire.
Il y a une différence. Selon que les observations ont une distribution normale ou non.
Mais la question était un peu différente.
Qu'est-ce qui est utilisé comme bruit dans la pratique ? Les résidus ?
Voilà. Merci.
Processus légèrement stationnaire.
Processus strictement stationnaire.
Il y a une différence. Selon que les observations ont une distribution normale ou non.
Mais la question était un peu différente.
Qu'est-ce qui est utilisé comme bruit dans la pratique ? Les résidus ?
Je ne comprends pas bien la question : pourquoi utiliser un bruit blanc ?
Si vous voulez une telle série, vous pouvez générer une série SB dans Excel ou un autre programme et prendre ses premières différences - ce serait du bruit blanc.
Si une estimation approximative est appropriée - les premières différences des séries de prix sont également des quasi-bruits blancs.
Quelle est l'espérance du bruit blanc ? Il est constant et identique à toutes les valeurs de la gamme. Si vous le calculez à l'aide de la formule, il sera égal à 0 - pas de discussion ici, les mathématiques sont une science silencieuse - vous ne jurerez pas en retour.
Le bruit blanc est stationnaire. Bien qu'il soit plutôt stupide de dire que c'est stationnaire, c'est un bruit blanc - cela veut tout dire.
Le mot "égal" est plus proche dans sa signification de"uniforme" que de "normal". Et de toute façon, comment un élément unique peut-il être en quelque sorte distribué ? Une définition absurde. Ou quels sont les éléments ? Des morceaux d'une rangée ? Pourquoi diable parlons-nous même de chunks (éléments) ?
Je ne comprends pas bien la question : pourquoi utiliser un bruit blanc ?
Si vous avez besoin d'une telle série, vous pouvez générer une série SB dans Excel ou un autre programme et prendre ses premières différences - ce serait du bruit blanc.
Si une estimation grossière correspond - les premières différences d'une série de prix sont également des quasi-bruits blancs.
S'il y a une composante de bruit blanc dans la formule, il faut l'isoler... même si le signal utile est déjà visible))
Toutes les séries numériques sont divisées en trois types : déterministe, aléatoire et stochastique.
TheorWer traite des séries aléatoires - la tâche consiste à décomposer une série aléatoire en une composante déterministe et une composante stochastique. Grosso modo, modèle + bruit blanc.