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
4) La prochaine fois, je décrirai comment on obtient la méthode de minimisation de la somme des modules au lieu de la méthode MNC).
Considérons un modèle de régression linéaire xi = a + b*i + ei au cours du temps i=1, 2, ..., n, où les erreurs ei sont un bruit blanc avec une distribution de Laplace. La densité d'erreur est alors p(x,c)=0,5*c*exp(-c*|x|), log(p(x,c))=log(0,5)+log(c)-c*|x|.
La fonction de vraisemblance pour le bruit sera L=p(d1,c)*p(d2,c)*...*p(dn,c), où di=xi-a-b*i est le résidu du modèle. Le logarithme de la fonction de vraisemblance LL=n*log(0,5)+n*log(c)-c*S, où S=|d1|+|d2|+...+|dn|. S ne dépend pas du paramètre c, donc le problème de maximisation de LL est résolu en deux étapes
1) Minimiser S (car c>0) par a et b
2) maximisation de LL par le paramètre c, à une valeur trouvée de S.
Le deuxième point est facilement résolu (comme pour la distribution exponentielle ) c=n/S
Le premier point pose un problème, car contrairement au MNA, ce problème ne peut pas être résolu analytiquement (sur papier) et ne peut être résolu que par des méthodes numériques approximatives sur ordinateur.
Je me demande ce qui se passe si les erreurs ei sont un bruit blanc avec la distribution d'Alexei Nikolaev.
L'envie blanche de Petrosian.
L'envie blanche de Petrosian.
Il sera jaloux de moi quand il découvrira que je suis sérieux.
Il m'envierait s'il savait que je le pensais.
Arrêtez de boire.
Abandonnez l'alcool.
Non pertinent.
Je me demande ce qui se passe si les erreurs ei sont un bruit blanc avec la distribution d'Alexei Nikolaev.
Voici le graphique du jour où il y a eu un pic.
Voici le graphique du jour suivant.
Alexey, comment mesureriez-vous la quantité de variance dans le trading de paires? En supposant une relation linéaire entre les jambes.
Cette question n'est-elle pas explorée dans le cadre de l'hybride cool de la cybernétique et des mathématiques ? )
Un coup d'œil rapide sur la façon dont les paramètres (coefficients et variance des résidus) de cette relation très linéaire évoluent dans le temps. Probablement, on ne peut parler de glissement que si la corrélation et la variance sont approximativement constantes, et que le glissement fluctue régulièrement autour d'une valeur moyenne qui lui est propre. En conséquence, on peut essayer d'utiliser les paramètres de cette fluctuation pour construire un TC)