Index de Hearst - page 38

 
faa1947:

J'ai joint le texte. Malheureusement, les formules et la partie théorique n'ont pas abouti.

Mais le processus d'ajustement FARIMA est spécifiquement décrit


L'ACF sur les graphiques est étrange. Ça ne ressemble pas du tout à un marché.

 
C-4:


L'ACF sur les graphiques est étrange. Il ne ressemble pas du tout à celui du marché.

Il semble bien. J'en ai vu beaucoup pour le cotier original, pas pour ses variations.

Pour moi, la question est différente.

Le problème est la précision du modèle.

Le modèle absolument exact est le quotient lui-même.

Vous pouvez prendre un modèle très imprécis sous la forme d'une ligne droite. Et puis une courbe, et puis prendre autre chose en compte ...... Où s'arrêter. Plus le modèle est précis, plus il est lié aux données utilisées pour le construire (ajustement). D'où. Avons-nous besoin d'un modèle comme le FARIMA ? Peut-être que c'est redondant ? Lissage, ARMA pour le résidu, et peut-être (pas nécessairement) ARCH pour le résidu ?

 
C-4:
Vous pouvez identifier cette très longue mémoire dans toutes les citations. Mais ACF n'est pas approprié ici.
Peters donne une définition intéressante de la mémoire longue. Lisez-le. Il y a beaucoup d'informations intéressantes dans ses livres sur ce sujet. Selon lui, de tels processus ne peuvent être mesurés par un ACF trivial. ACF fonctionne sur une échelle de 5-6 décalages et c'est tout. Si H est exprimé comme une particule en mouvement dont la dispersion est égale à la racine carrée de la distance, on obtient un cas particulier de distribution normale StdDev = Sqrt(T) = T^(0,5). Or, si la diffusion de la particule est légèrement supérieure ou inférieure à 0,5, c'est possible dans un seul et unique cas : la particule doit se souvenir de son état passé et donc un tel processus possédera une mémoire. C'est-à-dire que H n'est pas une caractéristique de l'action extérieure, mais dépend de l'état antérieur du processus. Et si la trajectoire de fuite est préservée, cela signifie qu'elle dépend des valeurs précédentes et que la période de mémoire peut être calculée. Et il arrive souvent qu'à toutes les échelles de calcul, l'angle de pente ne change pas, et qu'en même temps, il ne soit pas égal à 0,5. Dans ce cas, on dit que le processus est un véritable processus de Hearst avec une mémoire infinie. Sauf que l'ACF ne montre rien de tel.

Je ne suis pas d'accord avec celui qui est souligné. Il y a deux possibilités quant au porteur de l'information sur le passé : soit c'est la particule qui se souvient de son état passé, soit c'est l'environnement qui se souvient de l'état de la particule. Étant donné que l'environnement externe est généralement un objet beaucoup plus complexe, et que la particule peut être un point matériel tout à fait différent, je serais plutôt d'accord avec la deuxième option.
 
alsu:

Je ne peux pas être d'accord avec le surligné. Il y a deux possibilités quant au porteur de l'information sur le passé : soit c'est la particule qui se souvient de son état passé, soit c'est l'environnement qui se souvient de l'état de la particule. Étant donné que l'environnement externe est généralement un objet beaucoup plus complexe, et que la particule peut être un point matériel tout à fait différent, je serais plutôt d'accord avec la deuxième option.

Si nous considérons la dérive des électrons dans un réseau cristallin de silicium, elle sera exprimée par la loi avec H=0,5. Mais si nous ajoutons au cristal un mélange n ou p, nous obtenons un tout autre caractère : la diffusion dite anomale pour laquelle H sera essentiellement différent de 0,5. Évidemment, dans ce cas, H est exactement une caractéristique du milieu. À propos, les atomes d'impuretés sont distribués dans le volume du semi-conducteur de manière statistiquement fractale, de sorte que cette déambulation est également appelée déambulation sur fractale.
 
alsu: Il y a deux possibilités quant au support de l'information sur le passé : soit c'est la particule qui se souvient de son état passé, soit c'est le support qui se souvient de l'état de la particule. Étant donné que l'environnement externe est généralement un objet beaucoup plus complexe, et que la particule peut même être un point matériel, je serais plutôt d'accord avec la deuxième option.
Et qu'est-ce que cela peut affecter dans notre cas ? Je veux dire, quelle différence cela fait-il pour nous que la mémoire soit stockée dans un point matériel ou dans un environnement extérieur ?
 
Mathemat:
Quel effet cela aurait-il dans notre cas ? Je veux dire, quelle différence cela fait-il pour nous que la mémoire soit stockée dans un point matériel ou dans un environnement extérieur ?
La différence réside probablement dans l'approche de la modélisation : pour construire un modèle théorique, il est plus agréable d'avoir une explication fondamentale de ce qui se passe, afin de ne pas pointer du doigt le ciel. Si nous pensons que certains facteurs sont le résultat d'un environnement externe, nous les chercherons là (sur la base de notre expérience de vie) et, après les avoir trouvés, nous serons en mesure de proposer un modèle d'influence plus adéquat. Si le facteur est interne, alors nous utiliserons certaines considérations sur la structure interne du système. En d'autres termes, les forces internes et externes sont décrites par des équations différentes, et il serait bon de savoir à laquelle nous avons affaire.
 
alsu:
La différence réside probablement dans l'approche de la modélisation : pour construire un modèle théorique, il est bon d'avoir une explication fondamentale de ce qui se passe, afin de ne pas montrer du doigt le ciel. Si nous pensons que certains facteurs sont le résultat d'un environnement externe, nous les chercherons là (sur la base de notre expérience de vie), et après les avoir trouvés, nous serons en mesure de proposer un modèle d'influence plus adéquat. Si le facteur est interne, alors nous utiliserons certaines considérations sur la structure interne du système. En d'autres termes, les forces internes et externes sont décrites par des équations différentes, et il serait bon de savoir à laquelle nous avons affaire.

Plus précisément.

Nous avons une autorégression. Strictement kotir. Rien de l'extérieur. C'est un facteur interne ?

Nous avons une régression, selon laquelle notre cotation est modélisée sur la base d'autres cotations, par exemple EURUSD= GBPUSD+....... Mais il s'agit de variables pour ainsi dire homogènes. S'agit-il d'un facteur externe ?

Nous ajoutons maintenant l'heure de la journée à la régression et modélisons l'activité en fonction de l'heure de la journée. Il peut y avoir un grand nombre de ces variables "externes". Et c'est complètement externe ?

Je ne vois pas de place pour la théorie des particules et l'environnement externe.

 
faa1947: Je ne vois pas de place pour la théorie des particules et l'environnement externe.
Il existe, mais qui va le faire ici ?
 
Mathemat:
Il existe, mais qui va le faire ici ?

Non, cette théorie n'existe pas.

Vous devez partir d'une description verbale du modèle.

Et il s'agit de processus économiques dont le nombre et les interrelations sont très variables. Cotier est la concrétisation de ce processus. Il ne s'agit pas d'un processus brownien dans lequel une molécule se déplace et entre en collision, c'est-à-dire qu'il s'agit d'un objet indépendant ayant ses propres propriétés.

 
faa1947:

Plus précisément.

Nous avons une autorégression. Strictement kotir. Rien à l'extérieur. C'est un facteur interne ?

Nous avons une régression, selon laquelle notre cotation est modélisée sur la base d'autres cotations, par exemple EURUSD= GBPUSD+....... Mais il s'agit de variables pour ainsi dire homogènes. S'agit-il d'un facteur externe ?

Nous ajoutons maintenant l'heure de la journée à la régression et modélisons l'activité en fonction de l'heure de la journée. Il peut y avoir un grand nombre de ces variables "externes". Et c'est complètement externe ?

Je ne vois pas de place pour la théorie des particules et l'environnement externe.

La régression peut être construite sur n'importe quoi, et cette méthode est appelée la règle du pouce. La question est de savoir si nous pouvons affirmer à l'avance que, parmi les nombreux modèles de régression possibles, celui-ci décrira mieux le comportement du quotient pour certaines raisons. Décrivez ces raisons de façon mathématique. Écrivez une équation de différence, calculez les coefficients de régression de manière analytique - de sorte qu'il soit clair quels sont ceux qui représentent l'influence des facteurs externes, ceux qui caractérisent les propriétés internes du système, et ceux qui combinent les facteurs internes et externes.

Essayez, par exemple, de construire une équation différentielle de l'un des systèmes les plus simples - un circuit oscillant. En termes de régression, il s'agira d'un modèle ARMA et ses coefficients seront une combinaison de paramètres du circuit lui-même et du signal d'entrée :

Y(k) = 2*a*cos(w0)*Y(k+1) - Y(k+2) + X(k) - a*sin(w0)*X(k+1)

Ici X est l'influence externe inconnue, Y est la réponse observée, a est le paramètre d'amortissement, w0 est la fréquence naturelle d'oscillation.