Le marché est un système dynamique contrôlé. - page 56
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
Je m'en tiens à mon opinion.
Eh bien, c'est à vous de voir. Je maintiens mon opinion : il est faux de simuler le comportement d'un système ouvert sans tenir compte de l'influence extérieure, même inconnue, qui joue un rôle déterminant dans ce comportement.
Je retire mon schéma, ceux qui étaient intéressés, l'ont déjà copié.
Eh bien, c'est à vous de voir. Je maintiens mon opinion : il est erroné de modéliser le comportement d'un système ouvert sans tenir compte d'une influence extérieure, même inconnue, qui joue un rôle déterminant dans ce comportement.
Je retire mon schéma, ceux qui étaient intéressés, l'ont déjà copié.
Vous comprenez mal le mécanisme du schéma présenté. L'influence externe est présente indirectement sous la forme de la réponse du système. En tout cas...
3) Ayant fait cette hypothèse sur la présence du système de mise en forme, nous nous sommes fixé pour tâche de construire son modèle.
La sortie du modèle y doit correspondre aux données réelles x, en tenant compte du critère de proximité choisi des processus y et x.
Examinons ce schéma sous un autre angle, tel que je le comprends.
x(t) est une cotation que l'on peut observer et en même temps mesurer
y(t) est un processus qui est calculé. Pour la discussion qui suit, il est fondamental qu'il ne soit pas observé - dans ma terminologie, il s'agit de l'état d' un processus observable.
Écrivons : x(t) = y(t) +d(t) + nu(t)
Où :
d(t) est l'entrée déterministe (biais)
nu(t) - un processus aléatoire indépendant du reste - bruit
Décrivons de la même manière l'état du système :
y(t) = c(t) + y(t-1) + thêta(t)
où
c(t) - déplacement déterministe de l'état
y(t-1) - la valeur précédente de l'état
theta(t) - processus aléatoire, indépendant du reste - bruit
Veuillez noter que notre processus observé (devis) au temps t est en fait déterminé par l'état précédent x(t-1), c'est-à-dire basé sur la prédiction de l'état du système.
Le schéma décrit porte les noms suivants : série chronologique structurelle, modèle d'espace d'état, système linéaire dynamique.
Le centre mathématique de ce modèle est le filtre de Kalman, un algorithme assez complexe sur le plan informatique. En remplissant les variables énumérées avec des contenus différents, par exemple en considérant y(t) comme une tendance, on peut obtenir n'importe lequel des modèles existants. En raison des propriétés étonnantes du filtre de Kalman, les modèles d'espace d'état sont plus performants que leurs homologues.
Il existe des logiciels prêts à l'emploi dans R pour résoudre le problème ci-dessus. Nous en parlerons dans les articles suivants.
Le paquet dse fournit des outils pour les modèles indépendants multivariés, linéaires, de séries temporelles. Il comprend des représentations ARMA et espace d'état, ainsi que des méthodes de conversion entre elles. Il comprend également des méthodes de simulation et plusieurs fonctions d'estimation. Le paquet a des fonctions pour visualiser les racines du modèle, la stabilité et la prévision à différents horizons. L'implémentation du modèle ARMA est générique, de sorte que VAR, VARX, ARIMA, ARMAX, ARIMAX peuvent être traités comme des cas particuliers. Le filtre de Kalman et les estimations lissées peuvent être dérivés du modèle dans l'espace d'état, et des méthodes d'ajustement du modèle dans l'espace d'état sont mises en œuvre. Une introduction et un manuel de l'utilisateur sont disponibles dans la vignette.
Le paquet dse fournit des outils pour les modèles indépendants multivariés, linéaires, de séries temporelles. Il comprend des représentations ARMA et espace d'état, ainsi que des méthodes de conversion entre elles. Il comprend également des méthodes de simulation et plusieurs fonctions d'estimation. Le paquet a des fonctions pour visualiser les racines du modèle, la stabilité et la prévision à différents horizons. L'implémentation du modèle ARMA est générique, de sorte que VAR, VARX, ARIMA, ARMAX, ARIMAX peuvent être traités comme des cas particuliers. Le filtre de Kalman et les estimations lissées peuvent être dérivés du modèle dans l'espace d'état, et des méthodes d'ajustement du modèle dans l'espace d'état sont mises en œuvre. Une introduction et un manuel de l'utilisateur sont disponibles dans la vignette.
Le paquet KFAS fournit des fonctions de simulation de filtre de Kalman, d'état, de perturbation et de lissage, permettant de prédire et de simuler des modèles dans l'espace d'état. Toutes les fonctions peuvent utiliser une initialisation exacte et dispersée lorsque les distributions de certains ou de tous les éléments du vecteur d'état initial sont inconnues. Les fonctions de filtrage, de lissage d'état et de simulation utilisent un algorithme de traitement séquentiel qui est plus rapide que l'approche standard, et qui permet également d'obtenir une caractéristique de la matrice de variance des erreurs de prédiction. KFAS contient également une fonction pour calculer la vraisemblance des modèles exponentiels dans l'espace d'état de la famille et des fonctions pour lisser l'état des modèles exponentiels dans l'espace d'état de la famille.
Les gars, arrêtez de réinventer la roue.
Il y a beaucoup de paquets, il y a un Simulink universel, sur lequel vous pouvez construire n'importe quoi. Mais aucun logiciel ne remplacera votre cerveau, il ne vous dira pas quelle matrice de contrôle construire dans le filtre de Kalman et il ne synthétisera pas le schéma fonctionnel du modèle pour vous.
Les gars, arrêtez de réinventer la roue.
Pour une fois, un sujet normal sur un forum à quatre voies qui ne voit même pas de flooders.
Laissez-les inventer !
J'ajouterai peut-être quelque chose de mon cru quand je le déciderai. Je vais juste devoir trouver comment le transformer en ces blocs, flèches et OS...