Économétrie : une prévision d'avance - page 42
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 suis tout à fait d'accord avec cela, mais pour moi, la question intéressante est de savoir ce qui se passe en dehors de l'échantillon.
Si votre prédiction a la propriété de la robustesse, alors les paramètres de la distribution prédite se maintiendront, tant mo (valeur prédite) que sk (erreur).
Le fait que vous exigiez que l'erreur soit stationnaire sur l'historique est le test de la robustesse de la prédiction.
Que devez-vous analyser à l'intérieur de l'échantillon pour augmenter la probabilité que la prédiction hors échantillon se réalise ?
Le calcul de l'erreur et l'exigence de stationnarité de celle-ci sont-ils suffisants ?
Et une dernière question. Quel est l'horizon de prévision ? D'un pas ou de plusieurs pas ? Si plusieurs étapes, comment détermine-t-on cette possibilité ?
Je ne pense pas que ces questions soient résolues sans l'introduction d'une fonction cible prévisionnelle (score de qualité). Par exemple, le facteur de profit. Et une estimation supplémentaire de son changement en fonction des modifications des paramètres du système (et tout le monde en a). Croissance monotone de la fonction cible à l'approche d'un extremum.
Je ne comprends pas comment vous pouvez vous attendre à une erreur stationnaire sur des données non stationnaires ? Dans le graphique que vous avez posté ci-dessus, la magnitude de l'erreur ne possède manifestement pas les propriétés de la variance finie, ce qui rend au moins discutable l'application à celle-ci d'estimations basées sur la dispersion des résultats (de s.c.o. ou de la racine carrée de N).
Le modèle utilisé dans ce fil de discussion n'utilise pas mon idée, qui est la suivante : on considère initialement que kotir = tendance + bruit + cyclicité.
La cyclicité ne peut être traitée, alors elle est rejetée.
S'il n'y a pas de tendance, aucune prévision n'est possible.
Nous sélectionnons la tendance (indicateur HP 4 lags) et prenons en compte le bruit (2 lags). Regardez maintenant le résidu de ce modèle. C'est du pur bruit, ou bien y a-t-il encore une tendance ? S'il reste une tendance, nous extrayons la tendance de ce résidu. Tant qu'il n'y a pas de bruit. On ne peut pas le prévoir. Quel bruit maintenant ? C'est là que votre question entre en jeu. Sur le graphique, il y a un bruit avec une fourchette de 25 pips. On ne peut pas prédire les minutes, mais on peut prédire les jours.
Si votre prédiction a la propriété de la robustesse, alors les paramètres de la distribution prédite se maintiendront, tant mo (valeur prédite) que sk (erreur).
Le fait que vous exigiez que l'erreur soit stationnaire sur l'historique est le test de robustesse de la prédiction.
La robustesse sur le facteur de profit est l'estimation finale, mais une certaine constructivité au stade de l'analyse serait souhaitable.
TAP a une décomposition de Taylor. Il est avancé que l'horizon de prévision est égal au nombre de dérivés dans cette décomposition.
Si nous faisons une analogie : la dérivée est le résidu du modèle, alors l'horizon de prévision est le nombre d'itérations du résidu. Nous nous arrêtons lorsque nous obtenons un résidu que nous pouvons négliger ou modéliser, par exemple avec GARCH.
La robustesse sur le facteur de profit est l'estimation finale, mais je voudrais une construction sur la phase d'analyse.
Il existe une décomposition de Taylor dans le TAP. Il est avancé que l'horizon de prévision est égal au nombre de dérivés dans cette décomposition.
Si nous faisons une analogie : la dérivée est le résidu du modèle, alors l'horizon de prévision est le nombre d'itérations du résidu que nous pouvons négliger ou modéliser, par exemple GARCH.
l'horizon de prévision dépend de la taille de l'échantillon à analyser. En règle générale, l'horizon est plus petit que cet échantillon. Par exemple, si vous analysez une fenêtre de N barres et faites une prévision sur cette base, il serait logique que l'horizon de prévision soit <N barres. Bien sûr, il serait naïf de chercher une dépendance universelle, par exemple une prévision pour la moitié de la taille des données analysées, mais au sein d'un système particulier, nous pouvons rechercher une telle dépendance en termes purement statistiques.
1) La robustesse sur le facteur de profit est une estimation finie, mais je voudrais une construction sur l'étape d'analyse.
2) TAP a une décomposition de Taylor. L'argument est que l'horizon de prévision est égal au nombre de dérivés dans cette décomposition.
3) Si nous faisons une analogie : la dérivée est le résidu du modèle, l'horizon de prévision est le nombre d'itérations des résidus. Nous nous arrêtons lorsque nous obtenons un résidu que nous pouvons négliger ou modéliser, par exemple avec GARCH.
1) Définissez une fonction cible --- ce qu'elle est et comment elle est - regardez dans un livre sur la théorie de l'optimisation. (bien qu'il soit peu probable que cela vous aide).
2) Des conneries ! !! C'est la première fois que j'entends de telles déclarations, et seulement ici et de votre part. Pour éviter de faire de telles bêtises à l'avenir, lisez les définitions au moins deux fois. (Comment appelez-vous le TAR ? Faites-vous référence à la théorie de la commande automatique) ?
3) Encore une fois : des conneries ! !!
.
Économiste, comprenez d'abord les bases (par exemple, ce qu'est une dérivée) avant d'aller plus loin. Et vous avez besoin d'une connaissance préalable incomparablement plus importante pour pouvoir traiter l'espace des états.
l'horizon de prévision dépend de la taille de l'échantillon à analyser. En règle générale, l'horizon est plus petit que cet échantillon. Par exemple, si vous analysez une fenêtre de N barres et faites une prévision sur cette base, il est logique que l'horizon de prévision soit <N barres. Bien sûr, il serait naïf de chercher une dépendance universelle, comme par exemple une prévision qui devrait être faite en utilisant la moitié de la taille des données analysées, mais dans un système particulier, nous pouvons chercher une telle dépendance en termes purement statistiques.
Je ne peux pas être entièrement d'accord.
La taille de l'échantillon doit être déterminée en fonction d'autres considérations.
Nous prendrons un échantillon et estimerons les paramètres du modèle, puis nous diviserons l'échantillon en 2 parties et estimerons les paramètres du modèle sur ces parties. Si les paramètres du modèle n'ont pas changé, OK, s'ils ont changé, nous les divisons à nouveau. S'il en reste quelque chose, un pronostic est possible, sinon, on attend.
1) Inventez une fonction cible --- ce qu'elle est et comment elle est --- cherchez-la dans un livre sur la théorie de l'optimisation. (bien qu'il soit peu probable que cela vous aide).
2) Des conneries ! !! C'est la première fois que j'entends de telles déclarations, et seulement ici et de votre part. Pour éviter de faire de telles bêtises à l'avenir, lisez les définitions au moins deux fois. (Comment appelez-vous le TAR ? Faites-vous référence à la théorie de la commande automatique) ?
3) Encore une fois : des conneries ! !!
Je ne peux pas être entièrement d'accord.
La taille de l'échantillon doit être déterminée en fonction d'autres considérations.
Nous prenons l'échantillon et estimons les paramètres du modèle, puis nous divisons l'échantillon en 2 parties et estimons les paramètres du modèle sur ces parties. Si les paramètres du modèle n'ont pas changé, OK, s'ils ont changé, nous les divisons à nouveau. S'il en reste quelque chose, un pronostic est possible, sinon, on attend.
Il ne s'agissait pas de choisir une taille d'échantillon pour l'analyse, mais de l'horizon de prévision. Je ne pense pas qu'il devrait être fixé dans le temps, mais si vous voulez vraiment discuter de ce dont il dépend, alors la taille de l'échantillon est l'un des facteurs...
Économiste, apprenez d'abord les bases (par exemple, qu'est-ce qu'un dérivé), puis passez à autre chose. Et il faut beaucoup plus de connaissances préalables pour être capable de traiter l'espace des états.