Econométrie : bibliographie - 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
Soit dit en passant, Sims n'a pas développé la méthode, mais l'a appliquée à des données macroéconomiques. La VAR était connue depuis des décennies avant lui.
" Vector AutoRegression " (VAR) est un modèle de la dynamique de plusieurs séries temporelles dans lequel les valeurs actuelles de ces séries dépendent des valeurs passées de ces mêmes séries temporelles. Le modèle a été proposé par Christopher Sims"(C)
"Christopher Sims (Sims, 1980) a créé une telle construction - les autorégressions vectorielles (VAR)."(C)
Oui ? Je peux me tromper. Qui l'a développé ?
En quelque sorte. En fait, il a écrit un article disant "...pourquoi utiliser l'autorégression conventionnelle, cela ne fonctionne pas. Utilisons le vectoriel ! Vous savez, comme nous le faisons ici sur le forum.
En fait, ce n'est pas ce que dit son article, pour lequel il a reçu le prix Nobel.
" Vector AutoRegression " (VAR) est un modèle de la dynamique de plusieurs séries temporelles dans lequel les valeurs actuelles de ces séries dépendent des valeurs passées de ces mêmes séries temporelles. Le modèle a été proposé par Christopher Sims"(C)
"Christopher Sims (Sims, 1980) a créé une telle construction - les autorégressions vectorielles (VAR)."(C)
Oui ? Je peux me tromper. Qui l'a développé ?
En fait, ce n'est pas ce que dit son travail, récompensé par le prix Nobel.
Le problème est que si la méthode de prévision fonctionne réellement sur l'avant, personne ne la publiera (jusqu'à ce qu'elle cesse de fonctionner). Donc, ce que nous voyons, c'est surtout des choses élaborées. Par exemple, le même modèle VAR sur des données historiques peut montrer une certaine précision, mais là encore, la sélection des paramètres... Qu'y a-t-il à expliquer, nous le savons déjà).
Je ne comprends pas du tout - ce modèle est conçu pour la recherche macroéconomique. Elle intéresse, par exemple, une banque centrale et non un négociant.
Le problème est que si une méthode de prévision fonctionne vraiment sur un forward, personne ne la publiera (jusqu'à ce qu'elle cesse de fonctionner). Donc, ce que nous voyons, c'est surtout des choses élaborées. Par exemple, le même modèle VAR sur des données historiques peut montrer une certaine précision, mais là encore, la sélection des paramètres... Qu'y a-t-il à expliquer, nous le savons déjà).
Je dois admettre que les liens postés ci-dessus sont tout à fait nouveaux pour moi. Je réalise maintenant que la fabrication d'un modèle, comme la VAR, n'est qu'une partie du travail. La prédiction que vous donne presque tout modèle nécessite de savoir comment l'utiliser. Et ce n'est pas moins un problème que de fabriquer le modèle lui-même. C'est ce dont il est question dans les liens ci-dessus.
De plus, ces liens montrent qu'il existe une énorme quantité de littérature sur la prévision des séries chronologiques, qui s'est particulièrement épanouie après 2008. Il y a six mois, j'ai tapé "prévisions" sur Google et j'ai obtenu une série de liens pathétiques, mais ce n'est plus le cas aujourd'hui.
Je ne pourrais pas être plus d'accord.
Les modèles classiques ne sont pas un matériel élaboré, les mêmes VAR, ARIMA, ARCH etc. Ce ne sont pas des modèles, mais des outils de construction de modèles. On pourrait donc dire qu'une clé de 19 est un déchet. Vous confondez ici avec l'AT, où l'application massive d'un indicateur conduit à son effacement.
Essayez de construire un TS dans lequel le modèle est sélectionné à partir de l'analyse du quotient. Vous verrez que dans certains domaines, il y aura AR, dans d'autres ARMA, dans d'autres ARMA + GARCH et dans certains domaines, il n'y a pas de maths du tout. Plus l'ensemble des modèles est important, plus la zone où il n'y a rien à appliquer est réduite.
complètement incompris - ce modèle est conçu pour la recherche macroéconomique. Elle intéresse, par exemple, la banque centrale et non le commerçant.