Econometria: previsione a un passo avanti - pagina 56

Nuovo commento
 
faa1947:
come il residuo stazionario può essere sostituito da una costante uguale a qualsiasi valore: media, skew, varianza, spread - tutto e tutti sono possibili nel caso della stazionarietà.

Sono costanti?
 
Vinin:

Sono costanti?
No, in senso stretto. Sopra ho dato un grafico di un tale residuo quasi stazionario. Debole cambiamento di mo e sko lungo il campione. e soprattutto uno spread di circa 10 pip.
 

Per qualche ragione ultimamente mi sembra che la stazionarietà non si trovi lì, cioè non direttamente nei residui della regressione sulla serie di quotazioni, ma in qualcos'altro.

Ma deve essere trovato in ogni caso. Altrimenti l'applicazione della statistica è condannata.

 
faa1947:
Sto parlando della metodologia (non inventata da me) di costruzione del modello: il quoziente iniziale non stazionario deve essere scomposto in componenti fino ad ottenere un residuo stazionario. Questo requisito per me è ben compreso a livello intuitivo (il che è molto importante), perché il residuo stazionario può essere sostituito da una costante uguale a qualsiasi valore: media, skew, dispersione, spread - tutto e tutti sono possibili in caso di stazionarietà.
Tutta la questione è con quale periodo o con quale senno di poi prendere questo residuo stazionario, secondo voi. Se cambiate la retrospettiva, cambieranno anche le caratteristiche del residuo stazionario, come state cercando di risolvere questa questione? Ottimizzandolo?
 
Mathemat:

Per qualche ragione ultimamente mi sembra che la stazionarietà non si trovi lì, cioè non direttamente nei residui della regressione sulla serie di quotazioni, ma in qualcos'altro.

Ma deve essere trovato in ogni caso. Altrimenti l'applicazione della statistica è condannata.

Giusto, questo residuo dipende dal senno di poi in questione; qui è dove il cane è sepolto. Il senno di poi ottimale è difficile da trovare.
 
Per quanto riguarda il proverbiale senno di poi, ce l'ho anch'io, ma in un senso diverso. Non è un periodo di lisciatura, solo un periodo in cui i dati vengono estratti. Non ci sono ferri da stiro.
 
yosuf:
Tutta la questione è con quale periodo o retrospettiva prendere questo fermo, secondo voi, residuo. Se cambiate la retrospettiva, cambieranno anche le caratteristiche del residuo stazionario, come state cercando di risolvere questa questione? Ottimizzandolo?

Una domanda estremamente sgradevole. Il modello originale: quotier = tendenza + rumore + stagionalità + periodicità + outlier.

Stiamo discutendo i primi due membri del modello. non c'è stagionalità nel Forex. Bene, gli outliers (notizie) sono trascurati, ma la periodicità, con cui intendo la presenza di un'onda in quotire, il cui periodo cambia. Per molto tempo ho considerato questa periodicità come la principale fonte di non stazionarietà. Non ho un approccio.

Io lo risolvo molto semplicemente. Prendo un modello con un piccolo numero di ritardi. Valutazione del coefficiente di regressione. Faccio una previsione a 1 passo nella speranza(?) che i coefficienti di regressione non cambino almeno di un passo. E oltre ai coefficienti c'è un insieme di proprietà di regressione (vedi tabella sopra). All'arrivo della barra stimeremo di nuovo la regressione - qui la parola molto alla moda adattamento è appropriata.

 
yosuf:
Esatto, questo residuo dipende dal senno di poi in questione; qui è dove il cane è sepolto. La retrospettiva ottimale è difficile da trovare.
Cos'è la "larghezza ottimale della finestra"? La larghezza della finestra è usata per stimare il coefficiente di regressione. Ho fatto dei calcoli: ho cambiato la larghezza della finestra e ho confrontato i coefficienti. Cambiano molto fino a 30, meno dopo 40 e praticamente non cambiano dopo 70 per H1. A proposito, c'è un'opinione, che con più di 30 osservazioni la t-statistica converge alla z-statistica in termini di probabilità.
 
faa1947:

Una domanda estremamente sgradevole. Il modello originale: quoziente = tendenza + rumore + stagionalità + periodicità + outlier.

Discutiamo i primi due termini del modello. Beh, outlier trascurati (novità), ma periodicità, con cui intendo la presenza di un'onda in un quoziente, il cui periodo cambia. Per molto tempo ho considerato questa periodicità come la principale fonte di non stazionarietà. Non ho un approccio.

Io lo risolvo molto semplicemente. Prendo un modello con un piccolo numero di ritardi. Valutazione del coefficiente di regressione. Faccio una previsione a 1 passo nella speranza(?) che i coefficienti di regressione non cambino di almeno un passo. E oltre ai coefficienti c'è un insieme di proprietà di regressione (vedi tabella sopra). Quando il bar arriva, la stima di regressione di nuovo - qui è appropriata la parola adattamento molto alla moda.

Rompiamo questo modello:

1) Tendenza - di quale tendenza stiamo parlando, perché ce ne sono molte;

2) Il rumore - dipende dai parametri della tendenza in questione e spesso il rumore stesso ha una tendenza;

3. Periodicità - il seno è inevitabile, ma bisogna tenere presente che due funzioni Gamma consecutive danno anche un seno quasi ideale a tutto periodo, il che significa che non è ancora chiaro;

4. Le emissioni sono imprevedibili, ma apparentemente si può delineare un corridoio.

 
yosuf:

Scomponiamo questo modello:

1. tendenza - di quale tendenza stiamo parlando, visto che ce ne sono molte;

2) Il rumore - dipende dai parametri della tendenza in questione e spesso il rumore stesso ha una tendenza;

3. Periodicità - un seno è inevitabile, ma bisogna tenere presente che due funzioni Gamma consecutive producono anche un seno quasi ideale di pieno periodo, il che significa che non è ancora chiaro;

4. Gli outlier sono imprevedibili, ma apparentemente si può delineare un corridoio.


perché tutto questo...se non si può nemmeno prevedere la "tendenza" )))
1...495051525354555657585960616263...139
Nuovo commento
Motivazione: