Econometria: previsione a un passo avanti - pagina 75

 
Reshetov:

Un modello senza overfitting dovrebbe produrre residui stazionari indipendentemente dal campionamento

Perché dovrebbe? C'è un'intera classe - modelli adattivi, dove andare?

Il mio modello non è un punto di riferimento, la sua durata di vita è di una barra, per così dire un prodotto a una barra. Non credo nei modelli che possono vivere per anni. Le ragioni che avete descritto e che sono ampiamente conosciute.

... allora possiamo parlare della stazionarietà dei residui prodotti dal modello.

Non mi interessa la teoria della stazionarietà. Sono interessato al modello. Ci sono almeno tre domande fondamentali:

1. Ci sono variabili extra nel modello?

2. Si dovrebbero includere ulteriori variabili?

3. Il processo di costruzione del modello è completato?

La stabilità è un criterio per fermare la costruzione del modello. Questo è tutto. Poi, previsione di una barra. Dov'è il guardare avanti qui?

E costruire un modello che alimenterà fino alla pensione è comunismo puro, una grande e luminosa utopia.

 
faa1947: La stazionarietà è il criterio per fermare la costruzione del modello.

Quindi questo criterio non è semplicemente sufficiente. C'è qualcosa che non state considerando.

Come potete avere fiducia nella sufficienza del modello, se avete appena digitato qualche dozzina di test necessari (e anche la loro necessità non è ovvia!), sperando che un giorno questa necessità si riveli sufficiente?

 
faa1947:.... Non credo nei modelli che possono vivere per anni.....
Cosa c'è da credere? Sono là fuori.
 
paukas:
Perché dovreste credere in loro? Sono lì.
Ricordo che ARIMA è in qualche agenzia americana. Potrebbe essere più specifico?
 
Mathemat:

Quindi questo criterio non è semplicemente sufficiente. Qualcosa che non state prendendo in considerazione.

Come potete avere fiducia nella sufficienza del modello, se avete appena digitato qualche dozzina di test necessari (e anche la loro necessità non è ovvia!), sperando che un giorno questa necessità si riveli sufficiente?


La sufficienza è come la fine della geografia. Se non c'è autoregressione nel residuo e ARCH modellato (se ce ne fosse bisogno), allora non c'è niente da modellare. La conoscenza è finita.
 
faa1947: La sufficienza è come la fine della geografia. Se non c'è autoregressione nel residuo e ARCH è stato modellato (se necessario), allora non c'è niente da modellare. La conoscenza è finita.
Dammi un link a una prova dell'affermazione che queste condizioni sono sufficienti per la predizione.
 
faa1947:
Tu puoi, ma loro no. Fatemi un esempio di un indicatore il cui testo è accompagnato da R-squared. Si usano degli indicatori e non si sa fino a che punto riflettono il quoziente o se lo riflettono affatto. Giudicare a occhio, "naturalmente un grande indicatore"


fare... solo non scrivere... a giudicare dall'occhio - non ho visto nessun grande indicatore... Non ho bisogno di analizzare la sua matematica per farlo...

Lo è davvero. Abbiamo quasi un residuo stabile. Spostando la finestra di 1 barra, dobbiamo cambiare i parametri del modello (numero di ritardi). Questo può essere visto chiaramente nella tabella dalle due colonne più esterne, dove viene mostrato il numero di ritardi.

Si chiama una parola - adatta alla storia...

 
Mathemat:
Dammi un link a una prova dell'affermazione che queste condizioni sono sufficienti per la predizione.

Non ricordo la prova, ma si applica ovunque. Darò il mio (di qualcun altro) ragionamento. Ancora una volta: kotir = tendenza + rumore + periodicità + outlier. Da questo prendo tendenza + rumore. La reversibilità è presente: aggiungendo tendenza + rumore si ottiene kotir.

Cosa sappiamo? La risposta è ovvia: la tendenza. A parte questo, non ha senso analizzare il rumore quando c'è una tendenza in esso - segnerà le caratteristiche statistiche del rumore. Dovremmo modellare le tendenze fino a quando non ci sono più tendenze nel rumore. Quando tutte le tendenze sono state identificate (non ho visto più di due livelli), allora c'è ARCH nel rumore. Se c'è, allora sappiamo anche come modellare - modellato. Il residuo è stazionario? Bene. Non sappiamo come modellare ulteriormente. Non essere in grado come segno di sufficienza.

Però mi sono ricordato. Il residuo stazionario può avere la proprietà che la probabilità di cambiare il segno dell'incremento è maggiore della probabilità di mantenere il segno.

PS. Triste se il residuo stazionario è di grande portata. Ideale quando meno di un pip.

 
faa1947: Non ricordo la prova, ma si applica ovunque.

Non puoi ricordarli perché non esistono. Sarebbe troppo facile fare soldi sul mercato allora...

 
Vizard:


fare... solo non scrivere... a giudicare dall'occhio - non ho visto un solo grande indicatore... Non ho bisogno di analizzare la sua matematica per questo...

Lo fa davvero. Ho un residuo quasi stabile. Spostando la finestra di 1 barra, dobbiamo cambiare i parametri del modello (numero di ritardi). Si può vedere chiaramente nella tabella dalle due colonne più esterne che mostrano il conteggio dei ritardi.

si chiama una parola - adatta alla storia...

Tutta l'analisi di regressione è un adattamento. La regressione deve adattarsi, riflettere le osservazioni, altrimenti è una balla. Che l'adattamento sia una cosa negativa è la convinzione su questo forum. Qualsiasi studente del mondo che abbia seguito un corso di econometria o di statistica non la pensa così.
Motivazione: