R - per favore condividi le tue esperienze - pagina 7
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Si prega di commentare.
L'ordine del modello è selezionato automaticamente usando il criterio di informazione di Akaike. Leggete l'aiuto sul comando ar.
Trovato
> x<-ar.burg(eur, aic=F, 20)
> x
Chiama:
ar.burg.default(x = eur, aic = F, order.max = 20)
Coefficienti:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0.9665 0.1096 -0.0941 0.0106 0.0004 0.0488 -0.0343 -0.0229 0.0288 0.0033 -0.0496 0.0168 0.0139 -0.0190 -0.0115 0.0173 0.0258 -0.0132 -0.0346 0.0365
Come ho capito - è un mach ponderato nel mio esempio con T=20, solo di qualità superiore. Differisce solo nel primo termine, che è una costante.
Mi chiedo se è possibile costruire il TC su queste scale?
Come ho capito - questo è un mash-up ponderato nel mio esempio con T=20, solo di qualità superiore. L'unica differenza è il primo termine, che è una costante.
Mi chiedo, è possibile costruire il TC su queste scale?
Ti sei sbagliato, questi modelli non sono adatti allo smoothing. Studia le basi dell'econometria.
Inoltre, stimare modelli AR su dati con una radice unitaria non porterà a nulla di buono.
Vi sbagliate, questi modelli non sono adatti alla lisciatura. Impara le basi dell'econometria.
Inoltre, stimare modelli AR su dati con una radice unitaria non serve a nulla.
Sta insinuando che non ci si può fidare dei coefficienti a causa di MNC?
Ma ci sono diversi altri metodi di stima, detrending....
Allora, cos'è lo stovepipe?
Se si tratta di econometria, è una cosa, ma se si tratta di TA dummies, è un'altra. C'è un errore di stima qui, ed è tutta oscurità.A proposito, non l'ho copiato:
Ordine selezionato 20 sigma^2 stimato come 2.124e-06
C'è un errore di stima qui, e c'è una solida oscurità.
Nel vostro caso, c'è un errore di specificazione del modello.
Nel vostro caso, c'è un errore di specificazione del modello.
Lo capisco.
Ma qual è l'errore di specificazione del modello di una macchina semplice, un eXponenziale, e dove prendiamo il coefficiente ponderato per parlare di errori? Questo è quello che voglio dire.
Lo capisco.
Ma qual è l'errore di specificazione del modello di una macchina semplice, un eXponenziale, e dove si ottiene il coefficiente ponderato per parlare dell'errore? Questo è quello che voglio dire.
Tu non capisci. Impara le basi dell'econometria. Non ho intenzione di commentare altre sciocchezze accademiche.
I "mash-up" non hanno alcun errore di specificazione. Dove ottenere i coefficienti ponderati - studiare DSP.
Tu non capisci. Impara le basi dell'econometria. Non ho intenzione di commentare altre sciocchezze accademiche.
Non c'è nessun errore di specificazione in "wizard". Dove ottenere i coefficienti ponderati - studiare DSP.
Anche se dura, grazie comunque.
Andrò avanti.
Aiuto, problema di nuovo.
Valuto la regressione: fm1 <- lm(dRegres1 ~ 1 + dRegres2, singular.ok = FALSE)
Tutto va bene in R, ma quando lo chiamo da mt4 ottengo un errore:
Errore in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) :
0 (non-NA) casi
Ciò che uccide di più è che il codice debuggato in R non funziona poi in mt4.
Grazie in anticipo.