回帰式 - ページ 2

新しいコメント
 
さて、多項式で近似した場合の誤差の経験則的分布を求めます。そして、ノーマルと比較する。特に中心部ではなく、尾の部分に注目してください。
 
Mathemat:
さて、多項式で近似したときの誤差の経験則的分布を求めます。そして、ノーマルと比較する。中心部ではなく、尾の部分に特に注意してください。

最適な（MNCの意味での）多項式パラメータを選択するということでしょうか？

それとも、違う意味でベストなものを選ぶという話なのでしょうか？

それとも、近似のための多項式の正しさの話なのでしょうか？

私は、あらかじめ選択された関数のパラメータを計算するMNCが非効率であることの説明を求めました（結局、シックテイルの原因は不幸な関数にあるのかもしれません :)。

また、同じように簡単にパラメータを決定できる手順があれば、ぜひ教えてください。

しかし、誤差に尾ひれがついているから、MNCはダメだ、という質問の形式には驚きましたが...。

;)

 
alsu:

LADや分位点回帰を使うのがベター。これはより複雑ですが（多くのコードを書かなければならないし、サイエンスに差し込まなければならない）、うまくいきます...。

え、引用作品の真実？客観的な根拠はあるのでしょうか？


追伸：外挿のふりをした近似は、定常性を仮定しているように思います。ファットテイルは定常性の破れを表すだけで、それを考慮に入れても予測に具体的なプラスにはならないのです。だから信頼区間を広げて しまい、予測が無意味になってしまうし、何の役にも立たないのでは？

しかし、これはすべて推測の推論であり、反論するための実際のデータを見ていただければと思います

 
Candid:

追伸：外挿のふりをした近似は、定常性を仮定しているように思います。ファットテイルは定常性の不連続性を表すだけで、それを考慮しても予測に具体的なプラスになることはないのです。だから信頼区間を広げてしまい、予測が無意味になってしまうし、何の役にも立たないのでは？

しかし、これはすべて推測の推論であり、実際のデータを見て反論していただければと思います

多通貨分析における回帰パラメータの評価は、「素直な」外挿を伴わない場合があり、これらのパラメータを考慮に入れて、例えば流動性の低いペアで取引することで、統計的優位性を得ることができます（市場で取引するのではなく、DTクォートに基づいているためです）。

でも、スプレッドが大きすぎて...。

しかし、それにもかかわらず--メジャーが大きく動けば、マイナーは「書かれた通り」の振る舞いをする。

;)

 

FreeLance:

しかし、それにもかかわらず--メジャーで大きな動きがあれば、マイナーは「書かれた」とおりに振る舞う。

たぶん、自分で確認したわけではないので、意見はない。
 
Candid:

え、引用作品の真実？客観的な根拠はあるのでしょうか？


追伸：外挿のふりをした近似は、定常性を仮定しているように思います。ファットテイルは定常性の破れを表すだけで、それを考慮に入れても予測に具体的なプラスにはならないのです。だから信頼区間を広げてしまい、予測が無意味になってしまう、何の役に立つのか？

しかし、これはすべて推測の推論なので、ぜひ実際のデータで反証してほしいですね。

私の計算をそのまま生でお見せすることはできないので、理論的に説明することにします。

研究中、私は価格時系列を2つの定常（！）過程の和として提示しようとしました。a) 2-3カウントまで有意な相関を持つガウス過程（特性はまだ少し「浮遊」しているので、厳密に言えば準定常です）、b) 外部影響に対する反応のポアソン流です。1つ目は、誰もが知っていることです。もうひとつは、あなたが「定常性の不連続性」と呼んでいるもので、指数関数的な 太いテールを生み出しているものです。しかし、この特殊なモデルを考慮に入れると、画面に表示される引用の流れの非定常性は明らかであることがわかります。実際、2つの定常過程の和は広義にも狭義にも定常であることがわかります。

MNCで近似することにより、回帰多項式はプロセスの正規部分だけでなく、ポアソン外れ値にも「しがみつく」ようになり、その結果、一般的に言って、.NETで必要な低い予測効率が得られるのです。一方、分位多項式をとることで、2番目のポアソン過程を完全に取り除くことができます。分位は単に、絶対に反応しないのです。このように、回帰が有意な試行を与える場所を特定することで、「失敗」を高い確実性でほぼオンラインで特定することができます（適切なモデルがないため、それらを予測することはおそらくまだ可能ではありません、少なくとも私は持っていません：）。

私の比較結果を大まかに（非常に）紹介します（半分手作業で行いました）：定常不連続の局在化の効率（最初のバーで正しく検出される頻度）は、MNCでは約0.55〜0.6、分位数では0.85以上（ここでやるべきことはたくさんあります）。これがゲインです。

 
alsu:

ANMで近似することにより、回帰多項式はプロセスの正規部分だけでなく、ポアソン外れ値にも「しがみつく」ようになり、一般に.NETで必要とされる予測効率が低くなってしまうのです。一方、分位多項式をとることで、2番目のポアソン過程を完全に取り除くことができます。分位は単に、絶対に反応しないのです。このように、回帰が有意な試行を与える場所を特定することで、「失敗」を高い確実性でほぼオンラインで特定することができます（適切なモデルがないため、少なくとも私にとっては、まだ予測できません：）。

うーん、だから、信頼区間が 広がるのではなく、狭まるという、まさに逆なんですね。非常に興味深い、読まなければならない、ありがとうございます。

定常過程と不連続過程については、もちろん議論したいところである。しかし、反論はないので、あとは考えるだけです。

もしかしたら、時間の問題も解決しているのでは？:)ウィンドウサイズを選択する問題ということです。

 
alsu:

私の研究では、価格の時系列を2つの定常過程（！）の和として表現しようとしました。a) 2-3カウントまでの有意な相関を持つガウシアン（特性が少し「浮く」ので厳密に言えば準定常）、b) 外部影響に対する反応のポアソンフローです。1つ目は、誰もが知っていることです。もうひとつは、ちょうどあなたが「定常性の不連続性」と呼んだもので、実際に太い指数尾の形成につながるものです。

面白い、面白い。Candid さん、Inhabited Islandで私が書いた準定常過程を持つメタモデルについてのスレッドを覚えていますか（diphurcsはそこ、また我々が引っ張った帽子から出たウサギ）。よく似たものやはりヌースフィアは存在していて、その中の思考は共通している...。
 
Mathemat:
面白い、面白い。Candid さん、Inhabited Islandで私が書いた準定常過程を持つメタモデルについてのスレッドを覚えていますか（そこのdiphurs、私たちが引っ張った帽子から出たウサギでもあります）？よく似たものやはりヌースフィアは存在していて、その中の思考は共通している...。
というわけで、今、私たちは混乱しています...。勿論、量子的な意味で:))
 
Candid:

もしかしたら、時間の問題も解決したのでは？:)ウィンドウサイズを選択する際の問題点についてです。

解決しない :)
123456789...16
新しいコメント