標本相関がゼロでも、線形関係がないとは限らない - ページ 50

新しいコメント
 
C-4:

まずは、その仕組みがわかるといいですね。


そもそも、どういう風にやろうとしているのか、掘り下げて、噛み砕いて、理解するというのは、そういうことなんです。
 

自己紹介：数理統計学、専門は計量経済 学です。

統計学、そして経済学の計量経済学への応用は、検定、モデル......の異なる種類の無数を持っています。どれもこれも、ナットのないスパナのように全く役に立たない。その有用性は、そのモデルが構築されている何らかの目的の枠組みの中でしか理解することができない。

ここでの議論は、WHATと、そのWHATのMODELは何かということです。グレンジャーは必要ないかもしれません。

ひとつはっきりしているのは、このフォーラムで議論すべきは予測だけで、解析は予測モデルを構築し、検証するための補助的なツールだということです。

では、何を予測するかというと、価格？、価格上昇？なのか、それとも別の何か？これを定義しないと、役に立たない計量経済学の道具を見ることになり、私たちはそれを誤って解釈し、異なった役に立たない意見を持つに違いない。

 
EconModel:

自己紹介：数理統計学、専門は計量経済学です。

...


喜ばしいことです。

では、本題に入りますが、グレンジャー検定の本質を説明してください。聞く人がいないんです。また、伝達エントロピーについても一言お願いします。

 
EconModel:

自己紹介：数理統計学、専門は計量経済学です。

統計学、そして経済学の計量経済学への応用は、検定、モデル......の異なる種類の無数を持っています。どれもこれも、ナットのないスパナのように全く役に立たない。その有用性は、そのモデルが構築されている何らかの目的の枠組みの中でしか理解することができない。

ここでの議論は、WHATと、そのWHATのMODELは何かということです。グレンジャーは必要ないかもしれません。

ひとつはっきりしているのは、このフォーラムで議論すべきなのは予測だけで、分析は予測モデルの構築と検証のための補助であるということです。

では、何を予測するかというと、価格？、価格上昇？なのか、それとも別の何か？これを定義しないと、役に立たない計量経済学の道具を見ることになり、私たちはそれを誤って解釈し、異なった役に立たない意見を持つに違いない。


ところで、手法とは何か、モデルとは何か、I(1)はどこで、I(0)はどこで、と哲学している間に、このテーマをもとに、もう一つトレーディングシステムをリベンジしています。

つまり、棒の端と端を議論するのはやめて、棒を何かの端に持っていって、それで金儲けを始めたらどうだろう？

 

喜んでもらえて嬉しいのですが、私を過大評価しているようです。
試験が終わって頭に残っていることを述べてみようと思います。

転送エントロピーのことは覚えていない。

グレンジャーについて

相関、共和分、グレンジャー検定という3つのやや似たような概念がある。

相関は一定である。相関を計算した2つのSVの各サンプルが、これらのSVの一般集団からの他のサンプルと統計的に同じであれば、2つのSVは依存関係にあると言えるでしょう。より正確には、その挙動は似ている。これは正規分布のSVで成立する。

SVが正規分布でない場合、2つのSVの相互依存の特性が数ではなく、ある特性を持つ系列である場合に、コインテグレーションが適用される。

Grangerは、「鶏が先か卵が先か」の原則に従って、依存性の方向を計算することを可能にします。依存性のもう一つの性質。

以下は、指に関する私の理解です。しかし、これは第一次近似値です。もう一度言います。元の時系列の 記述から始まって、モデル、そしてもしかしたらリストアップされた概念に行き着くかもしれない、全部考えなければならない。

 
C-4:


ところで、手法とは何か、モデルとは何か、I(1)はどこで、I(0)はどこで、と哲学している間に、このテーマをもとに、もう一つトレーディングシステムをリベンジしています。

つまり、棒がどこで終わり、どこで始まるかを議論するのはやめて、せめて棒を何かの端に寄せて、それでお金を稼ぐようになりませんか？

問題は、生地を作ることではなく、明日も同じであることを理解することです。まあ、ある程度の精度はありますが。
 
EconModel:
問題は、お金を出すことではなく、明日もそうであろうと理解することなのです。まあ、ある程度の精度はありますが。

では、もし私が自分のシステムの仕組みを正確に理解していたらどうでしょう？この要素を正確に測定できるのだから、他に何を喜べばいいのだろう？
 
C-4:

それでは本題に入りますが、グレンジャー検定のエッセンスを教えてください。


単純なことです。自己回帰は、ある系列で推定された後、別の変数から異なるラグで取られた値がそれに加えられる。そして、2番目のモデルが1番目のモデルよりも性能が良いかどうかを確認する。もしそうなら、因果関係があることになります。同様に、2行目には1行目のラグ値を含めて自己回帰を検定している。因果関係が両方向にあるように起こるのです。行が単純に相関していることを意味します。

転送エントロピーについては、こちらのリンクをご覧ください。

http://stats.stackexchange.com/questions/12573/calculating-the-transfer-entropy-in-r

 
C-4:
でも、自分のシステムが何をやっているのか、正確に理解できたらどうでしょう？この要素を正確に測定できるのだから、これ以上何を喜べばいいのだろう？

明日が歴史のようになることをどう証明すればいいのかわからない。機会があればぜひ見習いたいと思います。
 
alsu: これらの構文のどこがポイントかというと、QCはある瞬間の2つの確率変数の関係を特徴づけるものであり、区間中のものではないのです。後者は比較される2つの過程が a) 定常 b) エルゴードである場合にのみ成り立つが、与えられた関数では絶対にそうではないので、真のQCの推定値としてのサンプルQCはそれらには全く意味をなさない。つまり、定常性とエルゴード性をまず証明し（あるいは少なくとも合理的に仮定し）、それから初めてその系列を式に代入しなければならないのである。
...もし、あなたにとって、数式に数字を代入して数字を得ることが主なことであれば、定常性やエルゴード性は重要ではありません。

エルゴード性の特性により、一般集団の標本から一般集団の相関関数を推定することができる。この性質が満たされない場合、数式で求めた数値は捨てられる。

理解を助ける。 判明したこと。その結果、どのシンボルもBidと Askの間に正の相関が あるように見えるが、それはフィクション であることがわかった。また、直接引用と逆引換の負の相関も、定常性もエルゴード性もないので、落とせるものなのでしょうか？
1...434445464748495051525354555657...60
新しいコメント