エコノメトリックス：一歩先の予測 - ページ 122

新しいコメント
 
Farnsworth:

感情を抑える。

あなたが言うような「トレンド」はありません。

ないってどういうこと？ジャスティファイ、何があるんだ？

 
faa1947:

あなたが言うような「トレンド」はありません。

ないってどういうこと？ジャスティファイ、何があるんだ？

価格が、dS(t)=mu(t)*dt+sigma(t)*dW（あるいはdS(t)=mu(t)*S(t)*dt+sigma(t)*S(t)*dW、この場合は価格の増分の話ではなく、関係の対数について）なるプロセスで発生したとする、この場合、u（t）はドリフト比、sigma（t）は変動率比に相当します。

もし、トレンドについて話しているのであれば、mu(t)はゼロと異なるはずです。mu/sigma推定値を構築し、その不偏性/持続性/有効性を証明してみてください（ちなみに、sigma(t)モデルにCOGARCH(p,q)のようなものを添付することを忘れないでください）。

トレンドが本物で、パラメータを正確に推定することができれば、このモデルを使って価格を予測することができ、価格増分予測と実際の価格増分に正の相関があります（必ずしも取引に十分ではありません）。

p.s. mu(t)が区分的定数関数であるという単純化した仮定をすることができます。そこで、最小二乗法とチェビシェフ不等式を利用してみることにする。

 
faa1947:

ダメってどういうこと？ジャスティファイ、何があるんだ？

エモーションはとっくに終わっていて、それは悪いことだ :(

私は、ランダムなシリーズの「トレンド」が錯覚に過ぎないという、非常に単純な例を挙げたのです。引用文は非常に複雑なマルチフラクタルで、全く自己相似形ですらなく、引用文の秩序がその秩序の最高度の顕現であるカオスに現れるほど複雑なのですな。そこでは何もかもが違うのです。

げっ、そうか......一次系列で相関性を評価するのは意味がないんだ。相関は統計量であり、例えば1000件のケースを取り、ラグごとの相関を推定したい場合。eurikの場合、1ポイントは 0.000001です。このような最小限のステップで、このようなマルチフラクタルに対してある程度の軌道修正特性を持った 相場が どこまで続くとお考えでしょうか？もちろんそんなことはなく、この係数を持っていて、統計的に高い近接性を示しているのですね。計算式を見てください。商が1.5で、価格が0.0003（平均値のように）離れたとします。1.5と1.4997は、数式にすると統計的に近い値だと思いませんか？そして、すべてのレンジに対してそうです。そして、その中のトレンドは、ウケるまで座っている :)

Alexei (Mathematics)の研究は非常に興味深く、私もその場に居合わせました :)相関関係の評価に関するものである。でも、国民は何も出てきませんでした :(

 
anonymous:

仮に、価格がdS(t)=mu(t)*dt+sigma(t)*dW（またはdS(t)=mu(t)*S(t)*dt+sigma(t)*S(t)*dW、この場合は価格の増分ではなく、関係性の対数）という形で発生すると仮定し、μ（t）をドリフト比率、σ（t）を変動率比率とすると、この場合、価格の上昇は、mu（t）*dt*dWとなります。

もし、トレンドについて話しているのであれば、mu(t)はゼロと異なっていなければなりません。mu/sigma推定値を構築し、その不偏性/持続性/有効性を証明してみてください（ちなみに、sigma(t)モデルにCOGARCH(p,q)のようなものを添付することを忘れないでください）。

トレンドが本物で、パラメータを正確に推定できれば、このモデルを使って価格を予測することができ、価格増分予測と実際の価格増分の間には正の相関があります（取引に十分であるというわけではありません）。

p.s. mu(t)が区分的定数関数であるという単純化した仮定をすることができます。そこで、最小二乗法とチェビシェフの不等式を利用してみることにする。

だいたいそんな感じです。
 
Farnsworth:

エモーションはとっくに終わっていて、残念です :(

私は、ランダムな系列の「トレンド」が幻想に過ぎないことを、非常に単純な例で説明したのです。引用文は非常に複雑なマルチフラクタルで、自己相似形ですら全くなく、引用文の秩序はその秩序の最高度の顕在化、つまりカオスに現れるほど複雑なものなのですね。そこでは何もかもが違うのです。

げっ、そうか......一次系列で相関性を評価するのは意味がないんだ。相関は統計量であり、例えば1000件のケースを取り、ラグごとの相関を推定したい場合。eurikの場合、1ポイントは0.000001です。このような最小限のステップで、このようなマルチフラクタルに対してある程度の軌道修正特性を持った 相場が どこまで続くとお考えでしょうか？もちろんそんなことはなく、この係数を持っていて、統計的に高い近接性を示していますね。計算式を見てください。商が1.5で、価格が0.0003（平均値のように）離れたとします。1.5と1.4997は、数式にすると統計的に近い値だと思いませんか？そして、すべてのレンジに対してそうです。そして、その中のトレンドは、ウケるまで座っている :)

Alexei (Mathematics)の研究は非常に興味深く、私もその場に居合わせました :)相関関係の評価に関するものである。でも、国民は何も出てきませんでした :(

私は、ランダムな系列の「トレンド」が錯覚に過ぎないという非常に単純な例を挙げました。

一般に決定論的なトレンドと区別がつかない確率論的なトレンド - 根拠のある記事を見た。

引用文は非常に複雑なマルチフラクタルで、自己相似性すらまったくない。あまりに複雑なので、引用文の秩序はその秩序の最高度の顕在化であるカオスに現れるのです。そこでは何もかもが違うのです。

フラクタルも含めて難しいことは置いといて。

全く別の話をしているのです。非定常性の問題がある。少なくとも何かは解決しようとしているんですよ。

人間、一次系列で相関を推定するのは意味がないんだよ。相関は統計学などである。

私にとっては、相関関係は問題ではなく、まったくファジーなものなのです。

商をとってACFを計算しています。自己相関が 見えますね。私にとっては、決定論的な要素があることの表れです。一方では、その存在が成功のチャンスとなり、良いことでもある。一方、決定論的な要素がある一方で、統計学全般、特に相関関係については何も語れないのが悪いところです。

決定論的なコンポーネントを抽出したところ、成功したものです。残留物を見る-何ができるのか等。

私は最初から回帰について議論するつもりはなかったし、ましてや私が設定した特殊な回帰について議論するつもりもなかった。与えられた回帰は、系列の分解を、我々が扱い方を知っているような構成要素に分解して示す要素である。つの決定論的成分とGARCHを区別することが可能であることを示しました。

そして、予測可能性の問題です。

フラクタルレベルを超えて、具体的に議論する気があるのなら、頑張れ。私は、モデルに周期性がないことを事実として知っている、多分数学が欠けて いる

提案する。商品化までの道のりは遠い。しかし、議論の過程で、私たちのレベルもフォーラムのレベルも間違いなく上がるでしょう。そして同時に、自転車の発明者を絞り込む。

 
anonymous:

仮に、価格がdS(t)=mu(t)*dt+sigma(t)*dW（またはdS(t)=mu(t)*S(t)*dt+sigma(t)*S(t)*dW、この場合は価格の増分ではなく、関係性の対数）という形で発生すると仮定し、μ（t）をドリフト比率、σ（t）を変動率比率とすると、この場合、価格の上昇は、mu（t）*dt*dWとなります。

もし、トレンドについて話しているのであれば、mu(t)はゼロと異なるはずです。mu/sigma推定値を構築し、その不偏性/持続性/有効性を証明してみてください（ちなみに、sigma(t)モデルにCOGARCH(p,q)のようなものを添付することを忘れないでください）。

トレンドが本物で、パラメータを正確に推定することができれば、このモデルを使って価格を予測することができ、価格増分予測と実際の価格増分に正の相関があります（必ずしも取引に十分ではありません）。

p.s. mu(t)が区分的定数関数であるという単純化した仮定をすることができます。そこで、最小二乗法とチェビシェフ不等式を利用してみることにする。

推奨1600の代わりにラムダ=1のHPが使用されます。HPによる予測性の低さかもしれません。わからない。変数に対して線形でない多項式が必要なのでは？しかし、予測性の低さが平滑化関数に依存することを確認する必要がある。
 
faa1947:

私は、ランダムな系列の「トレンド」が錯覚に過ぎないという非常に単純な例を示しました。

決定論的なトレンドと一般的に区別がつかない確率論的なトレンド - エビデンスのある記事を見た。

信じがたい話だ。

モデルパラメータ y(t)=alpha+rho*y(t-1)+beta*t を推定してみる。確率的トレンドの場合、rho=1, beta=0、決定論的トレンドの場合、abs(rho)<1 となる。

UPD: "beta*t "は、選択された決定論的トレンドモデルによって、別のものになる可能性があります。

 
anonymous:

信じがたいことです。

モデルパラメータ y(t)=alpha+rho*y(t-1)+beta*t を推定してみる。確率的トレンドの場合、rho=1, beta=0、決定論的トレンドの場合、abs(rho)<1 となる。

UPD: "beta*t "は、選択された決定論的トレンドモデルによって、別のものになる可能性があります。

この記事へのリンクを探すのが嫌になる。しかし、それは論文や実用上の無駄を多く匂わせている。そこで、私は自分の回帰にしがみつき、この特定の単純なモデルの予測可能性が低いという問題を理解しようとしましたが、シリーズを構成要素に分解するという考えを持っていました。
 

faaへ

市販品とそれほどかけ離れているわけではありません。私のシステムという意味です。正直なところ、あなたにはあまり興味がないんです。でも、あなたの進歩について行きますよ :)

 
Farnsworth:

ええ、フォーラムではなく、あなたと連邦航空局の個人的な通信のようなものです。まあ...よし、最高級の知的会話を邪魔しないようにしよう。

それから、そして今、私は、あなたが言うように、馬鹿ではなく、あなたに個人的に応答しているのです。 もっとわかりやすく話してください、でないとこの投稿が全く理解できません。


ちょっとしたユーモアは、決して損にはなりません。通常、役立ちます。
1...115116117118119120121122123124125126127128129...139
新しいコメント