エコノメトリックス：一歩先の予測 - ページ 42

新しいコメント
 
faa1947:

これには全く同感ですが、私にとって興味深いのは、サンプルの外では何が起こっているのか、ということです。

予測にロバスト性の特性があれば、予測された分布のパラメータは、mo（予測値）もsk（誤差）も保持されることになります。

誤差が歴史上で定常であることを要求していることが、予測の頑健性を検証していることになります。

faa1947

サンプル外の予測が成立する確率を上げるためには、サンプル内の何を分析する必要があるのでしょうか？

誤差の計算とそれに対する定常性の要件は十分か？

faa1947

そして、最後にもう一つ質問です。予測のホライズン（水平線）とは何ですか？一歩ずつ、それとも数歩ずつ？数ステップの場合、その可能性はどのように判断されるのでしょうか？

これらの疑問は、予測対象機能（品質スコア）を導入しない限り解決しないと思います。例えば、プロフィット・ファクター。そして、システムパラメータ（誰もが持っている）の変化によるその変化をさらに推定する。極限に近づいたときの目標関数の単調成長。


 
C-4:
非定常データで定常誤差を期待することが理解できないのですが？上のグラフでは、誤差の大きさは明らかに有限分散の性質を持っていないので、少なくとも結果の分散（s.c.o.やNの平方根）に基づく推定を適用することには疑問がありますね。

このスレッドで使われているモデルには、私の考えは使われていません。最初は、コチル＝トレンド＋ノイズ＋シクリカリティと考えます。

循環性には対処できない→捨てる

トレンドがなければ、予測もできない。

トレンド（HP指標4ラグ）を選択し、ノイズ（2ラグ）を考慮する。さて、このモデルの残差を見てみましょう。これは純粋なノイズなのか、それともトレンドが残っているのか？トレンドが残っている場合は、この残差からトレンドを抽出する。ノイズが残らない限りは。予測することはできません。さて、どんな音がするのでしょうか？そこで、ご質問の件です。チャート上では25pipsの幅でノイズが発生しています。分単位の予測はできないが、日単位での予測はできる。

 
Avals:

予測にロバスト性の特性があれば、予測された分布のパラメータは、mo（予測値）もsk（誤差）も保持されることになります。

誤差が歴史上で定常であることを要求しているのは、予測の頑健性をテストしているのです。


利益率に関するロバスト性は最終的な推定値であるが、分析段階でのある程度の構築性が望まれる。

TAPはTaylor分解をする。予測地平は、この分解における導関数の数に等しいと主張する。

例えるなら、デリバティブはモデルからの残差であり、予測ホライズンは残差の反復回数となります。無視できる残差や、GARCHなどのモデル化できる残差が出た時点で停止します。

 
faa1947:

利益率に関するロバスト性は最終的な見積もりだが、分析段階での構築も欲しいところ。

TAPにテイラー分解がある。予測地平は、この分解における導関数の数に等しいと主張する。

例えるなら、デリバティブはモデルからの残差であり、予測ホライズンは残差を無視できる、あるいはGARCHなどのモデル化できる反復回数です。



予測地平は、分析するサンプルのサイズに依存します。原則として、このサンプルよりも水平線は小さくなります。すなわち、N本のバーのウィンドウを分析し、それに基づいて予測を行う場合、予測の水平線は<N本であることが論理的であるでしょう。もちろん、分析したデータサイズの半分を予測するような普遍的な依存性を求めるのは甘いだろうが、特定のシステムの中で、純粋に統計学的にそのような依存性を探すことができるのだ。
 
P.S. 予測ミスを静止させることは問題ない。そのためには、1バー先という時間だけの予測ではなく、価格ベースの出力、つまり露骨にテイクプロフィットやストップロスを使用することができます。もちろん、個々の予測の誤差は定常的なものとなる。一連の取引に基づくものですが、一般的なケースで同じ結果になるとは限りません。 一般に、このモデルでは、単一の予測の誤差ではなく、一連のN個の予測の誤差の合計を推定することができます。非定常性があるとすれば、それはより明白である。
 
faa1947:

1）利益率に関するロバスト性は有限な見積もりだが、分析段階で何らかの構築をしてほしい。

2) TAPはTaylor分解をする。予測地平は、この分解における導関数の数に等しいと主張する。

3) 例えるなら、デリバティブはモデルからの残差、予測ホライズンは残差の反復回数です。無視できる残差や、GARCHなどのモデル化できる残差が出た時点で停止します。


1) 目標とする関数を作る---それは何であり、どのようにあるのか---最適化理論の本で調べてみてください。(役に立ちそうもありませんが)。

2）うそつき!!!このような発言は初めてで、しかもこことあなたからしか聞いていません。今後、このような失敗をしないためにも、少なくとも2回は定義を読むようにしましょう。(TARってなんだっけ？自動制御理論のことでしょうか（笑)。

3）そしてまた、デタラメだ！！！。

.

計量経済学者、まず基本を理解してから（例えば、デリバティブとは何か）、次に進む。そして、状態の空間を扱えるようになるには、比較にならないほど多くの予備知識が必要です。

 
Avals:

予測地平は、分析するサンプルのサイズに依存します。原則として、このサンプルよりも水平線は小さくなります。すなわち、N本のバーのウィンドウを分析し、それに基づいて予測を行う場合、予測の水平線は<N本であることが論理的である。もちろん、分析したデータサイズの半分で予測を行うべきだというような普遍的な依存性を求めるのは甘い考えですが、特定のシステムの中で、純粋に統計的な観点からそのような依存性を探すことはできます。

全面的に賛成はできない。

サンプルサイズは、他の考慮事項から取る必要があります。

サンプルを採取してモデルパラメータを推定した後、サンプルを2分割し、その2分割された部分についてモデルパラメータを推定することにする。モデルのパラメータが変わっていなければOK、変わっていれば再度分割します。その結果、何か残っていれば予後が可能ですし、そうでなければ待つことになります。

 
avtomat:

1) 目標関数を作る---それは何であり、どのようにあるのか---最適化理論の本で調べてください。(役に立ちそうもありませんが)。

2）うそつき!!!このような発言は初めてで、しかもこことあなたからしか聞いていません。今後、このような失敗をしないためにも、少なくとも2回は定義を読むようにしましょう。(TARってなんだっけ？自動制御理論のことでしょうか（笑)。

3）もう一度：デタラメだ！！！（笑

本質的な答えが欲しいのか、それとも野暮ったい答えが欲しいのか？明確にし、言い換える。
 
faa1947:

全面的に賛成はできない。

サンプルサイズは、他の考慮事項から取る必要があります。

サンプルを採取してモデルパラメータを推定した後、サンプルを2つに分割し、その分割した部分についてモデルパラメータを推定する。モデルのパラメータが変わっていなければOK、変わっていれば再度分割します。その結果、何か残っていれば予後が可能ですし、そうでなければ待つことになります。


分析のためのサンプルサイズの選択ではなく、予測地平の問題であった。時間的に固定されるべきではないと思いますが、本当に何に依存するかを議論したいのであれば、サンプルサイズは要因の1つであると思います
 

計量経済学者は、まず基本を押さえて（例えば、微分とは何か）、次に進みましょう。そして、状態の空間を扱えるようになるには、もっと多くの予備知識が必要です。


1...353637383940414243444546474849...139
新しいコメント