エコノメトリックス：一歩先の予測 - ページ 72

[Yury Reshetov]

Vizard:

のはずだが、実際にはそうならない...。

そうなります。同じ期待値と分散を持つランダムなデータから2つのサンプルを取ります。結果を組み合わせる、つまりサンプルサイズを大きくし、組み合わせたサンプルの分散と期待値を計算し、同じものを得る。

理論的にも、例えばサンプルのデータ量が同じであれば、期待値、分散ともに、分子、分母ともに2倍になるなど、なぜこのようなことが起こるのか、理解するのは難しいことではありません。分子と分母の2が相互に縮小され、同じ結果が得られる。両方のサンプルの大きさが同じでなくても、分子と分母は最初のサンプルの分子と分母に対して同じ量だけ増加します：結合後に最初のサンプルの大きさが何倍になったかです。

[Vizard]

Reshetov:

なりますね。同じ期待値と分散を持つランダムなデータから2つのサンプルを 取ります。結果を組み合わせて、つまりサンプルサイズを大きくして、組み合わせたサンプルの分散と期待値を計算し、同じものを得ることができます。

もちろん、そうでしょう。でも、私たちは現実について話しているのです。現実には、モデルには常に新しい（そして、このモデルには適さないかもしれない）データが供給されます。

[Avals]

faa1947:

サンプル内で予測する場合、私は素晴らしいプロフィット・ファクターを持っています、特に観測のプロフィット・ファクターに注意してください。しかし、サンプル以外では......。なぜ、このようなバラ色の結果が、もう一歩踏み込まないのでしょうか。理解できない。

観測回数が40回しかないからです。古典統計学が嫌いでも））、テスト 結果の評価の根幹はそこにある。

[СанСаныч Фоменко]

Reshetov:

ついに教団の信者が、その宗教的トリックの最大の秘密を明かしたのだ!

エレメンタリー ワトソン！非定常だからです。定常性とは、分散と期待値が定数であり、それらが測定されたサンプルに依存しないことである。つまり、他の独立したサンプルでも、ほぼ同じ定数が得られるはずなのです。もしそうでなければ、定常性仮説は反証される。

定常性仮説は、サンプルの次元を上げることで別の方法で検証することができる。定常性の場合、分散と期待値の両方が一定に保たれるはずです。

驚愕の聴覚障害者。

私は数年前から、コチエは非定常であり、予測することはできない、と主張してきました。

私は何年も前から主張しているのですが、コチラは非定常ですが、モデルからの残 差が定常であれば予測することが可能です。残差は、その後、定常残差とモデル（分析的）を足し合わせることができるので、興味があります。この和は商に等しく、1ピップも失われない。以上、100回ほど書きました。同じことはない、作家でありながら読者ではないアデプトチュクチー。

[СанСаныч Фоменко]

Avals:
というのは、観測値が40しかないからです。古典統計学が嫌いでも))、テスト結果の推定の根幹はそこにあるのです。

そうですね、40歳はちょっと小さいですね。テストを行い、上記のように書きました。70以降、さらに試料を増やしても、結果に影響はない。サンプルの長さに関する結果はこちらです。注目すべきは、その内容です。モデルの係数を推定しています。

eurusd = c(1)*hp1(-1) + c(2)*hp1(-2) + c(3)*hp1_d(-1) + c(4)*eq1_hp2(-1) + c(5)*eq1_hp2(-2) + c(6)*eq1_hp2(-3) + c(7)*eq1_hp2_d(-1) + c(8)*eq1_hp2_d(-2) + c(9)*eq1_hp2_d(-3) + c(10)*eq1_hp2_d(-4)

全部で10個あります。係数はすべて確率変数である。質問：どのサンプル長でほぼ一定になるのか。すべての係数を1つの図にまとめて表示することにします。

ここで、サンプル＝80個の観測値である。サンプルの半分を過ぎると、すべてが調整され、特に係数の評価の誤差が小さくなっていることがわかります。 最初の係数については、より大きなものを与えることにします。

これは係数自体の推定値であり、その値が一定でない ことがわかる。

そして、今度は係数の推定誤差です。

従って、サンプルは60以上のオブザベーションであるべきだと結論付けます。

誤差の少ない安定した係数が必要です。これは、サンプルの長さの指標になります

[СанСаныч Фоменко]

Vizard:
もちろんそうでしょうが...私たちは現実について話しているのです。現実には、モデルには常に新しい（そしてこのモデルには使えないかもしれない）データが供給されます...。

これは確かにそうです。ほぼ安定した残量を確保しています。ウィンドウを1本ずらすと、モデルのパラメータ（ラグ数）を変更する必要があります。このことは、表中の一番外側の2列のラグ数ではっきりとわかる。

[Avals]

faa1947:

驚愕の聴覚障害者。

私は何年も前から言っているのですが、コチラは非定常であり、予測することはできません。

私は数年前から言っているのですが、コチラは非定常ですが、モデルからの残差が 定常であれば予測できます。残差は、その後、定常残差とモデル（分析的）を足し合わせることができるので、興味があります。この和は商に等しく、1ピップも失われない。以上、100回ほど書きました。同じことはない、作家でありながら読者ではないアデプトチュクチ。

ところで、正規分布の残差の分析についてですが、たった116回の観測では、結果の信頼性が非常に低くなってしまいます。つまり、もちろんテストを適用すれば、ある確率で分布を正規分布に割り当てることができますが、この予測の信頼区間は どの程度なのでしょうか？例えば、25%は非常におおまかな値で、95%の信頼度で0～50の範囲かもしれませんし、22～28かもしれません。116回の観測で、CIは巨大になると思われます。

[СанСаныч Фоменко]

gpwr:

通常、このようなモデルの制作者は、すぐにテスターにかけ、失敗を確認し、新しいモデルに移行します。しかし、ここでは、前座は奇跡を期待して毎日の予測をリアルタイムで表示する。ある種のマゾヒズムである。

グレイルを 置くべき場所にクチバシを開いて座っているフォロワーは、分散することができます。

私が概略を説明し、解決策を持たない問題は、歴史に関するモデルの統計的特性によって、モデルの予測可能性を予測することである。TAの手法に興味はない。

[СанСаныч Фоменко]

Vizard:

どんなアルゴリズムでも、どんなエラーでも使える...NSのr-Qもそうだ...。

できるけど、できないんです。本文にR2乗が付されている指標の例を挙げよ。指標は使用されているが、コチエをどの程度反映しているか、全く反映していないかは不明である。目で見て判断する、"確かに大きな指標"

[Vladimir Paukas]

faa1947:

......数年間はわからない - コティールは非定常であり、予測することはできない。

何年も前から言っていることですが、コチラは非定常ですが予測は可能です......。

なんとか決心して......。