エコノメトリックス：一歩先の予測 - ページ 73

新しいコメント
 
faa1947:

そうですね、40というのはちょっと少ないですね。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以下の通りです。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、すべてが解決し、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




モデルの係数やその誤差がある数値に収束しても、必要な観測回数は決定されない。普通のLRを例にとると、データが小さいほど早く係数が変化し、増えるのが遅くなります。しかし、これは回帰そのものの特性であり、系列の予測精度ではありません。また、回帰計算のウィンドウサイズを決定するものではありません。

数値で結果が出る基準を適用する場合、単なる数値ではなく、この場合はどこまで信用できるかを知る必要があります。例えば、この目的のために、数理統計学ではDIを用いる。

 
Avals:

ところで、正規分布の残差分析についてですが、116回という観測回数は、結果を信頼できるものにするには非常に少ないです。すなわち、もちろん検定を適用すれば、ある確率で分布を正規分布とすることができますが、この予測の信頼区間はどうなっているのでしょうか？例えば、25%は非常におおまかな値で、95%信頼水準で0～50の範囲、または22～28の範囲になります。116回の観測では、CIが巨大になるような気がします。

正常のための分析はしない。なぜ？

まず、商から使えるもの、つまり観測値の相関を抽出する必要があります。もし相関のない残差が出てきたら、他に使える情報がないか、ARCHを調べなければなりません。もしあれば、その情報もモデル化（解析式を書く）してください。理想的な残差は、モデリングに必要な情報を抽出できない（わからない、知らない）残差である。

 
paukas:
なんとか決心して......。
文章を最後まで読む、もっと言えば段落を最後まで読む、もっと言えば著者の書いたものを全部読むというのは非常に良い習慣です。
 
Avals:


モデル係数またはその誤差のある数値への収束は、必要な観測回数を決定するものではありません。普通のLRを例にとると、データが小さいほど早く係数が変化し、増えるのが遅くなります。しかし、これは回帰そのものの特性であり、系列の予測精度ではありません。また、回帰計算のウィンドウサイズを決定するものではありません。

数値で結果が出るような基準を適用する場合、単に数値だけでなく、あるケースでどの程度信用できるかを知る必要があります。例えば、数理統計学では、この目的のためにDIを使用します。

係数が一定で発振係数が一定なら、なぜ窓を増やすのか、その理由はあまり明確ではありません。その様子は数値でも確認することができます。

 
faa1947:
文章を最後まで読む、もっと言えば段落を最後まで読む、もっと言えば著者の書いたものを全部読むというのは非常に有用な習慣である。
さらに有用な習慣は、著者だけでなく、一般の集団農民にとっても意味のある書き方をすることです。
 
Reshetov:

ついにカルト教団の教祖が、その宗教的なトリックの秘密を明かした！？

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、それらが測定されるサンプルに依存しないことです。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。もし得られなかったのであれば、定常性仮説は反証されたことになる。

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定数のままでなければならない。


おいおい！このモデルの主な問題は、市場の非定常性ではなく、モデル自体にあり、それは単に戦略テスターによって 証明されるように、動作することはできません。R^2 などで混乱させる必要はなく、単純なテストがより客観的な方法で何が何だかわかる。

このような定常性を求めるのであれば、等量線チャートを使ってください。なぜかというと、ボラティリティは一定で、分散とm.o.s.は有限でなければならないからです。しかし、このモデルは通常のチャートでは機能せず、イクイボチャートでも機能しないため、ほとんど役に立たないでしょう。

 
faa1947:

正常のための分析はしない。なぜ？

まず、商から抽出できるのは、観測値間の相関である。もし相関のない残差が出てきたら、他に使える情報がないか、ARCHを調べなければなりません。もしあれば、その情報もモデル化（解析式を書く）してください。理想的な残差は、モデリングに必要な情報を抽出できない（方法がわからない、わからない）残差です。


よく分析しないものだ。1.3.に書いてありますね。回帰式からの残差の推定

具体的な数字が出るんですねー。

"残差が正規分布である確率は25.57%である。"

ACFなどなど。

しかし、これらの数字は、どこまで信じていいのかがわからなければ意味がない。

400トレードのプロフィットファクターは、40と同様に信頼できるのでしょうか？他の統計値や数値基準も同様で、正確な推定値が必要です。信頼区間はその一つの方法である。116回の観測は、どのような基準が適用されるにせよ、分布の正規への帰属または非帰属の結果を信じるには十分ではありません。

 
faa1947:

耳の悪さには驚かされます。

私は何年も前から、コチラは非定常であり、予測することはできないと言い続けてきました。

このスレッドでずっと言ってきたことですが、商は非定常ですが、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ー。

話し続けてください。残差は非定常 である。なぜなら、ある一つの標本に当てはめたモデルを他の独立した標本で検定すると、残差はもはや定数ではなくなってしまうからである。他のサンプルへのフィットは可能ですが、そのフィットの後では、個々のサンプルごとに異なるモデルが得られます。

もう一度、特別な才能のある人のために繰り返しますが、定常性は、異なる独立したサンプルの統計データの偶然性によってのみ明らかにすることができるのです。そして、そんな偶然の一致はない。

計量経済学的な操作のコツは、あるサンプルに対して、そのサンプルの残差がすべてほぼ等しくなるようにモデルを当てはめる方法を見出したことです。しかし、このようなトリックは1つの標本に対してのみ発生し、他の標本ではモデルは異なる結果を与えるので、残差は定常ではなく、1つの標本に適合しているに過ぎない のです。計量経済学的モデルは、モデルに当てはめることができる過去のデータ（将来初めて現れる）がまだないため、未来を外挿することができません。

これは、再描画のインジケーターと同じで、特定のデータに合わせてその読み取りを調整し、過去にさかのぼって変更するものです。

 
faa1947:

係数が一定でosh.係数が一定ならなぜウィンドウを増やすのか、その理由はあまり明確ではありません。その様子は数値でも確認することができます。



回帰係数を計算する窓を大きくしろと言っているのではない。そのための窓は、数値に収束することで定義されるのではない。観測データの数が、基準値や統計的推定値の精度にどのように影響するかについて話しているのです
 
統計学の経験則では、下限 である300点以上であることが望ましいとされています。
1...666768697071727374757677787980...139
新しいコメント