計量経済学：なぜ共統合が必要なのか - ページ 10

新しいコメント
 

faa1947: Что такое подгонка или не подгонка?

フィット（過剰訓練、過剰最適化）とは、金融市場（非定常時系列）に限定して使われる用語である。
 
LeoV:
フィット（過剰訓練、過剰最適化）とは、金融市場（非定常時系列）に限定して使われる用語である。

それはゴミだ。馬とか。

適合度とは、パラメトリックモデルのパラメータの推定値である。オーバーフィッティングできるものはない。

そして、非定常的な市場には全く何も当てはまらない。

 
faa1947:

それはゴミだ。馬とか。

適合度とは、パラメトリックモデルのパラメータの推定値である。オーバーフィッティングできるものはない。

そして、非定常的な市場には何もあてはまらないということが全くない。


説明をしていこうと思います。

過去のどの時間セグメントも本質的に定常であり、過去の時系列自体を知っていれば、過去のデータに対して利益を与える関数や何らかのパターンをほとんど見つけることができるからです--まったく問題ありません。

非定常性という言葉は、金融市場に当てはめると、将来、市場がどのように変化するか、正確にはわからないということを意味します。

過去のデータを使って、過去にマーケットがどう変化したかを知ることで、その変化を考慮した関数やパターンを必ず見つけることができるのです。しかし、今後、市場がどのように変化していくかは誰にもわからない。過去の変化に応じて変わるということではありません。しかも、そのように変化しない可能性が高いのです。

このため、過去のデータ、つまり過去にあった市場の変化に対してTSを調整する（実際には再最適化されている）ことで、将来的に利益を生み出せないTSを得ることになる。

実際には、TSの最適化の後、通常、最小のドローダウンで最大の利益を与えるパラメータでTSを取りたい - これはまさに、過去のデータに対する調整TSである。これらの最適化されたパラメータは、過去のすべての必要な変更を考慮しているので、将来のデータでは、このようなTSは動作しませんが、将来の市場は、過去とは異なり、そのような最適化されたパラメータと私たちのTSは、それを考慮に入れていません。

 
LeoV:


説明させていただきます。

過去のどの時間セグメントも本質的に定常であり、過去の時系列そのものを知っていれば、過去のデータに対して利益をもたらす関数やパターンをほぼ見つけることができるからです--これは全く問題ではありません。

非定常性という言葉は、金融市場に当てはめると、将来、市場がどのように変化するか、正確にはわからないということを意味します。

過去のデータを使って、過去にマーケットがどう変化したかを知ることで、その変化を考慮した関数やパターンを必ず見つけることができるのです。しかし、今後、市場がどのように変化していくかは誰にもわからない。過去の変化に応じて変わるということではありません。しかも、ほとんどの場合、そのように変化することはありません。

このため、過去のデータ、つまり過去にあった市場の変化に対してTSを調整する（実際には再最適化されている）ことで、将来的に利益を生み出せないTSを得ることになる。

実際には、TSを最適化した後、通常、最小のドローダウンで最大の利益をもたらすパラメータでTSを取りたいのですが、これはまさに過去のデータに対して調整されたTSなのです。なぜなら、最適化されたパラメータは、過去の必要な変化をすべて考慮に入れているからです。

TSが非定常性を識別してモデル化し、それがTSであるか、そうでないかを理解するまで、私はこの問題に数年間を費やしました。最適化、過剰最適化という言葉はすべて感情であり、純粋なシャーマニズムであり、トランス状態が深まれば深まるほど、自分が作ったものへの信頼が増すのです。

市場の非定常性を考慮する方法はいくつか知っています。コイネグレーションは1つの方法で、結果が定常系列であるため、まさに価値があります。

 
Avals:

はい。本来なら、ある種の合成物を手に入れることになるのです。シンセティックにプラスで入る実機があれば、買われ過ぎで売り、売られ過ぎで買いのトレードをする。マイナスではその逆で、重さはロットでの比率を示す。

共分散はすべてのスプレッド取引の基本である。共分散した商品のスプレッドのみ取引できる



スプレッド取引は、気配値が極端な値からゼロに戻るという確信があるのですが、どのくらい経ったら？
 
faa1947: TSが非定常性を識別してモデル化し、それがTSであるか、そうでないかということに気づくまで、私はこの問題に数年間を捧げました。最適化、過剰最適化という言葉はすべて感情であり、純粋なシャーマニズムであり、トランス状態が深まれば深まるほど、生み出されるものへの信頼が増すのです。

市場の非定常性を考慮する方法はいくつか知っています。共和制は一つの方法であり、結果が定常系列であるため、まさに価値があります。そして、ここでは最適化と過剰最適化は適切ではありません。


これらの用語は、私が考案したものではありません。これらは、トレーダーが使う一般的に知られた用語である。今の時点で気に入らなくても、人生の流れや変化に合わせて、将来も納得できないとは限りません。

あなたは単に、コインテグレーションという言葉に過剰な最適化をしているだけです ))))

あなたの主張することは、本質的に未来予測なのです。つまり、非定常系列から定常系列を作ることで、100％の確率で明日のマーケットを予測することができるのです。

ノーベル賞に応募してみるとか・・・))))

 
LeoV:


これらの用語は、私が考案したものではありません。これらは、トレーダーがよく使う用語です。今の時点で気に入らなくても、人生の流れや変化に合わせて、将来も納得できないとは限りません。

あなたは単に、コインテグレーションという言葉に過剰な最適化をしているだけです ))))

あなたの主張することは、本質的に未来予測なのです。つまり、非定常系列を定常系列にすることで、明日の市場がどうなるかを予測することができるのです。

ノーベル賞に応募してみるとか・・・))))

これらの用語は、私が考案したものではありません。これらは、トレーダーがよく使う用語です。

確かに、あなたには無理ですね。ここはTA、シャーマンとピノキオが住む国だ。入門書を読み、啓示として "フォワードテスト、フォワードテスト、過剰最適化・・・"


このスレッドでは、2つの非定常系列の差の定常性をどのように利用できるかを議論しています。今のところ、スプレッド取引しか出てきていない。しかし、ノーベル賞の受賞資格はない。

 
faa1947: このトピックでは、2つの非定常系列の差の定常性をどのように利用できるかを説明する。

その場合、2つの系列の非定常性は同一でなければならず、引き算によってそれ（非定常性）は消滅する。

もし違うなら、引き算の後、3番目の種類の非定常系列が得られる。

2つの非定常系列の非定常性をどのように、どのようなパラメータで比較することができるのか？

 
LeoV:

その場合、2つの系列の非定常性は同一でなければならず、引き算によってそれ（非定常性）は消滅する。

もし違うなら、引き算の後、3番目の種類の非定常系列が得られる。

2つの非定常系列の非定常性をどのように、どのようなパラメータで比較することができるのか？

一定のアルゴリズムで、同じ集積度のシリーズにテストが適用されます。フォーラムには十分。
 
faa1947:

スプレッド取引 - 極端な値から相場がゼロに戻るという確実性。
はい、これはスプレッドがさらに広がるよりも、むしろ戻る傾向にあるようです
1...34567891011121314151617...28
新しいコメント