記事「ボラティリティを予測するための計量経済学ツール：GARCHモデル」についてのディスカッション - ページ 2

新しいコメント
 
テストでは有意な差は見られず、妥当なフィルタリングパラメータでの残差は定常値として認識される :)
 
Maxim Dmitrievsky #

スプラインは新しいデータでは機能しないので、HPや他のフィルターでやり直すことができる。あるモデルを正確に作りたいという要望がある場合。
そして、普通の線形回帰をトレーニングすることを妨げるものは何ですか？
なぜスプラインにこだわるのか？
 
Maxim Dmitrievsky #:

神の 助けを借りてLLM DeepSeekを作った。自分のデータで代用できます。

説明

最適化の過程で残差をできるだけ正規分布に近づけるために、一致の基準（Shapiro-Wilk 基準やKolmogorov-Smirnov 基準など）を使用して残差の正規性を評価することができます。そして， パラメータ k k および s sは，正規分布からの残差の偏差を最小化 するように 最適化できる．

  1. 残差の正規性に関する誤差関数：残差を計算し，その正規性を評価するためにShapiro-Wilk 基準を用いる新しい 関数 spline_error_with_normality が導入された．負のp値が最小化され、残差の正規性が最大化される。

  2. 最適化：Minimize は， 新しい 誤差関数に基づいて パラメータ k k および s s を最適化する ために 使用される ．

このアプローチは、残差が分布の正規性を最大化するようにスプライン・パラメータを調整することを可能にし、モデルの品質と結果の解釈可能性を向上させることができる。

スプラインは新しいデータでは機能しないので、HPや他のフィルターでやり直すことが可能である。特定のモデルを作りたい場合。

実行しようとすると49行目でエラーが出ました - name 'norm' is not defined.この問題は、おそらく私のcollabの経験が浅いせいだろう。しかし、一般的な考え方はコードから非常に明確です。

主な問題は、スプラインは（決定論的な関数を作ろうとする他の試みと同様に）新しいデータでは機能しないということです。したがって、オプションを扱う本格的なオフィスでは、真面目な数学者は通常、議論中の記事のものと似たような精神で、ボラティリティに関する本格的な確率モデルを構築する。同時に、小規模なオプション・トレーダーの推論を見ると、その背後には、ステパノフの論文の考え方に似た、ボラティリティ変動の決定論に関する考え方があるように感じられる。

 
Aleksey Nikolayev #:

実行しようとしたところ、49行目でエラーが出ました - name 'norm' is not defined.この問題は、おそらく私のcollabの経験が浅いせいだろう。しかし、一般的な考え方はコードからよくわかります。

主な問題は、スプラインは（決定論的な関数を作ろうとする他の試みと同様に）新しいデータでは機能しないということです。したがって、オプションを扱う本格的なオフィスでは、真面目な数学者は、議論中の記事のものと似たような精神で、ボラティリティのための本格的な確率モデルを構築するのが普通である。同時に、小規模なオプション・トレーダーの推論を見ると、その背後には、ステパノフの論文の考え方に似た、ボラティリティ変動の決定論に関する考え方があるように感じられる。

ライブラリがインポートされていませんでした。

必要でした：
from scipy.stats import shapiro, norm

まあ、私は他の目的（履歴上の取引をマークする）でそれを使用しているので、私は任意の曲線を通してそれを行い、私が得るものを参照してください :)

頂点でマークする場合、ジグザグと比較することができます。こちらはスプラインからのずれでマークアップできます。

まあ、それはナンセンスの順序で、記事のトピックには適用されません、そうです。

 
mytarmailS #:
なぜ普通の線形回帰を教えないんだ？
なぜわざわざスプラインを使うんですか？ もっといい方法はいくらでもありますよ。

すでにMOのトピックに書いたけど、僕の問題では線形回帰の方が悪いことがわかった。それに、スプラインも回帰（区分的）から作られている。

つまり、このスプラインでは何も予測しない。私は履歴上の取引をマークするために曲線を使用しています。
12
新しいコメント