Vladimir : 다른 칼럼에서 이들은 서로 다른 경제 예측 변수입니다. GDP는 1166열에.......
데이터는 간단히 말해서 그렇게 뜨겁지 않습니다. + 추가 박제))) 내 던지다- GDP = 144.1876*COL83 GDP = COL226 GDP=COL739 GDP = 62 + COL1128 GDP = 0.001*COL1168 등... (COL83 = 83열) 나는 특별히 그것을 선택하지 않았다 (내가 matlab을 찾고 있던 것보다 적음))) 구분 기호가 있는 matlab에서 내보내기 ; = dlmwrite('myfile',데이터,';') 급습으로 1 obl당 두 모델. 앞으로 (빨간색과 녹색).
Vizard_ : 데이터는 간단히 말해서 그렇게 뜨겁지 않습니다. + 추가 박제))) 내 던지다- GDP = 144.1876*COL83 GDP = COL226 GDP=COL739 GDP = 62 + COL1128 GDP = 0.001*COL1168 등... (COL83 = 83열) 나는 특별히 그것을 선택하지 않았다 (내가 matlab을 찾고 있던 것보다 적음))) 구분 기호가 있는 matlab에서 내보내기 ; = dlmwrite('myfile',데이터,';') 급습으로 1 obl당 두 모델. 앞으로 (빨간색과 녹색).
세로선 오른쪽 = 새 데이터에 모델 적용 중...
시작하기에 나쁘지 않습니다. 세로선 은 몇 년도에 해당합니까? 그리고 모델에 얼마나 많은 예측 변수가 있습니까?
2008년 마이너스 GDP 성장률 동안 S&P500이 어떻게 하락했는지 보여주기 위한 것입니까, 아니면 직접 확인하기 위한 것입니까?
스레드의 맨 위로 이동하여 충돌이 발생하기 전에 충돌을 예측하고 롱 포지션을 피하는 내 목표에 대해 읽어보세요. 나는 거래에 관심이 없어 분기별 데이터를 사용합니다. 가장 중요한 것은 자본의 보존입니다. 그리고 S&P500이 그 추세와 플랫을 중심으로 변동하는 방식은 나에게 관심이 없습니다.
>> 이 라디오 공학 오만함을 제거하십시오 - 모든 경제학자를 바보로 생각하십시오... 이 수천 개의 경제 지표를 읽을 수 있다고 생각하는 이유는 무엇입니까? 그들은 또한 그것들을 읽습니다.
글쎄, 나는 모든 사람이 바보라고 생각하지 않지만 대다수는 그렇습니다. 이미 일어난 일을 가정하거나 경기 침체가 일어날 때까지 끊임없이 예측한 다음 자신을 천재라고 선언합니다. 2008년의 경제 붕괴를 예측한 경제학자는 단 한 명도 없었기 때문에 그렇습니다. Fed Bank는 16개의 공통 지표가 있는 SDGE 모델을 사용하여 경제를 예측하며 이 모델은 헛소리입니다. 그리고 당신은 아마도 그러한 모델에 대해 들어 본 적이 없을 것입니다.
그리고 여기에 라디오 엔지니어링 및 상관 관계가 있습니다. 나는 무선 공학 방법을 사용하지 않지만 그것들에 해를 끼치 지 않습니다. 당신이 경제에서 일반적으로 받아 들여지는 것과 다른 분석 방법의 존재와 모델의 생성을 허용하지 않는다는 의미에서 당신에게서 돌진하는 오만. 다른 과학 분야에서 모델링 및 머신 러닝의 발전을 무시하는 것은 새로운 발견을 허용하지 않는 오만 또는 어리석음입니다.
맞습니다. 최전방에 당국이 없습니다. 권위에 대한 존경과 존경, 그러나 당신은 자신의 머리로 생각하고 모든 것을 의심해야합니다. 확신하더라도 어쨌든 의심의 비율을 남겨 두십시오. 그러면 갑자기이 비율이 당신을 곤경에서 벗어날 것입니다.
Vladimir : 시작하기에 나쁘지 않습니다. 세로선 은 몇 년도에 해당합니까? 그리고 모델에 얼마나 많은 예측 변수가 있습니까?
심하게. 호기심에 보고 바로 다 지웠습니다. 내 생각에는 데이터에 정상적인 예측 변수가 없습니다. 처음 4줄을 잘랐는데 빈 값이 많았던 것 같다. Modelki는 처음 100개의 관찰을 기반으로 구축되었습니다. 104가 나왔고 105에서 이미 OOS가 되었습니다. 녹색 - 변환이 없는 매우 단순하고 6-7개의 예측 변수입니다. 빨간색 - 두 배 + 나는 조금 어지럽히고 절대 값과 사인 등을 모두 취했습니다. 음, OOS에서 볼 수 있습니다. 시작은 폭풍우입니다))) 둘 다 (안정성을 위해) - 계수가없고 단순합니다. 방식 사용된 예측 변수 사이. 나는 그것을 정규화하지 않고 그것이 깎는 곳을 더 명확하게 볼 수 있도록 첫 번째 차이(증가)로 가져왔습니다. 관찰이 거의 없습니다. 여기에 필요합니다. 약간의 "물리적 의미"가 있도록 모델을 만드십시오. 마찬가지로 - 실업 및 (또는) blah blah blah, 그들의 관계 ... 음, 기타. 시도했지만 작동하지 않았습니다.))) 재교육이 켜진 경우 각 관찰(쿼터)은 컷이 있는 한 입력에 무엇을 제출해야 하는지 전혀 중요하지 않습니다. 내가 이해하는 한, 그리드 자체는 사용자로부터 선택하지만, 그럼에도 불구하고 데이터는 청소를 먼저 하는게 좋은데..
내 Matlab 코드는 먼저 시뮬레이션된 기록에 NaN이 있는 예측자를 제거한 다음 동일한 방법을 사용하여 모든 데이터를 변환한 다음 전체 기록을 실행하여 과거의 예측 기능에 대해 2,000개의 예측자와 지연된 버전을 각각 시도합니다. future, 각 예측자별로 누적된 오류 예측을 계산하고 마지막에 오류별로 정렬된 예측자 목록을 제공합니다. 역사상 모든 과거 순간에 대해 이 작업을 수행하고 최고의 예측 변수를 사용하여 미래를 예측하면 경기 침체(GDP 하락)가 발생할 때까지 몇 년 동안 결과는 꽤 괜찮습니다. 그러한 순간에 과거의 최고의 예측 변수는 GDP의 하락을 예측하는 데 좋지 않으며 새로운 예측 변수로 대체됩니다. 그리고 다음 경기 침체까지 계속됩니다. 일부 주요 예측 변수에 대한 GDP 의존도에 대한 보편적인 공식이 있는지 여부는 아직 알 수 없습니다. 100년의 역사를 더하면 이 100년이 끝날 때 모든 경기 침체를 어느 정도 잘 예측한 예측 변수 목록이 있지만 다음 경기 침체가 발생하면 다시 새로운 예측 변수로 대체될 수 있습니다.
직관적으로 예측 변수를 선택하는 것도 실수입니다. 예를 들어, 실업률은 선행 예측 변수입니까 아니면 후행 예측 변수입니까? 높은 실업률이 경기 침체를 초래합니까, 아니면 경기 침체가 높은 실업률을 유발합니까? 경기 침체는 높은 실업률을 유발하므로 실업을 사용하여 경기 침체를 예측할 수 없습니다. 그러나 모델에서 일부 예측자를 사용하기로 한 결정은 누적된 예측 오류를 기반으로 내 코드에 의해 이루어집니다. 지금까지 내 모델의 선두 자리는 주택 건설 및 가계 소비에 대한 민간 투자를 기반으로 한 예측 변수가 차지했습니다. 주택과 가정용 장비가 GDP의 큰 부분을 차지하기 때문에 이것은 아마도 논리적일 것입니다. 사람들이 집, 냉장고, 텔레비전을 사지 않으면 생산은 떨어지고 GDP는 떨어지고 공장은 노동자를 해고하고 실업은 증가하고 소비는 훨씬 더 감소합니다. 공화당과 민주당은 각기 다른 방식으로 이 나라를 불황에서 벗어나게 하고 있습니다. 민주당원은 소비를 늘리거나 이민자가 새로운 소비자 질서를 만들도록 장려하기 위해 저임금(상품권)에게 돈을 줍니다. 공화당은 가난한 가정에 일회성으로 500~700달러의 혜택을 제공하면 새 집이나 자동차를 구입하고 경제를 발전시키는 데 방해가 될 것이라고 주장합니다. 그들은 특히 투자에 대한 세금을 낮추어 Borat에게 돈을 주는 것을 선호합니다. 그들의 이론은 더 적은 세금으로 더 많은 돈을 저축하는 부자가 값비싼 품목(주택, 자동차 등)을 구입하여 중요한 곳에서 소비를 증가시키거나 이 돈을 사업에 투자하여 실업률을 낮출 것이라는 것입니다. , 지불 능력 인구 증가 및 소비 증가. 모든 레이거노믹스는 이것을 기반으로 했습니다.
1. 상대 속도 계산: r[i] = x[i]/x[i-1]-1. 이러한 변환은 데이터를 자동으로 정규화하므로 미래를 내다볼 필요가 없으며 다른 작업을 수행할 필요가 없습니다. 하지만 제로 데이터(x[i-1]=0)와 마이너스 데이터에는 큰 문제가 있고, 경제 지표에도 그런 경우가 많다.
2. 증분 d[i] = x[i] - x[i-1]을 계산합니다. 이 변환은 0 또는 음수 데이터에 대해서는 신경 쓰지 않지만 연간 국내 총생산과 같이 기하급수적으로 증가하는 데이터에 대해 시간이 지남에 따라 증분이 증가합니다. 저것들. 분산이 일정하지 않습니다. 예를 들어, 실업률은 일정한 분산 범위에서 변동하고 GWP는 기하급수적으로 증가하는 분산과 함께 기하급수적으로 증가하기 때문에 실업률 에 대한 GWP 증분의 의존성을 구축하는 것은 불가능합니다. 이는 증분을 시간에 따라 변하는 분산으로 정규화해야 함을 의미합니다. 그러나 후자를 계산하는 것은 그리 쉬운 일이 아닙니다.
3. 예를 들어 Hodrick-Prescott 필터에 의해 계산된 추세를 데이터에서 제거하고 시변 분산으로 고주파수 잔차를 정규화하고 모델의 입력으로 사용합니다. 여기서 문제는 Hodrick-Prescott 필터와 다항식 피팅( Savitzky-Golay 필터, lowess 등) 기반의 다른 필터가 미래를 내다본다는 것입니다. 이동 평균은 데이터보다 뒤쳐지며 특히 기하급수적으로 증가하는 데이터에서 추세를 제거하는 데 적합하지 않습니다.
다른 아이디어가 있습니까?
(x[i] - x[i-1]) / (x[i] + x[i-1])을 사용합니다. 부정적인 데이터는 긍정적인 데이터보다 나쁘지 않습니다. [-1, +1]의 정규화는 [0, 1]보다 IMHO가 더 좋습니다.
이것은 어떤 의미에서입니까? 저는 2007년에 글로벌 위기를 예측했습니다.
이 삶의 모든 "예측"은 가치가 없습니다. 오직 돈만 가치가 있습니다.
그 예측으로 백만 달러를 벌었습니까?
전 세계적으로 수백만 명의 사람들이 무언가를 "예측"했습니다. 소수만이 성공했습니다.
나는 확신했습니다. 아파트를 담보로 대출하고 모든 것을 공개해야했습니다.
이 삶의 모든 "예측"은 가치가 없습니다. 오직 돈만 가치가 있습니다.
그 예측으로 백만 달러를 벌었습니까?
전 세계적으로 수백만 명의 사람들이 무언가를 "예측"했습니다. 소수만이 성공했습니다.
나는 확신했습니다. 아파트를 담보로 대출하고 모든 것을 공개해야했습니다.
Cossack, 당신의 탐욕과 1km Goldman Sachs에 대한 서두름에서 - om. 적어도 당신은 어떻게 든 변장했거나 .....
모든 것이 돈으로 측정되는 것은 아닙니다 . 경제학자나 트레이더가 되어야만 이해할 수 있습니다.
Cossack, 당신의 탐욕과 1 킬로미터에 대한 서두르는 Goldman Sachs - om. 적어도 당신은 어떻게 든 변장했거나 .....
모든 것이 돈으로 측정되는 것은 아닙니다 . 경제학자나 트레이더가 되어야만 이해할 수 있습니다.
)))
모든 것을 돈으로 측정하지 않고는 트레이더가 될 수 없습니다!
경제학자 - 당신은 할 수 있지만 상인 - 아니요.
그리고 2007년에 모든 것을 공개했다면 2008년 가을까지 바다코끼리의 말뚝을 벗어났을 것입니다.
내 던지다-
GDP = 144.1876*COL83
GDP = COL226
GDP=COL739
GDP = 62 + COL1128
GDP = 0.001*COL1168
등...
(COL83 = 83열)
나는 특별히 그것을 선택하지 않았다 (내가 matlab을 찾고 있던 것보다 적음)))
구분 기호가 있는 matlab에서 내보내기 ; = dlmwrite('myfile',데이터,';')
급습으로 1 obl당 두 모델. 앞으로 (빨간색과 녹색).
세로선 오른쪽 = 새 데이터에 모델 적용 중...
데이터는 간단히 말해서 그렇게 뜨겁지 않습니다. + 추가 박제)))
내 던지다-
GDP = 144.1876*COL83
GDP = COL226
GDP=COL739
GDP = 62 + COL1128
GDP = 0.001*COL1168
등...
(COL83 = 83열)
나는 특별히 그것을 선택하지 않았다 (내가 matlab을 찾고 있던 것보다 적음)))
구분 기호가 있는 matlab에서 내보내기 ; = dlmwrite('myfile',데이터,';')
급습으로 1 obl당 두 모델. 앞으로 (빨간색과 녹색).
세로선 오른쪽 = 새 데이터에 모델 적용 중...
글쎄, 봄, 곰이 일어났고 배고프다 ...
2008년 마이너스 GDP 성장률 동안 S&P500이 어떻게 하락했는지 보여주기 위한 것입니까, 아니면 직접 확인하기 위한 것입니까?
스레드의 맨 위로 이동하여 충돌이 발생하기 전에 충돌을 예측하고 롱 포지션을 피하는 내 목표에 대해 읽어보세요. 나는 거래에 관심이 없어 분기별 데이터를 사용합니다. 가장 중요한 것은 자본의 보존입니다. 그리고 S&P500이 그 추세와 플랫을 중심으로 변동하는 방식은 나에게 관심이 없습니다.
>> 이 라디오 공학 오만함을 제거하십시오 - 모든 경제학자를 바보로 생각하십시오... 이 수천 개의 경제 지표를 읽을 수 있다고 생각하는 이유는 무엇입니까? 그들은 또한 그것들을 읽습니다.
글쎄, 나는 모든 사람이 바보라고 생각하지 않지만 대다수는 그렇습니다. 이미 일어난 일을 가정하거나 경기 침체가 일어날 때까지 끊임없이 예측한 다음 자신을 천재라고 선언합니다. 2008년의 경제 붕괴를 예측한 경제학자는 단 한 명도 없었기 때문에 그렇습니다. Fed Bank는 16개의 공통 지표가 있는 SDGE 모델을 사용하여 경제를 예측하며 이 모델은 헛소리입니다. 그리고 당신은 아마도 그러한 모델에 대해 들어 본 적이 없을 것입니다.
그리고 여기에 라디오 엔지니어링 및 상관 관계가 있습니다. 나는 무선 공학 방법을 사용하지 않지만 그것들에 해를 끼치 지 않습니다. 당신이 경제에서 일반적으로 받아 들여지는 것과 다른 분석 방법의 존재와 모델의 생성을 허용하지 않는다는 의미에서 당신에게서 돌진하는 오만. 다른 과학 분야에서 모델링 및 머신 러닝의 발전을 무시하는 것은 새로운 발견을 허용하지 않는 오만 또는 어리석음입니다.
맞습니다. 최전방에 당국이 없습니다. 권위에 대한 존경과 존경, 그러나 당신은 자신의 머리로 생각하고 모든 것을 의심해야합니다. 확신하더라도 어쨌든 의심의 비율을 남겨 두십시오. 그러면 갑자기이 비율이 당신을 곤경에서 벗어날 것입니다.
"GDP의 마이너스 성장 중"이라는 밈에 만족합니다 :))))
시작하기에 나쁘지 않습니다. 세로선 은 몇 년도에 해당합니까? 그리고 모델에 얼마나 많은 예측 변수가 있습니까?
Modelki는 처음 100개의 관찰을 기반으로 구축되었습니다. 104가 나왔고 105에서 이미 OOS가 되었습니다. 녹색 - 변환이 없는 매우 단순하고 6-7개의 예측 변수입니다. 빨간색 - 두 배
+ 나는 조금 어지럽히고 절대 값과 사인 등을 모두 취했습니다. 음, OOS에서 볼 수 있습니다. 시작은 폭풍우입니다))) 둘 다 (안정성을 위해) - 계수가없고 단순합니다. 방식
사용된 예측 변수 사이. 나는 그것을 정규화하지 않고 그것이 깎는 곳을 더 명확하게 볼 수 있도록 첫 번째 차이(증가)로 가져왔습니다. 관찰이 거의 없습니다. 여기에 필요합니다.
약간의 "물리적 의미"가 있도록 모델을 만드십시오. 마찬가지로 - 실업 및 (또는) blah blah blah, 그들의 관계 ... 음, 기타. 시도했지만 작동하지 않았습니다.))) 재교육이 켜진 경우
각 관찰(쿼터)은 컷이 있는 한 입력에 무엇을 제출해야 하는지 전혀 중요하지 않습니다. 내가 이해하는 한, 그리드 자체는 사용자로부터 선택하지만, 그럼에도 불구하고 데이터는
청소를 먼저 하는게 좋은데..
내 Matlab 코드는 먼저 시뮬레이션된 기록에 NaN이 있는 예측자를 제거한 다음 동일한 방법을 사용하여 모든 데이터를 변환한 다음 전체 기록을 실행하여 과거의 예측 기능에 대해 2,000개의 예측자와 지연된 버전을 각각 시도합니다. future, 각 예측자별로 누적된 오류 예측을 계산하고 마지막에 오류별로 정렬된 예측자 목록을 제공합니다. 역사상 모든 과거 순간에 대해 이 작업을 수행하고 최고의 예측 변수를 사용하여 미래를 예측하면 경기 침체(GDP 하락)가 발생할 때까지 몇 년 동안 결과는 꽤 괜찮습니다. 그러한 순간에 과거의 최고의 예측 변수는 GDP의 하락을 예측하는 데 좋지 않으며 새로운 예측 변수로 대체됩니다. 그리고 다음 경기 침체까지 계속됩니다. 일부 주요 예측 변수에 대한 GDP 의존도에 대한 보편적인 공식이 있는지 여부는 아직 알 수 없습니다. 100년의 역사를 더하면 이 100년이 끝날 때 모든 경기 침체를 어느 정도 잘 예측한 예측 변수 목록이 있지만 다음 경기 침체가 발생하면 다시 새로운 예측 변수로 대체될 수 있습니다.
직관적으로 예측 변수를 선택하는 것도 실수입니다. 예를 들어, 실업률은 선행 예측 변수입니까 아니면 후행 예측 변수입니까? 높은 실업률이 경기 침체를 초래합니까, 아니면 경기 침체가 높은 실업률을 유발합니까? 경기 침체는 높은 실업률을 유발하므로 실업을 사용하여 경기 침체를 예측할 수 없습니다. 그러나 모델에서 일부 예측자를 사용하기로 한 결정은 누적된 예측 오류를 기반으로 내 코드에 의해 이루어집니다. 지금까지 내 모델의 선두 자리는 주택 건설 및 가계 소비에 대한 민간 투자를 기반으로 한 예측 변수가 차지했습니다. 주택과 가정용 장비가 GDP의 큰 부분을 차지하기 때문에 이것은 아마도 논리적일 것입니다. 사람들이 집, 냉장고, 텔레비전을 사지 않으면 생산은 떨어지고 GDP는 떨어지고 공장은 노동자를 해고하고 실업은 증가하고 소비는 훨씬 더 감소합니다. 공화당과 민주당은 각기 다른 방식으로 이 나라를 불황에서 벗어나게 하고 있습니다. 민주당원은 소비를 늘리거나 이민자가 새로운 소비자 질서를 만들도록 장려하기 위해 저임금(상품권)에게 돈을 줍니다. 공화당은 가난한 가정에 일회성으로 500~700달러의 혜택을 제공하면 새 집이나 자동차를 구입하고 경제를 발전시키는 데 방해가 될 것이라고 주장합니다. 그들은 특히 투자에 대한 세금을 낮추어 Borat에게 돈을 주는 것을 선호합니다. 그들의 이론은 더 적은 세금으로 더 많은 돈을 저축하는 부자가 값비싼 품목(주택, 자동차 등)을 구입하여 중요한 곳에서 소비를 증가시키거나 이 돈을 사업에 투자하여 실업률을 낮출 것이라는 것입니다. , 지불 능력 인구 증가 및 소비 증가. 모든 레이거노믹스는 이것을 기반으로 했습니다.
1. 상대 속도 계산: r[i] = x[i]/x[i-1]-1. 이러한 변환은 데이터를 자동으로 정규화하므로 미래를 내다볼 필요가 없으며 다른 작업을 수행할 필요가 없습니다. 하지만 제로 데이터(x[i-1]=0)와 마이너스 데이터에는 큰 문제가 있고, 경제 지표에도 그런 경우가 많다.
2. 증분 d[i] = x[i] - x[i-1]을 계산합니다. 이 변환은 0 또는 음수 데이터에 대해서는 신경 쓰지 않지만 연간 국내 총생산과 같이 기하급수적으로 증가하는 데이터에 대해 시간이 지남에 따라 증분이 증가합니다. 저것들. 분산이 일정하지 않습니다. 예를 들어, 실업률은 일정한 분산 범위에서 변동하고 GWP는 기하급수적으로 증가하는 분산과 함께 기하급수적으로 증가하기 때문에 실업률 에 대한 GWP 증분의 의존성을 구축하는 것은 불가능합니다. 이는 증분을 시간에 따라 변하는 분산으로 정규화해야 함을 의미합니다. 그러나 후자를 계산하는 것은 그리 쉬운 일이 아닙니다.
3. 예를 들어 Hodrick-Prescott 필터에 의해 계산된 추세를 데이터에서 제거하고 시변 분산으로 고주파수 잔차를 정규화하고 모델의 입력으로 사용합니다. 여기서 문제는 Hodrick-Prescott 필터와 다항식 피팅( Savitzky-Golay 필터, lowess 등) 기반의 다른 필터가 미래를 내다본다는 것입니다. 이동 평균은 데이터보다 뒤쳐지며 특히 기하급수적으로 증가하는 데이터에서 추세를 제거하는 데 적합하지 않습니다.
다른 아이디어가 있습니까?