LAD 또는 분위수 회귀를 더 잘 사용합니다. 더 복잡하지만(당신은 훨씬 더 많은 코딩을 해야 하고 과학에 충실해야 합니다), 작동합니다 ...
따옴표에 실제로 효과가 있는 것은 무엇입니까? 이에 대한 객관적인 증거가 있습니까?
PS IMHO, 외삽이라고 주장하는 모든 근사값은 정상성을 가정합니다. 뚱뚱한 꼬리(다시 말하지만 IMHO)는 정상성 붕괴를 나타냅니다. 즉, 이를 고려하려는 시도는 예측에 특정한 것을 추가하지 않습니다. 글쎄, 그것은 신뢰 구간을 확장하여 예측을 쓸모 없게 만들고 우리에게 무슨 소용이 있습니까?
그러나 이것들은 모두 추측적인 주장이며, 나는 그것을 반박하는 실제 데이터를 기꺼이 볼 것입니다.
PS IMHO, 외삽이라고 주장하는 모든 근사값은 정상성을 가정합니다. 뚱뚱한 꼬리(다시 말하지만 IMHO)는 정상성 붕괴를 나타냅니다. 즉, 이를 고려하려는 시도는 예측에 특정한 것을 추가하지 않습니다. 글쎄, 그것은 신뢰 구간을 넓혀 예측을 쓸모 없게 만들 것이며 그것이 우리에게 무슨 소용이 있습니까?
그러나 이것들은 모두 추측적인 주장이며, 나는 그것을 반박하는 실제 데이터를 기꺼이 볼 것입니다.
다중 통화 분석에서 회귀 매개변수의 평가는 "정면" 외삽을 포함하지 않을 수 있지만, 예를 들어 유동성이 적은 쌍으로 거래할 때 이러한 매개변수를 고려하면 통계 이점을 얻을 수 있습니다(결국 우리는 그러나 우리는 DC 호가에 베팅합니다).
근데 퍼짐이 크네...
그러나 그럼에도 불구하고 - 메이저의 중요한 움직임으로 마이너는 "기록 된"에 따라 행동합니다.
PS IMHO, 외삽이라고 주장하는 모든 근사값은 정상성을 가정합니다. 뚱뚱한 꼬리(다시 말하지만 IMHO)는 정상성 붕괴를 나타냅니다. 즉, 이를 고려하려는 시도는 예측에 특정한 것을 추가하지 않습니다. 글쎄, 그것은 신뢰 구간을 확장하여 예측을 쓸모 없게 만들고 우리에게 무슨 소용이 있습니까?
그러나 이것들은 모두 추측적인 주장이며, 나는 그것을 반박하는 실제 데이터를 기꺼이 볼 것입니다.
나는 이론적으로 설명하려고 노력할 것입니다. 왜냐하면. 아직 계산 데이터를 제공할 준비가 되지 않았습니다. 원시 데이터입니다.
내 연구 과정에서 가격 시계열을 두 개의 고정(!) 프로세스의 합으로 나타내려고 했습니다. a) 최대 2-3개의 샘플까지 유의한 상관 관계가 있는 가우스 특성은 여전히 약간 "부동") 및 b) 외부 영향에 대한 반응의 푸아송 흐름. 첫 번째는 그것이 무엇인지 우리 모두가 알고 있다는 것입니다. 두 번째 것은 정확히 당신이 "정상성 파손"이라고 부르는 것과 실제로 뚱뚱한 지수 꼬리의 형성으로 이어지는 것입니다. 그러나 우리가 그러한 모델을 고려한다면, 우리가 화면에서 보는 시세 흐름의 비정상성이 명백하다는 것이 밝혀졌습니다. 사실, 두 개의 고정된 프로세스의 합은 넓고 좁은 감각.
최소 제곱의 도움으로 근사화하여 회귀 다항식을 프로세스의 정상적인 부분뿐만 아니라 푸아송 이상치에도 "달라붙게" 만들므로 예측의 효율성이 낮습니다. 일반적으로 . 반면에 분위수 다항식을 취하면 두 번째 프로세스의 푸아송 부분을 완전히 제거합니다. 분위수는 단순히 그것에 반응하지 않으며 절대적으로 있습니다. 따라서 회귀가 상당한 시도를 제공하는 위치를 결정하면 높은 수준의 확실성으로 "실패"를 거의 온라인으로 현지화할 수 있습니다(아마도 해당 모델이 없기 때문에 아직 예측할 수 없을 것입니다. 나는 가지고있다:).
대략 (매우) 비교 결과를 제공할 것입니다(손으로 반만 수행): OLS에 대한 고정성 분석(첫 번째 막대에서 올바른 결정 빈도)의 현지화 효율성은 분위수에 대해 약 0.55-0.6입니다. - 0.85 이상(여기에는 여전히 많은 작업이 있습니다). 여기에 승리가 있습니다.
최소 제곱의 도움으로 근사화하여 회귀 다항식이 프로세스의 정상적인 부분뿐만 아니라 푸아송 이상치에도 "달라붙게" 강제하므로 예측의 효율성이 낮고 일반적으로 . 반면에 분위수 다항식을 취하면 두 번째 프로세스의 푸아송 부분을 완전히 제거합니다. 분위수는 단순히 그것에 반응하지 않으며 절대적으로 있습니다. 따라서 회귀가 상당한 시도를 제공하는 위치를 결정하면 높은 수준의 확실성으로 "실패"를 거의 온라인으로 현지화할 수 있습니다(아마도 해당 모델이 없기 때문에 아직 예측할 수 없을 것입니다. 나는 가지고있다:)
흠. 즉, 모든 것이 정확히 반대이며 신뢰 구간 의 확장이 아니라 축소입니다. 매우 흥미롭습니다. 반드시 읽어야 합니다. 감사합니다.
고정적이라는 사실과 혼란의 과정에 대해서는 당연히 반대하고 싶다. 그러나 논쟁이 없기 때문에 한 가지만 남아 있습니다. 생각하는 것입니다.
내 연구 과정에서 가격 시계열을 두 개의 고정(!) 프로세스의 합으로 나타내려고 했습니다. a) 최대 2-3개의 샘플까지 유의한 상관 관계가 있는 가우스 특성은 여전히 약간 "부동") 및 b) 외부 영향에 대한 반응의 푸아송 흐름. 첫 번째는 그것이 무엇인지 우리 모두가 알고 있다는 것입니다. 두 번째 것은 정확히 당신이 "정상성 파손"이라고 부르는 것이며 실제로 두꺼운 지수 꼬리의 형성으로 이어지는 것입니다.
매우 흥미로운. 솔직한 , 유인도에서 준 고정 프로세스가 있는 메타 모델에 대한 주제를 기억합니까(디퍼크가 있고 우리도 모자에서 토끼를 꺼냈습니다)? 뭔가 매우 비슷합니다. 지식권은 여전히 존재하고, 그 안의 생각은 공통적...
글쎄, 그것을 가지고 다항식으로 근사할 때 오류의 경험적 분포를 얻으십시오. 그리고 정상과 비교합니다. 중앙 부분이 아닌 꼬리 부분에 특별한 주의를 기울이십시오.
다항식에서 가장 좋은(최소 제곱의 의미에서) 매개변수를 선택하는 것에 대해 이야기하고 있습니까?
아니면 그들을 선택하지만 다른 의미에서 최고입니까?
또는 근사를 위한 다항식의 올바른 선택에 대해?
미리 선택된 함수의 매개변수를 계산하는 최소제곱법의 비효율성에 대해 설명을 부탁했습니다.
그리고 이러한 매개 변수를 결정하는 동일한 간단한 절차가 있다면 기꺼이 알게 될 것입니다.
그러나 질문의 포즈는 나를 놀라게합니다. 오류에 꼬리가 있기 때문에 MNC가 좋지 않습니다 ...
;)
LAD 또는 분위수 회귀를 더 잘 사용합니다. 더 복잡하지만(당신은 훨씬 더 많은 코딩을 해야 하고 과학에 충실해야 합니다), 작동합니다 ...
따옴표에 실제로 효과가 있는 것은 무엇입니까? 이에 대한 객관적인 증거가 있습니까?
PS IMHO, 외삽이라고 주장하는 모든 근사값은 정상성을 가정합니다. 뚱뚱한 꼬리(다시 말하지만 IMHO)는 정상성 붕괴를 나타냅니다. 즉, 이를 고려하려는 시도는 예측에 특정한 것을 추가하지 않습니다. 글쎄, 그것은 신뢰 구간을 확장하여 예측을 쓸모 없게 만들고 우리에게 무슨 소용이 있습니까?
그러나 이것들은 모두 추측적인 주장이며, 나는 그것을 반박하는 실제 데이터를 기꺼이 볼 것입니다.
PS IMHO, 외삽이라고 주장하는 모든 근사값은 정상성을 가정합니다. 뚱뚱한 꼬리(다시 말하지만 IMHO)는 정상성 붕괴를 나타냅니다. 즉, 이를 고려하려는 시도는 예측에 특정한 것을 추가하지 않습니다. 글쎄, 그것은 신뢰 구간을 넓혀 예측을 쓸모 없게 만들 것이며 그것이 우리에게 무슨 소용이 있습니까?
그러나 이것들은 모두 추측적인 주장이며, 나는 그것을 반박하는 실제 데이터를 기꺼이 볼 것입니다.
다중 통화 분석에서 회귀 매개변수의 평가는 "정면" 외삽을 포함하지 않을 수 있지만, 예를 들어 유동성이 적은 쌍으로 거래할 때 이러한 매개변수를 고려하면 통계 이점을 얻을 수 있습니다(결국 우리는 그러나 우리는 DC 호가에 베팅합니다).
근데 퍼짐이 크네...
그러나 그럼에도 불구하고 - 메이저의 중요한 움직임으로 마이너는 "기록 된"에 따라 행동합니다.
;)
FreeLance :
그러나 그럼에도 불구하고 - 메이저의 중요한 움직임으로 마이너는 "기록 된"에 따라 행동합니다.
따옴표에 실제로 효과가 있는 것은 무엇입니까? 이에 대한 객관적인 증거가 있습니까?
PS IMHO, 외삽이라고 주장하는 모든 근사값은 정상성을 가정합니다. 뚱뚱한 꼬리(다시 말하지만 IMHO)는 정상성 붕괴를 나타냅니다. 즉, 이를 고려하려는 시도는 예측에 특정한 것을 추가하지 않습니다. 글쎄, 그것은 신뢰 구간을 확장하여 예측을 쓸모 없게 만들고 우리에게 무슨 소용이 있습니까?
그러나 이것들은 모두 추측적인 주장이며, 나는 그것을 반박하는 실제 데이터를 기꺼이 볼 것입니다.
나는 이론적으로 설명하려고 노력할 것입니다. 왜냐하면. 아직 계산 데이터를 제공할 준비가 되지 않았습니다. 원시 데이터입니다.
내 연구 과정에서 가격 시계열을 두 개의 고정(!) 프로세스의 합으로 나타내려고 했습니다. a) 최대 2-3개의 샘플까지 유의한 상관 관계가 있는 가우스 특성은 여전히 약간 "부동") 및 b) 외부 영향에 대한 반응의 푸아송 흐름. 첫 번째는 그것이 무엇인지 우리 모두가 알고 있다는 것입니다. 두 번째 것은 정확히 당신이 "정상성 파손"이라고 부르는 것과 실제로 뚱뚱한 지수 꼬리의 형성으로 이어지는 것입니다. 그러나 우리가 그러한 모델을 고려한다면, 우리가 화면에서 보는 시세 흐름의 비정상성이 명백하다는 것이 밝혀졌습니다. 사실, 두 개의 고정된 프로세스의 합은 넓고 좁은 감각.
최소 제곱의 도움으로 근사화하여 회귀 다항식을 프로세스의 정상적인 부분뿐만 아니라 푸아송 이상치에도 "달라붙게" 만들므로 예측의 효율성이 낮습니다. 일반적으로 . 반면에 분위수 다항식을 취하면 두 번째 프로세스의 푸아송 부분을 완전히 제거합니다. 분위수는 단순히 그것에 반응하지 않으며 절대적으로 있습니다. 따라서 회귀가 상당한 시도를 제공하는 위치를 결정하면 높은 수준의 확실성으로 "실패"를 거의 온라인으로 현지화할 수 있습니다(아마도 해당 모델이 없기 때문에 아직 예측할 수 없을 것입니다. 나는 가지고있다:).
대략 (매우) 비교 결과를 제공할 것입니다(손으로 반만 수행): OLS에 대한 고정성 분석(첫 번째 막대에서 올바른 결정 빈도)의 현지화 효율성은 분위수에 대해 약 0.55-0.6입니다. - 0.85 이상(여기에는 여전히 많은 작업이 있습니다). 여기에 승리가 있습니다.
최소 제곱의 도움으로 근사화하여 회귀 다항식이 프로세스의 정상적인 부분뿐만 아니라 푸아송 이상치에도 "달라붙게" 강제하므로 예측의 효율성이 낮고 일반적으로 . 반면에 분위수 다항식을 취하면 두 번째 프로세스의 푸아송 부분을 완전히 제거합니다. 분위수는 단순히 그것에 반응하지 않으며 절대적으로 있습니다. 따라서 회귀가 상당한 시도를 제공하는 위치를 결정하면 높은 수준의 확실성으로 "실패"를 거의 온라인으로 현지화할 수 있습니다(아마도 해당 모델이 없기 때문에 아직 예측할 수 없을 것입니다. 나는 가지고있다:)
흠. 즉, 모든 것이 정확히 반대이며 신뢰 구간 의 확장이 아니라 축소입니다. 매우 흥미롭습니다. 반드시 읽어야 합니다. 감사합니다.
고정적이라는 사실과 혼란의 과정에 대해서는 당연히 반대하고 싶다. 그러나 논쟁이 없기 때문에 한 가지만 남아 있습니다. 생각하는 것입니다.
시간 문제를 해결할 수 있습니까? :) 창 크기 선택 문제를 의미합니다.
내 연구 과정에서 가격 시계열을 두 개의 고정(!) 프로세스의 합으로 나타내려고 했습니다. a) 최대 2-3개의 샘플까지 유의한 상관 관계가 있는 가우스 특성은 여전히 약간 "부동") 및 b) 외부 영향에 대한 반응의 푸아송 흐름. 첫 번째는 그것이 무엇인지 우리 모두가 알고 있다는 것입니다. 두 번째 것은 정확히 당신이 "정상성 파손"이라고 부르는 것이며 실제로 두꺼운 지수 꼬리의 형성으로 이어지는 것입니다.
매우 흥미로운. 솔직한 , 유인도에서 준 고정 프로세스가 있는 메타 모델에 대한 주제를 기억합니까(디퍼크가 있고 우리도 모자에서 토끼를 꺼냈습니다)? 뭔가 매우 비슷합니다. 지식권은 여전히 존재하고 그 안의 생각은 공통적...
시간 문제를 해결할 수 있습니까? :) 창 크기 선택 문제를 의미합니다.