모든 것이 간단합니다. 한 계열에 대한 자기회귀가 평가된 다음 다른 변수에서 다른 시차에서 가져온 값이 추가됩니다. 다음으로 두 번째 모델이 첫 번째 모델보다 성능이 좋은지 확인합니다. 그렇다면 인과관계가 있습니다. 마찬가지로 자동 회귀는 첫 번째 행의 지연 값을 포함하여 두 번째 행에서 확인됩니다. 때로는 양방향에 인과 관계가 있습니다. 이것은 시리즈가 단순히 상관 관계가 있음을 의미합니다.
alsu : 이 구성, QC의 요점은 무엇입니까? 또한 두 개의 임의 변수의 관계를 특성화하며, 특정 시간에 특정 간격이 아닌 특정 시점에 나타납니다. 후자는 두 비교 프로세스가 a) 고정적 b) 에르고딕인 경우에만 사실이며, 이는 감소된 기능에 대해 절대적으로 관찰되지 않으므로, 샘플 QC에 대한 실제 QC의 추정치로서 전혀 의미가 없습니다. 다시 말해, 먼저 정상성과 에르고딕성을 증명(또는 최소한 합리적으로 가정)해야 하며, 그런 다음에만 공식에서 계열을 대체해야 합니다.
익명 : ... 가장 중요한 것이 수식에 숫자를 대입하고 숫자를 얻는 것이라면 고정성과 에르고딕성은 중요하지 않습니다.
ergodicity 속성을 사용하면 샘플을 기반으로 일반 모집단에 대한 상관 함수를 평가할 수 있습니다. 이 속성이 충족되지 않으면 공식으로 얻은 숫자를 버릴 수 있습니다.
alsu,익명 이 그것을 알아낼 수 있도록 도와주세요. 이것이 밝혀졌습니다.어떤 기호의 Bid와 Ask 사이의 명백한 양의 상관관계는 허구임이밝혀졌습니다 . 그리고 직접 인용부호와 역 인용부호 사이의 음의 상관 관계는 고정도 아니고 에르고딕도 아니기 때문에 버릴 수 있는 것입니다.
우선, 그것이 어떻게 작동하는지 아는 것이 좋을 것입니다.
여기에서 나는 파헤치고, 조금씩 깨물고, 그가 그것을 하려고 하는 방법을 이해하기 시작하려고 합니다.
나를 소개하겠습니다 : 전문 "수학 통계", 전문 : " 계량 경제학 ".
수학적 통계와 계량 경제학의 경제학에 대한 응용에는 무수히 많은 종류의 테스트, 모델이 있습니다. 각각은 너트가 없는 렌치처럼 완전히 쓸모가 없습니다. 유틸리티의 이점은 모델이 구축된 특정 목표의 틀 내에서만 이해할 수 있습니다.
여기에서 그들은 WHAT과 이 WHAT의 어떤 모델에 대해 논의합니다. Granger가 필요하지 않을 수 있습니다.
나에게 한 가지 분명한 것은 이 포럼에서는 예측만 논의해야 하며 분석은 예측 모델을 구축하고 테스트하는 보조 도구라는 것입니다.
다음 예측은? 가격 가치?, 가격 증분? 또는 다른 것? 이것을 결정하지 않으면 우리는 쓸모없는 계량 경제학 도구 세트를 보게 될 것이며 해석에서 분명히 실수를 할 것이고 다르고 쓸모없는 의견을 가질 것입니다.
저를 소개하겠습니다: 전문 분야 "수학 통계", 전문 분야: "계량 측정".
...
아주 좋아.
이제 본론으로 들어가겠습니다. Granger 테스트의 본질을 설명해 주십시오. 그러면 물어볼 사람이 없습니다. 또한 가능하면 전송 엔트로피에 대한 몇 마디.
저를 소개하겠습니다: 전문 분야 "수학 통계", 전문 분야: "계량 측정".
수학적 통계와 계량 경제학의 경제학에 대한 응용에는 무수히 많은 종류의 테스트, 모델이 있습니다. 각각은 너트가 없는 렌치처럼 완전히 쓸모가 없습니다. 유틸리티의 이점은 모델이 구축된 특정 목표의 틀 내에서만 이해할 수 있습니다.
여기에서 그들은 WHAT과 이 WHAT의 어떤 모델에 대해 논의합니다. Granger가 필요하지 않을 수 있습니다.
나에게 한 가지 분명한 것은 이 포럼에서는 예측만 논의해야 하며 분석은 예측 모델을 구축하고 테스트하는 보조 도구라는 것입니다.
다음 예측은? 가격 가치?, 가격 증분? 또는 다른 것? 이것을 결정하지 않으면 우리는 쓸모없는 계량 경제학 도구 세트를 보게 될 것이며 해석에서 분명히 실수를 할 것이고 다르고 쓸모없는 의견을 가질 것입니다.
그건 그렇고, 우리가 여기에서 방법으로 간주되는 것이 무엇인지, 모델이 무엇인지, 여기서 I(1), I(0), 나는 논의 중인 주제에 기반한 다른 거래 시스템에 대해 설명하고 있습니다.
이것은 막대기가 어디에서 시작되고 어디가 시작되는지 논의하는 것으로 충분할 수 있다는 사실에 대해 나입니다. 그러나 이 막대기를 적어도 어느 정도 끝마치고 그것으로 전리품을 망치기 시작합니까?
마음에 드신다니 다행이지만 저를 너무 과대평가하신 것 같아요.
시험에 합격한 후 머리에 남아있는 것을 말하려고 합니다.
전송 엔트로피에 대해 아무것도 기억하지 않습니다.
그랜저에 대해
우리는 상관, 공적분 및 Granger 테스트의 세 가지 다소 가까운 개념을 부를 수 있습니다.
상관 관계는 상수입니다. 상관 관계가 계산되는 두 RV의 각 샘플이 이러한 RV의 일반 모집단에서 다른 샘플과 통계적으로 동일한 경우 이 두 RV는 종속적이라고 할 수 있습니다. 더 정확하게는 그들의 행동이 비슷합니다. 이것은 정규 분포 SW에 해당됩니다.
CV가 정상이 아닌 경우 두 CV의 상호 의존성의 특성이 숫자가 아니라 특정 속성을 갖는 계열일 때 공적분을 사용합니다.
Granger를 사용하면 "닭이 먼저냐 달걀이 먼저냐"는 원칙에 따라 의존성의 방향을 계산할 수 있습니다. 다른 종속성 속성입니다.
여기 내 이해가 있습니다. 그러나 이것은 첫 번째 근사치입니다. 다시. 초기 시계열 에 대한 설명부터 시작하여 모델을 설명한 다음 나열된 개념으로 내려갈 수 있습니다.
그건 그렇고, 우리가 여기에서 방법으로 간주되는 것이 무엇인지, 모델이 무엇인지, 여기서 I(1), I(0), 나는 논의 중인 주제에 기반한 다른 거래 시스템에 대해 설명하고 있습니다.
이것은 막대기가 어디에서 시작되고 어디가 시작되는지 논의하는 것으로 충분할 수 있다는 사실에 대해 나입니다. 그러나 이 막대기를 적어도 어느 정도 끝마치고 그것으로 전리품을 망치기 시작합니까?
문제는 돈을 버는 데 있는 것이 아니라 내일도 그렇게 될 것이라는 것을 이해하는 데 있습니다. 글쎄요, 어느 정도 정확합니다.
이제 본론으로 들어가겠습니다. Granger 테스트의 본질을 설명해 주십시오.
모든 것이 간단합니다. 한 계열에 대한 자기회귀가 평가된 다음 다른 변수에서 다른 시차에서 가져온 값이 추가됩니다. 다음으로 두 번째 모델이 첫 번째 모델보다 성능이 좋은지 확인합니다. 그렇다면 인과관계가 있습니다. 마찬가지로 자동 회귀는 첫 번째 행의 지연 값을 포함하여 두 번째 행에서 확인됩니다. 때로는 양방향에 인과 관계가 있습니다. 이것은 시리즈가 단순히 상관 관계가 있음을 의미합니다.
전송 엔트로피 에서 여기에서 링크를 읽으십시오.
http://stats.stackexchange.com/questions/12573/calculating-the-transfer-entropy-in-r
알겠습니다. 하지만 내 시스템이 실행되고 있는 것을 정확히 이해한다면? 이 요소를 정확하게 측정할 수 있습니다. 행복하기 위해 그 밖에 무엇이 필요합니까?
ergodicity 속성을 사용하면 샘플을 기반으로 일반 모집단에 대한 상관 함수를 평가할 수 있습니다. 이 속성이 충족되지 않으면 공식으로 얻은 숫자를 버릴 수 있습니다.