다른 모든 통계 값과 수치 기준도 마찬가지입니다. 추정의 정확성이 필요합니다. 신뢰할 수 있는 간격은 이를 수행하는 한 가지 방법입니다. 116개의 관측치는 적용되는 기준에 상관없이 정규 분포를 할당하거나 할당하지 않은 결과를 신뢰하기에 충분하지 않습니다.
왜 분석을 안 해? 귀하의 기사에는 1.3이라고 나와 있습니다.
분석의 맨 처음에는 고정 인용문을 찾는 사람들을 대상으로 했습니다. 공리가 비정상성인 경우 정규성 분석을 확인할 필요가 없습니다.
400 거래에 대한 이익 계수는 40 거래와 같은 방식으로 계산할 수 있습니까?
물론 400이 더 좋습니다. 400에서 역사를 달릴 수 있지만 모델의 적합성에 대한 질문에 더 합리적인 대답을 얻을 것입니다. 모델 속성의 수치적 특성에서 예측 능력에 대한 결론을 얻으려고 합니다. 귀하의 관점에서: 귀하는 과거 데이터에 대한 추세 결론을 얻었습니다. 이 결론을 표본에 대해 외삽할 수 있습니까? 매우 흥미로운 질문입니다. 선택 영역에서 최소한 한 단계 벗어나지 않는 한 선택 영역 내의 모든 정보는 가치가 없습니다.
물론 400이 더 좋습니다. 400에서 역사를 달릴 수 있지만 모델의 적합성에 대한 질문에 더 합리적인 대답을 얻을 것입니다. 모델 속성의 수치적 특성에서 예측 능력에 대한 결론을 얻으려고 합니다. 귀하의 관점에서: 귀하는 과거 데이터에 대한 추세 결론을 얻었습니다. 이 결론을 표본에 대해 외삽할 수 있습니까? 매우 흥미로운 질문입니다. 선택 영역에서 최소한 한 단계 벗어나지 않는 한 선택 영역 내의 모든 정보는 가치가 없습니다.
견고성 추정치입니다. 공식적으로 - 다음을 포함한 일부 통계적 특성의 보존. 그리고 테스트 샘플 외부. 그러나 공식적인 솔루션은 시스템이 너무 늦게 감지되거나 전혀 감지되지 않는다는 사실로 이어집니다. 따라서 좀 더 유연하게 접근할 필요가 있지만 이것은 브랜치의 주제가 아닌 것 같습니다.
계속 진행합니다. 나머지는 고정적이지 않기 때문에 하나의 단일 표본에 맞는 모델이 다른 독립 표본에서 확인되면 나머지는 더 이상 일정하지 않게 됩니다. 다른 샘플에 맞출 수도 있지만 이러한 동일한 피팅 후에는 각 개별 샘플에 대해 다른 모델을 얻게 됩니다.
나는 영재를 위해 다시 한 번 반복합니다. 정상성은 서로 다른 독립적인 표본에 대한 통계 데이터의 일치에 의해서만 드러날 수 있습니다. 그리고 그런 우연은 없습니다.
계량 경제학 조작의 전체 트릭은 바로 이 샘플의 모든 잔차가 거의 같도록 모델을 일부 샘플에 맞출 수 있는 방법을 찾았다는 것입니다. 그러나 이러한 초점은 단일 표본에 대해서만 발생하고 다른 표본에서는 모델이 다른 결과를 제공하기 때문에 잔차는 비정상적이지만 단일 표본에만 적합 합니다. 계량경제학 모델은 미래를 외삽할 수 없습니다. 그들은 아직 모델에 맞는 과거 데이터가 없습니다(앞으로만 나타날 것입니다).
이것은 다시 그리기 표시기와 동일합니다. 판독값을 특정 데이터로 조정하여 소급하여 변경합니다.
미래의 잔차와 함께 정지할 잔차를 선택하는 것은 제 목표가 아닙니다. 나는 미래를 알지 못하며 다음 샘플 외 바에서 정확히 한 단계 앞서 있는 미래에 관심이 있습니다.
아이디어는 다음과 같습니다. 기존 샘플에 대한 모델을 구축합니다. 모델 구축의 끝은 이 표본에 대한 정상 잔차입니다 . 나는 미래 잔차의 정상성에 대해 어떤 결론도 내리지 않으며, 다음 이유 때문에 그것들이 필요하지 않습니다. 나는 그 특성이 정확히 한 막대 앞으로 충분하도록 모델을 만들려고합니다. 모든 것, 더 이상은 없습니다. 이 막대를 예측합니다. 그가 오면 나는 새 모델을 만들기 시작합니다. 처음부터 전체 알고리즘. 표를 보면 한 바씩 이동하면 시차 수가 변경됨을 알 수 있습니다. 일종의 적응 알고리즘.
난 사실 이후에 아무것도하지 않습니다. 나는 앞을 내다볼 때 모델의 뛰어난 품질에 대한 최종 테이블 데이터를 의도적으로 인용했습니다. 그리고 그들과 함께 예측할 때 결과는 엄격하게 선택에서 다음 막대입니다.
Sori, topicstarter, 나는 약간 주제에서 벗어났지만 내 질문은 통계와 관련이 있기 때문에 그다지 주제에서 벗어나지 않습니다.
어디선가 악기에 대한 통계를 수집하는 스크립트를 만났습니다. 누가 좀 알려주세요. 저는 스프레드 대비 수익률이 가장 높은 상품에 관심이 있습니다. 대략적으로 말하면, 우리는 가능한 가장 높은 위쪽 및 아래쪽 그림자를 가진 가장 많은 수의 양초를 가진 도구에 관심이 있습니다.
Sori, topicstarter, 나는 약간 주제에서 벗어났지만 내 질문은 통계와 관련이 있기 때문에 그다지 주제에서 벗어나지 않습니다.
어디선가 악기에 대한 통계를 수집하는 스크립트를 만났습니다. 누가 좀 알려주세요. 저는 스프레드 대비 수익률이 가장 높은 상품에 관심이 있습니다. 대략적으로 말하면, 우리는 가능한 가장 높은 위쪽 및 아래쪽 그림자를 가진 가장 많은 수의 양초를 가진 도구에 관심이 있습니다.
계량 경제학파의 지지자로서 당신은 그러한 목표를 가질 수 없습니다. 미래는 적합성을 드러내고 따라서 종교적 신념을 타협합니다. 그러나 고정성의 수학적 정의는 항상 고정성이 표본, 미래 또는 과거 또는 무엇이든 간에 분산 및 기대 값의 독립성을 의미합니다. 수학적 정의에 따르면 샘플에 의존하는(변경 가능한) 모든 것은 고정적이지 않습니다.
faa1947 :
나는 그 특성이 정확히 한 바 앞에 충분하도록 그러한 모델을 구축하려고 노력하고 있습니다. 모든 것, 더 이상은 없습니다. 이 막대를 예측합니다. 그가 오면 나는 새 모델을 만들기 시작합니다.
이것은 다시 그리는 것입니다. 개조. 정확히 같은 트릭이 다시 그리기 표시기를 보여줍니다. 과적합이 없는 모델은 표본에 관계없이 정상 잔차를 생성해야 하며, 그러면 모델에서 얻은 잔차의 정상성에 대해 이야기할 수 있습니다.
탑스타터가 완고하게 인정하기를 거부 하는 전략 테스터 가 말합니다.
인정하고 받아들입니다. EViews에서 구현하고 결과를 테이블 형식으로 배치했습니다.
동시에 그는 자신의 모델이 작동하지 않는 이유를 궁금해합니다. R ^ 2 등으로이 전체 정원을 펜싱 할 가치가 있습니다. 단순한 테스트가 무엇이 무엇인지에 대해 훨씬 더 객관적일 때.
트랙에서 자동차를 테스트하기 전에 볼트와 너트를 계산합니다. 이러한 계산 없이는 아무도 아무 것도 경험하지 못할 것입니다. 테스트가 필요하지만 제대로 설계된 자동차입니다.
내 모델은 고유한 수치적 특성을 가진 특정 속성 집합이 있다는 점에서 TA의 TS와 다릅니다.
내 목표: 모델의 측정된 속성에서 모델의 예측 기능에 대한 결론 도출
이 문제에 대해 모든 사람을 초대했습니다.
작업 중인 모델을 팀에 병합할 목표는 없습니다. 내 비용으로 뭔가를 잡거나 이익을 얻으려는 사람들은 무료입니다.
통계에서 그러한 경험적 규칙이 해결되었습니다. 최소 300 점이 있어야합니다. 이것이 하한입니다.
그것은 헛소리에서입니다. 그것은 모두 우리가 고려하는 것과 배포의 종류에 달려 있습니다.
그것은 헛소리에서입니다. 그것은 모두 우리가 고려하는 것과 배포의 종류에 달려 있습니다.
다른 모든 통계 값과 수치 기준도 마찬가지입니다. 추정의 정확성이 필요합니다. 신뢰할 수 있는 간격은 이를 수행하는 한 가지 방법입니다. 116개의 관측치는 적용되는 기준에 상관없이 정규 분포를 할당하거나 할당하지 않은 결과를 신뢰하기에 충분하지 않습니다.
왜 분석을 안 해? 귀하의 기사에는 1.3이라고 나와 있습니다.
분석의 맨 처음에는 고정 인용문을 찾는 사람들을 대상으로 했습니다. 공리가 비정상성인 경우 정규성 분석을 확인할 필요가 없습니다.
400 거래에 대한 이익 계수는 40 거래와 같은 방식으로 계산할 수 있습니까?
물론 400이 더 좋습니다. 400에서 역사를 달릴 수 있지만 모델의 적합성에 대한 질문에 더 합리적인 대답을 얻을 것입니다. 모델 속성의 수치적 특성에서 예측 능력에 대한 결론을 얻으려고 합니다. 귀하의 관점에서: 귀하는 과거 데이터에 대한 추세 결론을 얻었습니다. 이 결론을 표본에 대해 외삽할 수 있습니까? 매우 흥미로운 질문입니다. 선택 영역에서 최소한 한 단계 벗어나지 않는 한 선택 영역 내의 모든 정보는 가치가 없습니다.
물론 400이 더 좋습니다. 400에서 역사를 달릴 수 있지만 모델의 적합성에 대한 질문에 더 합리적인 대답을 얻을 것입니다. 모델 속성의 수치적 특성에서 예측 능력에 대한 결론을 얻으려고 합니다. 귀하의 관점에서: 귀하는 과거 데이터에 대한 추세 결론을 얻었습니다. 이 결론을 표본에 대해 외삽할 수 있습니까? 매우 흥미로운 질문입니다. 선택 영역에서 최소한 한 단계 벗어나지 않는 한 선택 영역 내의 모든 정보는 가치가 없습니다.
계속 진행합니다. 나머지는 고정적이지 않기 때문에 하나의 단일 표본에 맞는 모델이 다른 독립 표본에서 확인되면 나머지는 더 이상 일정하지 않게 됩니다. 다른 샘플에 맞출 수도 있지만 이러한 동일한 피팅 후에는 각 개별 샘플에 대해 다른 모델을 얻게 됩니다.
나는 영재를 위해 다시 한 번 반복합니다. 정상성은 서로 다른 독립적인 표본에 대한 통계 데이터의 일치에 의해서만 드러날 수 있습니다. 그리고 그런 우연은 없습니다.
계량 경제학 조작의 전체 트릭은 바로 이 샘플의 모든 잔차가 거의 같도록 모델을 일부 샘플에 맞출 수 있는 방법을 찾았다는 것입니다. 그러나 이러한 초점은 단일 표본에 대해서만 발생하고 다른 표본에서는 모델이 다른 결과를 제공하기 때문에 잔차는 비정상적이지만 단일 표본에만 적합 합니다. 계량경제학 모델은 미래를 외삽할 수 없습니다. 그들은 아직 모델에 맞는 과거 데이터가 없습니다(앞으로만 나타날 것입니다).
이것은 다시 그리기 표시기와 동일합니다. 판독값을 특정 데이터로 조정하여 소급하여 변경합니다.
미래의 잔차와 함께 정지할 잔차를 선택하는 것은 제 목표가 아닙니다. 나는 미래를 알지 못하며 다음 샘플 외 바에서 정확히 한 단계 앞서 있는 미래에 관심이 있습니다.
아이디어는 다음과 같습니다. 기존 샘플에 대한 모델을 구축합니다. 모델 구축의 끝은 이 표본에 대한 정상 잔차입니다 . 나는 미래 잔차의 정상성에 대해 어떤 결론도 내리지 않으며, 다음 이유 때문에 그것들이 필요하지 않습니다. 나는 그 특성이 정확히 한 막대 앞으로 충분하도록 모델을 만들려고합니다. 모든 것, 더 이상은 없습니다. 이 막대를 예측합니다. 그가 오면 나는 새 모델을 만들기 시작합니다. 처음부터 전체 알고리즘. 표를 보면 한 바씩 이동하면 시차 수가 변경됨을 알 수 있습니다. 일종의 적응 알고리즘.
난 사실 이후에 아무것도하지 않습니다. 나는 앞을 내다볼 때 모델의 뛰어난 품질에 대한 최종 테이블 데이터를 의도적으로 인용했습니다. 그리고 그들과 함께 예측할 때 결과는 엄격하게 선택에서 다음 막대입니다.
회귀 계수를 계산하는 창을 늘리는 것을 제안하지 않습니다. 이에 대한 창은 숫자로의 비수렴에 의해 결정됩니다. 나는 관측치의 수와 그것이 사용하는 기준의 추정치와 통계적 추정치의 정확도에 어떤 영향을 미치는지에 대해 이야기하고 있습니다.
나는 40에서 300까지 H1 샘플에 대해 추정했습니다. 118(이것은 일주일)에서 이익 계수는 실제로 변경되지 않고 계수가 안정화됩니다.여기에서 찾을 수 있는 것이 없습니다.
한 가지 분명한 것은 이상적인 속성을 가진 모델이 작동하지 않는다는 것인데 그 이유를 이해할 수 없습니다.
Sori, topicstarter, 나는 약간 주제에서 벗어났지만 내 질문은 통계와 관련이 있기 때문에 그다지 주제에서 벗어나지 않습니다.
어디선가 악기에 대한 통계를 수집하는 스크립트를 만났습니다. 누가 좀 알려주세요. 저는 스프레드 대비 수익률이 가장 높은 상품에 관심이 있습니다. 대략적으로 말하면, 우리는 가능한 가장 높은 위쪽 및 아래쪽 그림자를 가진 가장 많은 수의 양초를 가진 도구에 관심이 있습니다.
Sori, topicstarter, 나는 약간 주제에서 벗어났지만 내 질문은 통계와 관련이 있기 때문에 그다지 주제에서 벗어나지 않습니다.
어디선가 악기에 대한 통계를 수집하는 스크립트를 만났습니다. 누가 좀 알려주세요. 저는 스프레드 대비 수익률이 가장 높은 상품에 관심이 있습니다. 대략적으로 말하면, 우리는 가능한 가장 높은 위쪽 및 아래쪽 그림자를 가진 가장 많은 수의 양초를 가진 도구에 관심이 있습니다.
미래의 잔차와 함께 정지할 잔차를 선택하는 것이 제 목표는 아닙니다.
계량 경제학파의 지지자로서 당신은 그러한 목표를 가질 수 없습니다. 미래는 적합성을 드러내고 따라서 종교적 신념을 타협합니다. 그러나 고정성의 수학적 정의는 항상 고정성이 표본, 미래 또는 과거 또는 무엇이든 간에 분산 및 기대 값의 독립성을 의미합니다. 수학적 정의에 따르면 샘플에 의존하는(변경 가능한) 모든 것은 고정적이지 않습니다.
faa1947 :
나는 그 특성이 정확히 한 바 앞에 충분하도록 그러한 모델을 구축하려고 노력하고 있습니다. 모든 것, 더 이상은 없습니다. 이 막대를 예측합니다. 그가 오면 나는 새 모델을 만들기 시작합니다.