Regressão Bayesiana - Alguém já fez um EA usando este algoritmo? - página 43
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
A estacionariedade é propriedade de um processo para não alterar suas características ao longo do tempo.
Que características especificamente?
Dispersão
e é só isso?
Em um sentido amplo, também o MO e a função de distribuição
Então, em termos gerais, se MOE, um estocástico seria suficiente. Não?
Os dados não estacionários não são previstos pelos modelos de séries temporais. Nem modelos estatísticos (regressão, autoregressão, alisamento, etc.) nem modelos estruturais (NS, classificação, cadeias de Markov, etc.).
Somente modelos de áreas temáticas.
Não posso concordar com você sobre a classificação.
O problema da não-estacionariedade não é visto ali de forma alguma. Os modelos sobre dados nominais (categóricos) são bastante aceitáveis. A não-estacionariedade não tem nada a ver com dados nominais. Além disso, a conversão de variáveis aleatórias em nominais, por exemplo, RSI para níveis, tem um efeito muito favorável sobre os resultados.
Segue-se a não-estacionariedade, um problema que é fundamental para qualquer modelagem - sobre-ajustamento (overfitting) do modelo. E para resolver o problema do excesso de equipamento, é preciso lidar seriamente com os preditores.
Não posso concordar com você sobre a classificação.
Não há nenhum problema de não-estacionariedade ali. Os modelos sobre dados nominais (categoria) são perfeitamente aceitáveis. A não-estacionariedade não tem nada a ver com dados nominais. Além disso, a conversão de variáveis aleatórias em nominais, por exemplo, RSI para níveis, tem um efeito muito favorável sobre os resultados.
Segue-se a não-estacionariedade, um problema que é fundamental para qualquer modelagem - sobre-ajustamento (overfitting) do modelo. E para resolver o problema do excesso de equipamento, é preciso lidar seriamente com os preditores.