O mercado é um sistema dinâmico controlado. - página 56
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
Vou me ater à minha opinião.
Bem, isso é com você. Mantenho minha opinião: é errado simular o comportamento de um sistema aberto sem levar em conta a influência externa, mesmo que desconhecida, que desempenha um papel determinante neste comportamento.
Eu retiro meu esquema, aqueles que estavam interessados, já o copiaram.
Bem, isso é com você. Mantenho minha opinião: é errado simular o comportamento de um sistema aberto sem levar em conta a influência externa, mesmo que desconhecida, que desempenha um papel determinante neste comportamento.
Eu retiro meu esquema, aqueles que estavam interessados, já o copiaram.
Você entendeu mal o mecanismo do esquema apresentado. A influência externa está presente indiretamente na forma da resposta do sistema. De qualquer forma...
3) Tendo feito esta suposição sobre a presença do sistema de moldagem, nós estabelecemos a tarefa de construir seu modelo.
A saída do modelo y deve corresponder aos dados reais x, levando em conta o critério de proximidade escolhido para os processos y e x.
Vejamos este esquema de algum outro lado, como eu o entendo.
x(t) é uma citação que podemos observar e, ao mesmo tempo, medir
y(t) é algum processo que é calculado. Para a discussão seguinte é fundamental que ela não seja observada - em minha terminologia é o estado de um processo observável.
Vamos escrever: x(t) = y(t) +d(t) + nu(t)
Onde:
d(t) é o input determinístico (viés)
nu(t) - um processo aleatório independente do resto - ruído
Descrevamos, de forma semelhante, o estado do sistema:
y(t) = c(t) + y(t-1) + theta(t)
onde
c(t) - mudança determinística do estado
y(t-1) - o valor anterior do estado
theta(t) - processo aleatório, independente do resto - ruído
Observe que nosso processo observado (citação) no momento t é realmente determinado pelo estado anterior x(t-1), ou seja, baseado na previsão do estado do sistema.
O esquema descrito tem nomes: série cronológica estrutural, modelo de espaço de estado, sistema linear dinâmico.
O centro matemático deste modelo é o filtro Kalman, um algoritmo bastante complexo em termos computacionais. Preenchendo as variáveis listadas com conteúdos diferentes, por exemplo, considerando y(t) como tendência, qualquer um dos modelos existentes pode ser obtido. Devido às incríveis propriedades do filtro Kalman, os modelos de espaço de estado superam seus equivalentes.
Existem pacotes de software prontos para uso em R para resolver o problema acima. Sobre eles nos seguintes postos.
O pacote dse fornece ferramentas para modelos multivariados, lineares e independentes da série cronológica. Inclui a ARMA e as representações de espaço estatal e métodos de conversão entre elas. Também inclui métodos de simulação e várias funções de estimativa. O pacote tem funções para visualização das raízes do modelo, estabilidade e previsão em diferentes horizontes. A implementação do modelo ARMA é genérica, de modo que VAR, VARX, ARIMA, ARMAX, ARIMAX podem ser tratados como casos especiais. O filtro Kalman e estimativas mais suaves podem ser derivados do modelo no espaço de estado, e métodos para encaixar o modelo no espaço de estado são implementados. Uma introdução e um Manual do Usuário estão disponíveis na vinheta.
O pacote dse fornece ferramentas para modelos multivariados, lineares e independentes da série cronológica. Inclui a ARMA e as representações de espaço estatal e métodos de conversão entre elas. Também inclui métodos de simulação e várias funções de estimativa. O pacote tem funções para visualização das raízes do modelo, estabilidade e previsão em diferentes horizontes. A implementação do modelo ARMA é genérica, de modo que VAR, VARX, ARIMA, ARMAX, ARIMAX podem ser tratados como casos especiais. O filtro Kalman e estimativas mais suaves podem ser derivados do modelo no espaço de estado, e métodos para encaixar o modelo no espaço de estado são implementados. Uma introdução e um Manual do Usuário estão disponíveis na vinheta.
O pacote KFAS fornece funções de filtro Kalman, estado, perturbação e simulação de suavização, prevendo e simulando modelos no espaço de estado. Todas as funções podem utilizar a inicialização exatamente dispersa quando as distribuições de alguns ou todos os elementos do vetor de estado inicial são desconhecidas. As funções de filtragem, suavização de estado e simulação utilizam um algoritmo de processamento seqüencial que é mais rápido que a abordagem padrão, e também permite uma característica da matriz de variância de erros de previsão. KFAS também contém uma função para calcular a probabilidade de modelos exponenciais no espaço de estado familiar e funções para suavizar o estado dos modelos exponenciais no espaço de estado familiar.
Rapazes, parem de reinventar a roda.
Há muitos pacotes lá fora, há um Simulink universal, sobre o qual você pode construir qualquer coisa. Mas nenhum pacote substituirá seu cérebro, não lhe dirá qual matriz de controle a ser embutida no filtro Kalman e não sintetizará o diagrama de blocos do modelo para você.
Rapazes, parem de reinventar a roda.
Por uma vez, um tópico normal em um fórum de quatro vias que não vê nem mesmo um alagador.
Deixe-os inventar!
Talvez eu acrescente algo próprio quando eu decidir. Terei que descobrir como chegar a esses blocos, flechas e SO.