faa1947: На всех ученых советах, на которых я присутствовал в свое время подобное ваше выступление было бы последним навсегда.
Bem, eu não estou falando em um conselho acadêmico aqui. Mas, mais uma vez, vou tentar encontrar argumentos e apresentá-los aqui. Embora, por outro lado, não seja tão fácil de comparar: é um método completamente diferente. Portanto, você tem que procurar algo semelhante em publicações.
Praticamente valioso. E consegue lidar com processos aleatórios não estacionários com distribuições desconhecidas.
Co-integração? ou múltiplas diferenças do processo original que consegue se ajustar a um teste Dickey-Fuller bem sucedido?
HideYourRichess: Em minha opinião, mesmo que equivocada, a essência da fórmula não pode mudar, assim como as condições de sua aplicabilidade, a partir do fato de estar escrita em outros caracteres.
Existe a definição Shannon de entropia, na qual a independência é obrigatória.
E há uma definição de informação mútua, na qual a definição de Shannon é aplicada de forma puramente formal, uma vez que se assume que existem dependências.
Se você quiser aprofundar a profundidade filosófica e as contradições da definição de informação mútua - por favor, escave. Eu preferiria não me preocupar com isso e apenas usar a fórmula "americana" com probabilidades, não me preocupar com independência.
Um sistema mais completo se parece com isto: alfabeto de mercado <-> alfabeto de cotação -> alfabeto de problemas. O topikstarter considerou apenas o último par, a citação é o problema.
Eu não sei qual é o seu alfabeto de problemas. Eu tenho um sistema de um par de barras separadas por distância de Lag. Uma barra, no passado, é a fonte e a outra é o receptor. Os alfabetos de ambos são idênticos (no que diz respeito aos retornos de barras, é claro).
Co-integração? ou diferenças no processo de múltiplas fontes que conseguem se encaixar em um teste Dickey-Fuller bem sucedido?
O DF não tem nada a ver com isso - o objetivo é a previsão. Estamos à procura de uma equação de regressão, cujo residual teria mo e variância quase constantes com erro de previsão simultaneamente min.
faa1947: Procura-se uma equação de regressão, cujo residual teria mo e variância quase constantes com erro de previsão simultaneamente min.
O problema todo é o termo "quase", como de costume.
E um erro de previsão é um erro na previsão do passado. Lá se vai a econometria... É claro, sou um pouco convincente.
P.S. Não se importe comigo. Apenas um pensamento (desligue o gravador, por favor, não é para a imprensa): Assim que os cálculos de alguma "ciência" econométrica se tornam perfeitos e automatizados, eles se tornam inúteis.
O problema todo é o termo "quase", como de costume.
E um erro de previsão é um erro na previsão do passado. Lá se vai a econometria... É claro, sou um pouco convincente.
P.S. Não se importe comigo. Há apenas este pensamento (desligue o gravador, por favor, não é para a imprensa): uma vez que os cálculos de alguma "ciência" econométrica se tornam perfeitos e automatizáveis, eles se tornam inúteis.
O escritório já o escreveu - puramente em privado, para seus tablets....
E um erro de previsão é um erro de previsão do passado.
Até mesmo a ficção se baseia no passado.
Depende do que tiramos do passado. Se fizermos análises VR não estacionárias - então não há esperança e todos os tipos de truques nos testes não nos salvam. Se conseguimos destacar e formular analiticamente componentes com um resíduo na forma de ruído branco, é uma história diferente. O importante é que milhões de pessoas educadas têm seguido este caminho por décadas, deixando para os otários a canção Chukchi chamada ANÁLISE TÉCNICA.
Isso mesmo, para os otários. Os otários sempre se agarram aos procedimentos estabelecidos e nunca tentam nada de lado.
E a estacionariedade existe por uma razão. Por exemplo, se investigarmos uma série estacionária de informações (mesmo que a série inicial de citações ou retornos não seja estacionária), podemos esperar bons resultados que funcionem no futuro.
Isso mesmo, para os otários. Os otários sempre se agarram aos procedimentos estabelecidos e nunca tentam nada de lado.
E a estacionariedade existe por uma razão. Por exemplo, se investigarmos uma série estacionária de informações (mesmo que a série inicial de citações ou retornos não seja estacionária), podemos esperar bons resultados que funcionem no futuro.
É claro, se por estacionariedade queremos dizer constante mo e variância. Mas há outro obstáculo: temos que ter certeza de que os coeficientes de regressão também são "quase" constantes.
faa1947: На всех ученых советах, на которых я присутствовал в свое время подобное ваше выступление было бы последним навсегда.
Bem, eu não estou falando em um conselho acadêmico aqui. Mas, mais uma vez, vou tentar encontrar argumentos e apresentá-los aqui. Embora, por outro lado, não seja tão fácil de comparar: é um método completamente diferente. Portanto, você tem que procurar algo semelhante em publicações.
Praticamente valioso. E consegue lidar com processos aleatórios não estacionários com distribuições desconhecidas.
Co-integração? ou múltiplas diferenças do processo original que consegue se ajustar a um teste Dickey-Fuller bem sucedido?
Existe a definição Shannon de entropia, na qual a independência é obrigatória.
E há uma definição de informação mútua, na qual a definição de Shannon é aplicada de forma puramente formal, uma vez que se assume que existem dependências.
Se você quiser aprofundar a profundidade filosófica e as contradições da definição de informação mútua - por favor, escave. Eu preferiria não me preocupar com isso e apenas usar a fórmula "americana" com probabilidades, não me preocupar com independência.
Um sistema mais completo se parece com isto: alfabeto de mercado <-> alfabeto de cotação -> alfabeto de problemas. O topikstarter considerou apenas o último par, a citação é o problema.
Co-integração? ou diferenças no processo de múltiplas fontes que conseguem se encaixar em um teste Dickey-Fuller bem sucedido?
O problema todo é o termo "quase", como de costume.
E um erro de previsão é um erro na previsão do passado. Lá se vai a econometria... É claro, sou um pouco convincente.
P.S. Não se importe comigo. Apenas um pensamento (desligue o gravador, por favor, não é para a imprensa): Assim que os cálculos de alguma "ciência" econométrica se tornam perfeitos e automatizados, eles se tornam inúteis.
O problema todo é o termo "quase", como de costume.
E um erro de previsão é um erro na previsão do passado. Lá se vai a econometria... É claro, sou um pouco convincente.
P.S. Não se importe comigo. Há apenas este pensamento (desligue o gravador, por favor, não é para a imprensa): uma vez que os cálculos de alguma "ciência" econométrica se tornam perfeitos e automatizáveis, eles se tornam inúteis.
O escritório já o escreveu - puramente em privado, para seus tablets....
E um erro de previsão é um erro de previsão do passado.
Até mesmo a ficção se baseia no passado.
Depende do que tiramos do passado. Se fizermos análises VR não estacionárias - então não há esperança e todos os tipos de truques nos testes não nos salvam. Se conseguimos destacar e formular analiticamente componentes com um resíduo na forma de ruído branco, é uma história diferente. O importante é que milhões de pessoas educadas têm seguido este caminho por décadas, deixando para os otários a canção Chukchi chamada ANÁLISE TÉCNICA.
Isso mesmo, para os otários. Os otários sempre se agarram aos procedimentos estabelecidos e nunca tentam nada de lado.
E a estacionariedade existe por uma razão. Por exemplo, se investigarmos uma série estacionária de informações (mesmo que a série inicial de citações ou retornos não seja estacionária), podemos esperar bons resultados que funcionem no futuro.
Isso mesmo, para os otários. Os otários sempre se agarram aos procedimentos estabelecidos e nunca tentam nada de lado.
E a estacionariedade existe por uma razão. Por exemplo, se investigarmos uma série estacionária de informações (mesmo que a série inicial de citações ou retornos não seja estacionária), podemos esperar bons resultados que funcionem no futuro.
E o que - a econometria dá tais garantias?