Se existe um processo cuja análise de uma parte não permite prever a próxima parte. - página 8
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
Há um grande número de teorias, ciências e ferramentas que parecem ser aplicáveis a uma citação. nestas circunstâncias, é crucial decidir o que queremos.
Queremos que o modelo criado sobre dados históricos seja aplicável na próxima barra. Isso é suficiente. Isso é tudo.
Creio que as características deste modelo são estabelecidas em amostras extremamente limitadas - dezenas de observações. Uma grande amostra é necessária para testar a estabilidade deste modelo. Esta é a segunda característica do modelo. A estabilidade de um modelo é determinada por seu comportamento em variância variável e quebras. Esta é a segunda característica do modelo. Se selecionarmos as ferramentas e métodos para isso, seria um enorme passo em frente, pois o kit de ferramentas se tornaria observável.
Isto é novidade para mim. Uma série estacionária é previsível por definição - dentro de um sko. Um instável não tem sko - qual é a previsão? Mas não se trata apenas do sko.
Por que outra definição? Onde o RMS desaparece em um processo não estacionário? Você já ouviu falar de variáveis aleatórias com variação infinita? Como a previsibilidade em princípio está relacionada com a existência do RMS?
Eu ainda gostaria de voltar à questão da dissuasão.
O que estamos detendo?
Nível? Linha reta? Curva? Estrias?
E a fase? Nós também o dissuadimos?
Existe apenas uma tendência ou muitas? Talvez uma wavelet?
Portanto, a fixação em tendências determinísticas e estocásticas para a previsão é uma coisa prejudicial, pois sugere resolver problemas que o comerciante não tem.
Por que outra definição? Para onde o RMS em um processo não estacionário desapareceu? Você já ouviu falar de variáveis aleatórias com variação infinita? Como a previsibilidade em princípio está relacionada com a existência do RMS?
Deixe-me reafirmar sua idéia - "se você remove a não-estacionariedade de um processo não-estacionário, ela se torna estacionária" Uau, que profundo! O foco na estacionaridade e inexplicavelmente substituí-la por previsibilidade não é menos prejudicial.Por que outra definição? Para onde o RMS em um processo não estacionário desaparece? Você já ouviu falar de variáveis aleatórias com variação infinita? Como a previsibilidade em princípio está relacionada com a existência do RMS?
Essa é a sua resposta. A não-estacionariedade da variação torna impossível prever, ou seja, o erro de previsão torna-se incerto.
A fixação na estacionaridade e a sua incompreensível substituição pela previsibilidade não é menos prejudicial.
Não é uma substituição, ela flui para fora.
Por que a fixação? A propósito, não sou o único.
A coisa é absolutamente clara. A previsão não é concebível sem erro de previsão. O erro não pode mudar arbitrariamente, pelo menos nos dados históricos. O que não está claro sobre isso? Ou há algo mais?
Se você remove a não-estacionariedade de um processo não-estacionário, ela se torna estacionária" Uau, que profundidade!
Nunca disse isso. Tudo o que eu sempre disse foi para levar em conta, para simular.
Por que outra definição? Para onde o RMS em um processo não estacionário desaparece? Você já ouviu falar de variáveis aleatórias com variação infinita? Como a previsibilidade em princípio está relacionada com a existência do RMS?
Deixe-me reafirmar sua idéia - "se você remove a não-estacionariedade de um processo não-estacionário, ela se torna estacionária" Uau, que profundo! A fixação na estacionaridade e a sua incompreensível substituição pela previsibilidade não é menos prejudicial.Não entendo por que a estacionariedade é equiparada à previsibilidade. Se é isso que você está tentando alcançar a estacionaridade - tome um SB comum, há uma estacionaridade ideal com um RMS ideal. Agora tente construir um modelo sobre ele - o resultado é garantidamente aleatório.
Não entendo por que a estacionariedade é equiparada à previsibilidade. Se você está tentando alcançar a estacionaridade desta forma, tome uma SB normal, há uma estacionaridade perfeita com um RMS idílico. Agora tente construir um modelo sobre ele - o resultado é garantidamente aleatório.
Para mim, tudo está claro. A previsão é zero mo. Esta é a base dos TCs em um retorno a Mo para desvios aleatórios de Mo.
Para extrair um processo quase estacionário de aumento de preços com Mo positivo da série de preços ;)
para isolar um processo quase estacionário de aumento de preços com mo positivo ;)
Para não ser infundado, vou dar exemplos para cada declaração. Tentarei intencionalmente torná-lo mais complicado.
Por que outra definição? Para onde o RMS em um processo não estacionário desaparece? Você já ouviu falar de variáveis aleatórias com variação infinita? Como a previsibilidade em princípio está relacionada com a existência do RMS?
Essa é a sua resposta. A variação não constante torna impossível a previsão, ou seja, o erro de previsão torna-se incerto.
Isto não é uma resposta, mas uma pergunta para você em relação a seus próprios delírios. Vou lhe dar um exemplo para refutá-las.
Um processo não estacionário com densidade 1/pi*1/(1+(x-x0)^2), e expectativa x0 também é uma variável aleatória, embora para completa incerteza - com distribuição desconhecida (estacionária ou não - também desconhecida). E que o tempo de correlação do processo não seja zero, ou seja, o integral do produto de ACF(tau,t)*tau é maior do que 0 para qualquer t.
O que sabemos sobre o processo:
a) Sua variação é sempre infinita (calcule o integral se você não acredita).
b) É não-estacionário tanto no sentido estreito quanto quase provavelmente amplo. A primeira decorre realmente da definição de estacionariedade no sentido restrito, já que a densidade do processo não é constante, a segunda decorre das propriedades desconhecidas do processo x0.
No entanto, apesar de todas as circunstâncias agravantes, sob certas condições, nomeadamente quando o tempo de correlação (pode não ser constante - o processo é não-estacionário!) excede algum valor limite, podemos fazer uma previsão com uma variação finita perfeitamente aceitável. É a condição de boa correlação do processo (excedendo algum limiar, que em princípio pode ser calculado) pelo menos em alguns momentos, e nossa capacidade de identificar esses momentos são condições suficientes para a possibilidade de predição. Entretanto, os fatos da não-estacionariedade e da falta de dispersão não importam por si só.
A fixação na estacionaridade e a sua incompreensível substituição pela previsibilidade não é menos prejudicial.
Não é uma substituição, ela flui para fora.
Por que a fixação? A propósito, eu não sou o único.
A coisa é absolutamente clara. A predição é impensável sem erro de predição. O erro não pode mudar arbitrariamente, pelo menos nos dados históricos. O que não está claro sobre isso? Ou há algo mais?
O erro pode variar conforme a sua vontade, e nosso trabalho é poder calculá-lo. Se podemos fazer isso, por que não pode ser diferente para pontos diferentes no tempo? Seu erro fatal é que você não faz distinção entre a variação da previsão e a variação do processo previsto, que são coisas completamente diferentes e não rigidamente relacionadas umas com as outras. A presença e a profundidade do relacionamento entre eles depende de muitos fatores, incluindo a quantidade de conhecimento que temos sobre o processo, os métodos de previsão que temos em nosso arsenal e, por último, apenas das propriedades do próprio processo de previsão. O exemplo acima confirma isto.
É verdade que você não é o único que está fixado, porque as pessoas tendem a errar não por si mesmas, mas por conselho das autoridades.
Hmm.
Estou feliz por ter conseguido excitar as melhores mentes no fórum.
Com sua permissão, eu humildemente me afastarei e lerei. (risos): Obrigado.