Топикстартеру: попробуйте взять первые разности вашего ценового ряда, перемешать их, проинтегрировать, оценить параметры предлагаемой модели и посчитать её коэффициент детерминации.
А какова цель?
Проинтегрировать. Взять разность?
Для разностей модель не работает. Это видно выше в табл. Там получили отрицательный R-квадрат
Вообще-то это простейший способ проверить, работает ли ваша модель на самом деле. Если на проинтегрированном ряде перемешанных приращений цены будет гораздо меньший R^2 - значит в вашей модели действительно что-то есть.
Проинтегрировать. Взять разность?
Для разностей модель не работает. Это видно выше в табл. Там получили отрицательный R-квадрат
Читайте внимательнее. Я не предлагал применять к разностям
Вообще-то это простейший способ проверить, работает ли ваша модель на самом деле. Если на проинтегрированном ряде перемешанных приращений цены будет гораздо меньший R^2 - значит в вашей модели действительно что-то есть.
Что такое приращения и что такое проинтегрированных? если можно на примере. Имеет ли это отношение к бутстрэпу?
Проинтегрированный - это накопленный. Если знать начальную цену на баре 10 и returns начиная с этого бара и дальше до нулевого, то мы можем легко найти цену на нулевом, просуммировав все returns и добавив цену на 10-м баре. Здесь суммирование = интегрирование.
Не верю, что эконометрист не знает, что такое приращения.
Бутстрэп - это совсем другое, и он имеет отношение к новым статметодам с ускоренной сходимостью к предельным распределениям.
Проинтегрированный - это накопленный. Если знать начальную цену на баре 10 и returns начиная с этого бара и дальше до нулевого, то мы можем легко найти цену на нулевом, просуммировав все returns и добавив цену на 10-м баре. Здесь суммирование = интегрирование.
Не верю, что эконометрист не знает, что такое приращения.
Бутстрэп - это совсем другое, и он имеет отношение к новым статметодам с ускоренной сходимостью к предельным распределениям.
ARIMA = АРПСС(p,d,q) - авторегрессия проинтегрированного скользящего среднего. d - это порядок разности, называется проинтегрированное. Все-таки желательны пояснения anonymous
Мысль для меня новая и если я пойму, то обязательно попробую.
Я давно ничего не понимаю. Просто довожу до сведения имеющуюся терминологию, которая была придумана для запутывания классового противника, не желающего читать книги.
faa1947: Я давно ничего не понимаю. Просто довожу до сведения имеющуюся терминологию, которая была придумана для запутывания классового противника, не желающего читать книги.
ARIMA. Там объяснен смысл параметра d. Это порядок дифференцирования.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
???????
точно?
Топикстартеру: попробуйте взять первые разности вашего ценового ряда, перемешать их, проинтегрировать, оценить параметры предлагаемой модели и посчитать её коэффициент детерминации.
А какова цель?
Проинтегрировать. Взять разность?
Для разностей модель не работает. Это видно выше в табл. Там получили отрицательный R-квадрат
А какова цель?
Вообще-то это простейший способ проверить, работает ли ваша модель на самом деле. Если на проинтегрированном ряде перемешанных приращений цены будет гораздо меньший R^2 - значит в вашей модели действительно что-то есть.
Проинтегрировать. Взять разность?
Для разностей модель не работает. Это видно выше в табл. Там получили отрицательный R-квадрат
Читайте внимательнее. Я не предлагал применять к разностям
Вообще-то это простейший способ проверить, работает ли ваша модель на самом деле. Если на проинтегрированном ряде перемешанных приращений цены будет гораздо меньший R^2 - значит в вашей модели действительно что-то есть.
Что такое приращения и что такое проинтегрированных? если можно на примере. Имеет ли это отношение к бутстрэпу?
Приращения - это returns.
returns(0) = Close[0]-Close[1] в МТ4.
Проинтегрированный - это накопленный. Если знать начальную цену на баре 10 и returns начиная с этого бара и дальше до нулевого, то мы можем легко найти цену на нулевом, просуммировав все returns и добавив цену на 10-м баре. Здесь суммирование = интегрирование.
Не верю, что эконометрист не знает, что такое приращения.
Бутстрэп - это совсем другое, и он имеет отношение к новым статметодам с ускоренной сходимостью к предельным распределениям.
Приращения - это returns.
returns(0) = Close[0]-Close[1] в МТ4.
Проинтегрированный - это накопленный. Если знать начальную цену на баре 10 и returns начиная с этого бара и дальше до нулевого, то мы можем легко найти цену на нулевом, просуммировав все returns и добавив цену на 10-м баре. Здесь суммирование = интегрирование.
Не верю, что эконометрист не знает, что такое приращения.
Бутстрэп - это совсем другое, и он имеет отношение к новым статметодам с ускоренной сходимостью к предельным распределениям.
ARIMA = АРПСС(p,d,q) - авторегрессия проинтегрированного скользящего среднего. d - это порядок разности, называется проинтегрированное. Все-таки желательны пояснения anonymous
Мысль для меня новая и если я пойму, то обязательно попробую.
Что такое приращения и что такое проинтегрированных? если можно на примере.
Пусть p[i], i=1..n - вектор, в котором содержится исходный временной ряд (значения цены за какой-то период).
1. Вычисляем приращения цены: r[i]=p[i+1]-p[i], i=1..(n-1)
2. Перемешиваем вектор приращений цены, получаем: r2[i], i=1..(n-1)
3. Вычисляем кумулятивную сумму вектора r2: p2[1]=0; p2[i]=p2[i-1]+r2[i-1], i=2..n
Испытываем модель на полученных данных p2[].
Численный пример:
p={0.9379413 0.1411467 0.2540312 1.5440039 1.2363895} // некоторый ценовой ряд
r={-0.7967946 0.1128845 1.2899727 -0.3076144} // дифференцируем
r2={-0.7967946 -0.3076144 0.1128845 1.2899727} // перемешиваем
p2={0 -0.7967946 -1.1044090 -0.9915245 0.2984482} // интегрируем
Вы хоть понимаете, что пишете, коллега?
Я давно ничего не понимаю. Просто довожу до сведения имеющуюся терминологию, которая была придумана для запутывания классового противника, не желающего читать книги.