Вопрос! Критерии проверки нормальности закона распределения. - страница 2
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
ДА хочу сделать, вот почему, условно схему изображу, два класса, движение вверх и вниз. по ДА оценивается модель.
ЛЕВАЯ ЧАСТЬ = ПРАВАЯ ЧАСТЬ,
левая dY - типа стохастическая часть, прирост курса, по характеристикам напоминает шум
правая - набор тех. индикаторов, построенных по ценам close допустим, получается там еще тренд.
попытаться выявить зависимость, соответствие между стохастической частью, а правая более детерминированная, чтоли....
Все ясно, все понятно. ...... а на основную тенденцию забили.
Ничего Вам не ясно. Зачем "забили". Выделили детерминированную составляющую, чтобы использовать, а остальной анализ - это обоснование возможности использования этой составляющей, так как ее наличие еще не факт, что можно использовать для прогноза.
Взятие разности - один из способов детрендирования и не самый лучший. Навскидку могу назвать: регрессии, полиномы, фильтры, сплайны, вейвлеты, может еще что-либо. Каждый из них - отдельная проблема с массой тонкостей.
Ничего Вам не ясно. Зачем "забили". Выделили детерминированную составляющую, чтобы использовать, а остальной анализ - это обоснование возможности использования этой составляющей, так как ее наличие еще не факт, что можно использовать для прогноза.
Взятие разности - один из способов детрендирования и не самый лучший. Навскидку могу назвать: регрессии, полиномы, фильтры, сплайны, вейвлеты, может еще что-либо. Каждый из них - отдельная проблема с массой тонкостей.
вы все перепутали! если ряд DS некорректно выделять детерминированную составляющую, т.к. тренд стохастический.
вы мне расписали ситуацию, когда ряд TS. то что выше написали регресии и т.д. все этому обучен.
Или вы хотите сказать, что можно выделить детерминированную составляющую и для DS рядов., это корректно в том случае, когда в результате мы получим остаток(ошибку), а этот остаток является стационарным в широком смысле и распределен нормально, т.е. получили гауссовский шум, влияние которого можно нивелировать? типа ошибка одинаковая будет всегда(т.к. процесс стационарный) и процедура выделения тренда полезной информации для прогноза, будет адекватной.
вы все перепутали! если ряд DS некорректно выделять детерминированную составляющую, т.к. тренд стохастический.
вы мне расписали, когда ряд TS. то что выше написали регресии и т.д. всему этому более менее научили, кроме последнего.
Мне неизвестны способы отличить DS ряд от TS. Я поступаю проще. Сглаживаю одним из перечисленных способов, вычитаю из котира, получаю остаток и его анализирую. Стационарный (бывает и такое), то можно прогнозировать, не стационарный, то пробую моделировать далее. Смоделировать на 100% не умею, так как имеются изломы и в них проблема.
Прошу отметить. что нигде не интересуюсь нормальностью. В EViews тест на нормальность ряда выдается всегда в описательных статистиках - пустые сведения, приткнуть нЕкуда.
Мне неизвестны способы отличить DS ряд от TS. Я поступаю проще. Сглаживаю одним из перечисленных способов, вычитаю из котира, получаю остаток и его анализирую. Стационарный (бывает и такое), то можно прогнозировать, не стационарный, то пробую моделировать далее. Смоделировать на 100% не умею, так как имеются изломы и в них проблема.
Прошу отметить. что нигде не интересуюсь нормальностью. В EViews тест на нормальность ряда выдается всегда в описательных статистиках - пустые сведения, приткнуть нЕкуда.
А изломы получаются, из-за того, что все инструменты сглаживания описанные выше вам дают подгонку, т.е. вы даже получаете не детерминированный тренд. Детерминированный тренд для временных рядов, это когда есть явная зависимость от времени, к примеру ряд развивается согласно модели Yt=b0+b1*t+b2*t^2, полином второй степени, главная чтобы переменная t была.
Только не принимайте, так что я учу меня вот чему научили на 4 курсе и я пытаюсь разобраться как на практике применить знания.
А изломы получаются, из-за того, что все инструменты сглаживания описанные выше вам дают подгонку, т.е. вы даже получает не детерминированный тренд. Детерминированный тренд для временных рядов, это когда есть явная зависимость от времени, т.е. ряд развивается согласно модели Yt=b0+b1*t+b2*t^2, полином второй степени.
Только не принимайте, так что я учу меня вот чему научили на 4 курсе и я пытаюсь разобраться как на практике применить знания.
Я говоря о своей практике.
Известные мне критерии "лучшего" детрендирования ничего не дают на практике. Вся собака зарыта в остатке. Даже если остаток по тесту единичного корня стационарный, то это не гарантия. что следующая выборка, сдвинутая на один бар, будет стационарной! Поэтому стационарность ряда мало чего дает. Надо анализировать параметры модели, Ваши b1, b2. Часто очень интересный вид имеют графики значений коэффициентов модели при сдвиге окна вдоль ряда. Я показывал их в ветке "Эконометрика. Прогноз на один шаг вперед". Во всей красе - это случайные величины! Даже те, кто подгоняет МНК забывают, что значения коэффициентов регрессии всегда сопровождается величиной ошибки!
И только, если остатки будут иметь нормальным закон распределения, то весь алгоритм будет работать и оценки коэффициентов будут состоятельными, несмещенными и эффективными.
Тогда уж нужно указывать все условия теоремы Гаусса-Маркова :)
Тогда уж нужно указывать все условия теоремы Гаусса-Маркова :)
.... состоятельными, несмещенными и эффективными.