Регрессионная модель Султонова (РМС) - претендующая на математическую модель рынка. - страница 10
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
модель прогнозирования корректна, если остатки распределены нормально.
Если выбранная регрессионная модель хорошо описывает истинную зависимость, то остатки должны быть независимыми нормально распределенными случайными величинами с нулевым средним, и в их значениях должен отсутствовать тренд.
Какая тут стационарность???
P.S. Был у мамонтов, вернулся, снова с вами...
Да, конечно. Но остаток проверяется тестом единичного корня, а это стационарность.
Другая проблема. А если не совсем так, как Вы написали? А если все так как Вы написали, то можно доверять прогнозу?
Эмм, получается, что модель без остатков является детерминированной составляющей?
это значит что переменные являются детерминированными а не случайными
Да, конечно. Но остаток проверяется тестом единичного корня, а это стационарность.
Другая проблема. А если не совсем так, как Вы написали? А если все так как Вы написали, то можно доверять прогнозу?
Если входящие переменные нормально распределены, стационарны, остатки модели нормально распределены и точность прогноза R или R2 удовлетворительная - можем! И нужем!
Эмм, получается, что модель без остатков является детерминированной составляющей?
модель без остатков - это модель которая без ошибки предсказывает значения ряда. Остатки - это ошибка (разница между прогнозным значением и реальным). Поэтому фактически идет разложение на детерминированную составляющую (модель прогноза) + шум (нормально распределенные остатки)
Не понимаю, что Вы подразумеваете под прогнозом дискретного ряда? В результате обработки представленных данных получен результат, гласящий, что дискретный ряд имеет МО = 0,878649833 и значительно смещен в сторону 1. Я еще должен был определить прогнозоное чередование единиц и/или нулей? Абсурдное требование при работе с дискретными рядами. Я уверен, если Вы каким-либо образом рассчитаете сумму этого ряда и поделите на количество "бросков", то получите вышеприведенный результат.
В том ряде содержится 45 нулей и 45 единиц. Матожидание = 0.5.
18 - это аналитическая формула. Вычисляем по ней значения функции и берем разницу с котиром. Получаем ошибку сглаживания. С это ошибкой начинаем работать. Или я что-то упустил?
Если входящие переменные нормально распределены, стационарны, остатки модели нормально распределены и точность прогноза R или R2 удовлетворительная - можем! И нужем!
Не бывает на рынке. Котир нестационарен, причем то определение нестационарности, которое мы используем, слишком узкО для реального ряда.
В том ряде содержится 45 нулей и 45 единиц. Матожидание = 0.5.
Не бывает на рынке. Котир нестационарен, причем то определение нестационарности, которое мы используем, слишком узкО для реального ряда.
ну так тогда регрессионая модель поможет как мертвому припарка. Специалистов знающих регрессионный анализ - тьма, а на рынке зарабатывают еденицы.