Bayesian regression - Делал ли кто советник по этому алгоритму? - страница 43
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
Стационарность — свойство процесса не менять свои характеристики со временем.
Какие характеристики конкретно?
Дисперсия
и всё?
В широком смысле еще МО и функция распределения
Тогда, в широком смысле, если МО, то достаточно стохастика. Нет?
Нестационарные данные не прогнозируются моделями временных рядов. Ни статистическими моделями (регрессия, авторегрессия, сглаживание и пр.), ни структурными моделями (НС, классификация, цепи Маркова и пр.).
Только моделями предметных областей
Не могу с Вами согласиться по поводу классификации.
Там вообще не просматривается проблема не стационарности. Вполне допустимы модели на номинальных (категорийных) данных. Не стационарность к номинальным данным вообще не имеет отношение. Более того, преобразование случайных величин в номинальные, например, RSI в уровни, очень благоприятно влияет на результат.
Там следующая за нестационарностью проблема, которая является фундаментальной для любого моделирования - переобученность (сверх подгонка) модели. И для решения проблемы переобученности надо серьезно заниматься предикторами.
Не могу с Вами согласиться по поводу классификации.
Там вообще не просматривается проблема не стационарности. Вполне допустимы модели на номинальных (категорийных) данных. Не стационарность к номинальным данным вообще не имеет отношение. Более того, преобразование случайных величин в номинальные, например, RSI в уровни, очень благоприятно влияет на результат.
Там следующая за нестационарностью проблема, которая является фундаментальной для любого моделирования - переобученность (сверх подгонка) модели. И для решения проблемы переобученности надо серьезно заниматься предикторами.