Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3636
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
Ну здесь как бы мнения разделились :)
Мистраль:
Дипсик:
Дипсик сам себя запутал. Если период меняется с течением времени, конечно этот процесс нельзя будет назвать стационарным, логично. Но если характеристики периодического процесса не меняются , то он стационарный.
Мистраль вообще чудит, "если процесс периодический, то его статистические характеристики меняются с каждым периодом." Это шедевр )
Дипсик сам себя запутал. Если период меняется с течением времени, конечно этот процесс нельзя будет назвать стационарным, логично. Но если характеристики периодического процесса не меняются , то он стационарный.
Мистраль вообще чудит, "если процесс периодический, то его статистические характеристики меняются с каждым периодом." Это шедевр )
Может идет путаница между стационарностью для временных рядов и какой-то другой?
Ответ от Deep Seek верный (аналитическое решение легко проверяется численными расчетами, постройте мо и дисп как функцию выборки например) но он не полный, так как он упомянул только определение стационарности в широком смысле. Эта же функция стационарна и в узком смысле, то есть распределение не зависит от времени.
Вот гистограмма первые 5000 данных и следующие 5000 данных. Как видим распределение не зависит от времени.
Конечно же не верный. В каждый момент времени распределение вырожденное, сосредоточенное в разных точках, зависящих от времени. Поэтому матожидание зависит от времени (очевидно, оно равно этой функции)
Если же построить числовой ряд по этой функции и изучать его не обращая внимания на его источник, то для стационарности в широком смысле нужны а) постоянство матожидания, б) постоянство дисперсии, в) независимость автокорреляционной функции от времени. Очевидно, с этим будут проблемы, если брать его на куске времени, содержащем ноль. Если же брать кусок времени далёкий от ноля, то получится ряд с циклическим трендом и шумовой составляющими, который станет стационарным после удаления тренда.
То есть, если брать разные участки времени и разную частоту дискретизации, то и результат проверки полученного ряда на стационарность будет разным.
Да, что-то радиолюбители оптимизаторщики совсем навели смуту.
Ряды с периодическими компонентами не являются стационарными.
Вроде обсуждалось 100 раз, но забылось за ненадобностью.
https://education.yandex.ru/handbook/ml/article/analitika-vremennyh-ryadov
Конечно же не верный. В каждый момент времени распределение вырожденное, сосредоточенное в разных точках, зависящих от времени. Поэтому матожидание зависит от времени (очевидно, оно равно этой функции)
Если же построить числовой ряд по этой функции и изучать его не обращая внимания на его источник, то для стационарности в широком смысле нужны а) постоянство матожидания, б) постоянство дисперсии, в) независимость автокорреляционной функции от времени. Очевидно, с этим будут проблемы, если брать его на куске времени, содержащем ноль. Если же брать кусок времени далёкий от ноля, то получится ряд с циклическим трендом и шумовой составляющими, который станет стационарным после удаления тренда.
То есть, если брать разные участки времени и разную частоту дискретизации, то и результат проверки полученного ряда на стационарность будет разным.
И дисперсия и мат ожидание и акф не меняются со временем(проверьте на различных участках времени), в этой функции нет тренда(где вы его увидели ?) и шума(функция детерминированная) ?
Я взял разные участки времени и вижу, что распределение не изменилось.
Мы же об этой функции говорим - SIN(t)/4 + COS(t^2)/4 + 0,5 я правильно понимаю ?
И дисперсия и мат ожидание и акф не меняются со временем(проверьте на различных участках времени), в этой функции нет тренда(где вы его увидели ?) и шума(функция детерминированная) ?
Я взял разные участки времени и вижу, что распределение не изменилось.
Мы же об этой функции говорим - SIN(t)/4 + COS(t^2)/4 + 0,5 я правильно понимаю ?
Для детерминированной функции автокорреляционная функция не определена, поэтому будем считать что речь об автоковариационной которая будет всюду нулевой. Дисперсия тоже всюду равна нулю.
Пункты про дисперсию и акф выполнены, остаётся матожидание. Очевидно, значение матожидание в каждый момент времени равно значению функции в этот момент - это следует из того, что матожидание константной случайной величины равно этой константе. Поэтому матожидание будет равно самой функции и, соответственно, зависит от времени.
Не понимаю, как можно так запутаться в самой базе теорвера.
И дисперсия и мат ожидание и акф не меняются со временем(проверьте на различных участках времени), в этой функции нет тренда(где вы его увидели ?) и шума(функция детерминированная) ?
Я взял разные участки времени и вижу, что распределение не изменилось.
Мы же об этой функции говорим - SIN(t)/4 + COS(t^2)/4 + 0,5 я правильно понимаю ?
Такая должна быть для стационарного ряда
А получается такая
Да, что-то радиолюбители оптимизаторщики совсем навели смуту.
Ряды с периодическими компонентами не являются стационарными.
Вроде обсуждалось 100 раз, но забылось за ненадобностью.
https://education.yandex.ru/handbook/ml/article/analitika-vremennyh-ryadov
на первый взгляд: ряд (i) надо смотреть в log-шкале. Тогда он там линейный и const отклонениями. Посмотреть детальнее - это про электричество лето+зима, то есть строгое чередование. А по отдельности они - две ровные линии
на первый взгляд: ряд (i) надо смотреть в log-шкале. Тогда он там линейный и const отклонениями. Посмотреть детальнее - это про электричество лето+зима, то есть строгое чередование. А по отдельности они - две ровные линии
Надо Акф строить, на глаз часто даже специалисты определить не могут )
Мы уже второй день занимаемся какой-то х..., пора завязывать.