Ekonometri: bir adım ileriyi tahmin edin - sayfa 93
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Büyük Haberler. ARIMA'ya ne dersin? ARCH'e ne dersin? Bu hangi sıralar için?
kotir = eğilim + gürültü
Solda durağanlık yok, ama sağda nerede?
Haberler büyük ve eski değil - bu yöntemler geliştirilmiş ve durağan seriler için kullanılmaktadır. Durağan olmayanlar için ise bu yöntemlerin uygulanabilmesi için “durağan hale getirme” yöntemi kullanılmaktadır.
Bir seri durağan değilse durağan değildir. Bir dizi kararsız istatistiksel özellik. Sırayı parçalara ayırabilirsiniz ve her parçada sıra sabit olacaktır.
Fiyat yükselir ve ardından keskin bir şekilde düşerse, büyüme aşamasında seri durağandır. Ancak tüm fiyat aralığı durağan değildir (ani değişikliklere tabidir).
Haberler büyük ve eski değil - bu yöntemler geliştirilmiş ve durağan seriler için kullanılmaktadır. Durağan olmayanlar için ise bu yöntemlerin uygulanabilmesi için “durağan hale getirme” yöntemi kullanılmaktadır.
Bir seri durağan değilse durağan değildir. Bir dizi kararsız istatistiksel özellik. Sırayı parçalara ayırabilirsiniz ve her parçada sıra sabit olacaktır.
Fiyat yükselir ve ardından keskin bir şekilde düşerse, büyüme aşamasında seri durağandır. Ancak tüm fiyat aralığı durağan değildir (ani değişikliklere tabidir).
Trend değişikliği durağan olmadığı anlamına gelmez.
Hadi baştan başlayalım. Aşağıdaki durağanlık tanımını kullanıyorum: Eğer mo = sabit ("neredeyse" sabit) ve varyans = sabit ("neredeyse" sabitse) bir seri durağandır.
Serinin deterministik bir bileşeni olduğu sürece istatistikten bahsetmeye gerek yok. Bu yüzden deterministik bileşeni çıkardıktan sonra kalanla çalışıyoruz. Bu prosedürden sonra, kalan genellikle mumun uzunluğundan çok daha az olduğu için sorun niteliksel olarak basitleştirilir.
Haberler büyük ve eski değil - bu yöntemler geliştirilmiş ve durağan seriler için kullanılmaktadır. Durağan olmayanlar için ise bu yöntemlerin uygulanabilmesi için “durağan hale getirme” yöntemi kullanılmaktadır.
ARIMA hakkında hala anlaşabiliyorsanız, ARCH tamamen durağan olmayan bir şeydir. Durağan olmama konusunda belirli inceliklere yönelik spesifik testler kullanıyorum ve bunların tanımlanmasından sonra tamamen durağan olmama modelleniyor. Geri kalan genellikle durağan hale gelir.
Durağan olmayanlar için ise "durağan hale getirme" yöntemi kullanılır.
Belirttiğiniz bir yöntem varsa durağan olmayan bir seri ile mi çalışıyoruz?
Trend değişikliği durağan olmadığı anlamına gelmez.
Hadi baştan başlayalım. Aşağıdaki durağanlık tanımını kullanıyorum: Eğer mo = sabit ("neredeyse" sabit) ve varyans = sabit ("neredeyse" sabitse) bir seri durağandır.
Serinin deterministik bir bileşeni olduğu sürece istatistikten bahsetmeye gerek yok. Bu yüzden deterministik bileşeni çıkardıktan sonra kalanla çalışıyoruz. Bu prosedürden sonra, kalan genellikle mumun uzunluğundan çok daha az olduğu için sorun niteliksel olarak basitleştirilir.
Biraz farklı - durağan bir rastgele süreç için, tüm olasılıksal özellikler zamana bağlı olmamalıdır. Eğer fiyat uzun bir süre boyunca yaklaşık olarak lineer olarak arttıysa ve sonra aniden keskin bir şekilde düştüyse, o zaman düşüş anına kadar durağan bir süreçti, çünkü bu seri parçalara ayrılırsa, o zaman bu parçaların stat özellikleri yaklaşık olarak olurdu. aynı. Düşüşten sonra olasılık özellikleri değişti - durağan değil (MO değişti, varyans değişti).
Herhangi bir dizide deterministik bir bileşen ayırt edilebilir ve istatistik hakkında konuşmalıyız. Seri durağan değilse, bu deterministik bileşenin çok az tahmin gücü olacaktır.
Biraz farklı - durağan bir rastgele süreç için, tüm olasılıksal özellikler zamana bağlı olmamalıdır. Eğer fiyat uzun bir süre boyunca yaklaşık olarak lineer olarak arttıysa ve sonra aniden keskin bir şekilde düştüyse, o zaman düşüş anına kadar durağan bir süreçti, çünkü bu seri parçalara ayrılırsa, o zaman bu parçaların stat özellikleri yaklaşık olarak olurdu. aynı. Ve düşüşten sonra olasılıksal özellikleri değişti - durağan hale geldi.
Tanımım yapıcıdır - modelleme için bir plan yapmanızı sağlar ve bir hedef tanımlar.
Adım 1. Seride deterministik bir bileşen olduğu sürece kesin bir şey söylenemez. Benim için bu bir aksiyom.
Tanımım yapıcıdır - modelleme için bir plan yapmanızı sağlar ve bir hedef tanımlar.
Adım 1. Seride deterministik bir bileşen olduğu sürece kesin bir şey söylenemez. Benim için bu bir aksiyom.
Her serinin deterministik bir bileşeni vardır. Soru, tahminin kalitesi ve doğruluğudur.
Belirttiğiniz bir yöntem varsa durağan olmayan bir seri ile mi çalışıyoruz?
Ticarete başvurmaya çalıştım ve denedim - sonuç içler acısı. TA'dan daha iyi.
Her ne kadar - bir başarı için bir yer var
Her serinin deterministik bir bileşeni vardır. Soru, tahminin kalitesi ve doğruluğudur.
tarafına gitmiyoruz.
Deterministik bileşeni ayırıyoruz. Geri kalanı ne durumda? Yine deterministik bir bileşen olup olmadığını kontrol ediyoruz. Nedeni eski. Gürültüye geçin. Deterministik olmadan gürültü alıyoruz, tartışmak mümkün olacak.
tarafına gitmiyoruz.
Deterministik bileşeni ayırıyoruz. Geri kalanı ne durumda? Yine deterministik bir bileşen olup olmadığını kontrol ediyoruz. Nedeni eski. Gürültüye geçin. Deterministik olmadan gürültü alıyoruz, tartışmak mümkün olacak.
Ne için? Ne hakkında konuşmak? Belirleyici bileşeni seçtik, bir model yaptık, test ettik, analiz ettik, çöpe attık (şaka yapıyorum).
Bileşen yüksek kalitedeyse, ticaret yaparız. Gerisi ne için?
Soruların sorusu bu bileşenin kalitesidir.
Kim ne derse desin ama istatistikler daha önce ne olduğunu gösterecek. Ve hiçbir şekilde "ne olacağını" gösteremeyecek ... Saf tahmin. Belki bu sizin için doğru seçenektir?
>