Ekonometri: bir kaynakça - sayfa 7
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
TS ve DS - Rus tez buluşu.
Sorun farklı. Benim sunumum. alıntıdan deterministik bileşeni seçin ve geri kalanına bakın. Kalan durağan ise, deterministik bileşen tahmin edilebilir. Değilse, kalandan deterministik bileşeni çıkarıyoruz .... Bu şekilde çalışan bir sistem elde etmek mümkün mü? Genel olarak, hayır, buna dair bir kanıtım yok. Ancak yayınlanan eklerde, trendde herhangi bir kırılma olmazsa her şeyin yoluna gireceği belirtiliyor. Ancak bu durumda, bu talihsizliğin üstesinden gelmek için bazı önerilerde bulunulur.
TS ve DS - Rus tez buluşu.
Sorun farklı. Benim sunumum. alıntıdan deterministik bileşeni seçin ve geri kalanına bakın. Kalan durağan ise, deterministik bileşen tahmin edilebilir. Değilse, deterministik bileşeni kalandan çıkarırız ....
Deterministik bir bileşen seçtiyseniz ve onu çıkardıysanız, kalandan bir şey seçmek için farklı bir çıkarma yöntemi kullanmanız gerektiği açıktır (çıktıda bilinen bir sıfır almak istemiyorsanız). Ve böylece her adımda.
Gönderilere bakılırsa, ekip bir "kırılma noktasının" ne olduğunu anlamıyor. basit bir şekilde. Modeli taktı. Her yeni çubukta yeniden ayarlıyoruz ve yenisi bir öncekiyle çakışıyor. Ve sonra yeni model, parametrelerinde öncekiyle eşleşmiyor. Bu, örnek içinde alıntının değiştiği ve böylece modelin parametrelerinin değiştiği anlamına gelir. Eh, eğer parametreler, o zaman ayarlanabilir ve bir sonraki çubukta her şeyin yoluna gireceğini umarlar. Ancak bazen kotir, işlevsel formu değiştirmek için gerekli olacak şekilde değişir. Ek olarak, kırılma büyük olasılıkla bir çubuğun gelmesiyle teşhis edilmez, ancak birkaç çubuk gereklidir, yani. Kaybolduk ve burada SL ile ilgili şarkı başlıyor.
İşte bu sorunla ilgili bir ek. Benim düşünceme göre, bu ticarette temel sorun bir moladır.Bir ticaret uygulamasındaki sorun, bir kırılmayı (veya buna ne demek istersen, "durağanlık molası" terimini daha çok seviyorum) SL vurmadan önce mümkün olduğunca erken tespit etmektir. Ancak, ekinizdeki yöntemi kullanarak, bunu yapamayız, çünkü lineer model çerçevesinde , numunede hangi belirli anda bir kırılma meydana geldiğini belirlemek için kesinlikle hiçbir aracımız yok. Ve doğru bir şekilde belirttiğiniz gibi, bu modelde, bu çubuk sizi hemen bir geyiğe sürüklemedikçe, bir çubuğun gelmesi üzerine bir mola neredeyse hiç teşhis edilmez.
Danışman aynı kursta yazdığına %100 katılıyorum, dalgalanmaların dengesiz doğası olan uyarlanabilir bir zaman serisi tahmin modeli, trende göre sonuna kadar çalışır, ancak geri dönüşleri birleştirir, bir düzlükte kabul edilebilir davranır. Lit-ra Lukashin uyarlamalı tahmin yöntemleri.
Deterministik bir bileşen seçtiyseniz ve onu çıkardıysanız, kalandan bir şey seçmek için farklı bir çıkarma yöntemi kullanmanız gerektiği açıktır (çıktıda bilinen bir sıfır almak istemiyorsanız). Ve böylece her adımda.
Neden farklı? Anlamıyorum. Tahmin dizisinde, Hodrick-Prescott filtresinin birden çok uygulamasını gösterdim. Kayda değer bir şey olmadığını gösterdi. Takımdan hiçbir şey kaçırmadım. Ama şimdi iki sorun olduğunu söyleyebilirim: (1) sağdaki kenar etkisinde şüphelendiğim filtreyle ilgili şikayetler ve (2) modelin kendisinden daha az sorun olmayan, alınan tahminin kullanılması. Bu sorun çözülmezse, yumuşatma yöntemini tartışmaya değmez. Ancak, tahmini kullanma sorunlarını çözme yöntemi olarak MM'yi atıyorum.
Buna dayanarak, el kitabına bir ek ve bir bağlantı gönderdim. Bu pozisyonların ikisi de forumda yeni ve bence çok umut verici.
Bir ticaret uygulamasındaki sorun, bir kırılmayı (veya buna ne demek istersen, "durağanlık molası" terimini daha çok seviyorum) SL vurmadan önce mümkün olduğunca erken tespit etmektir. Ancak, ekinizdeki yöntemi kullanarak, bunu yapamayız, çünkü lineer model çerçevesinde, numunede hangi belirli anda bir kırılma meydana geldiğini belirlemek için kesinlikle hiçbir aracımız yok. Ve doğru bir şekilde belirttiğiniz gibi, bu modelde, bu çubuk sizi hemen bir geyiğe sürüklemedikçe, bir çubuğun gelmesi üzerine bir mola neredeyse hiç teşhis edilmez.
Bir ek fikri, birkaç model kullanarak tahminlerde bulunmaktır. Farklı modeller farklı noktalarda mola verecek ve bu nedenle tahmin rafine edilecektir. Öyle düşünüyorum.
Neden farklı? Anlamıyorum.
Basit mantık. Diyelim ki belirli bir sinyalimiz var ve ondan deterministik bir bileşen çıkarmak istiyoruz. Tabii ki, bunu en iyi şekilde yapmak istiyoruz, yani. böylece kullandığımız yöntem hiçbir koşulda belirli bir sinyal üzerinde daha iyi bir sonuç veremez. Burada, bu durumda, algoritma parametrelerine kısıtlamalar getireceğimiz bir optimallik kriteri getirmek zorunda olduğumuz belirtilmelidir. Ancak buradan şu sonuç çıkar ki, eğer bunu başarmış ve kullanılan yöntemden optimumu çıkarmışsak, kalan üzerinde aynı yöntemi aynı optimallik kriteri ile kullanmak sıfır vermelidir, çünkü Aksi takdirde, bir önceki adımın parametrelerinin optimal kritere göre hesaplanması gerçeğiyle çelişiriz...
Burada böyle bir casuistry - optimizasyon kriterini uygulamazsak ve basitsek, örneğin, sinyali statik bir filtreyle aptalca filtrelersek, teorik olarak sonucu deterministik bir bileşen olarak adlandırma hakkımız yoktur. Nasıl belirlenir? Aslında, bu şekilde aynı yapıya sahip, ancak farklı parametrelere sahip bir sürü filtre uygulayabiliriz ve hepsi farklı sonuçlar verecektir. O halde bunlardan hangisi deterministik bir bileşen olarak kabul edilir? Optimallik kriterini ortaya koyana kadar tüm parametre setleri eşittir.
(1) sağda bir kenar etkisi olduğundan şüphelendiğim filtreyle ilgili şikayetler
ve (2) modelin kendisinden daha az sorun, sonuçtaki tahminin kullanılmasıdır.
Basit mantık. Diyelim ki belirli bir sinyalimiz var ve ondan deterministik bir bileşen çıkarmak istiyoruz. Tabii ki, bunu en iyi şekilde yapmak istiyoruz.
Kriter biliniyor - RMSE. SE'yi rahatsız etmemek için. Bu kriter, belirli bir numune için yumuşatma parametrelerini seçmenizi sağlar. Kaydırırken, yeniden hesaplıyoruz.
Bölümün bir kısmına bir formülle yaklaşılması anlamında deterministik bir bileşen elde ederiz. Genellikle pürüzsüz farklılaştırılmış, vb. Tesadüf gibi kokmuyor. Ancak her zaman bir yaklaşıklık hatası vardır. Ve başka bir düşünce var.
Orijinal alıntı durağan değildir. Bu düzgün yaklaşım ondan çıkarıldı. Soru: Durağanlık nerede? Ortadan kayboldu? Gerisi sabit mi? Kalan durağansa, bir tahmin yapılabilir. Durağan olmayan - bir tahmin yapmak imkansızdır ve durağan olmayandan parçaları ısırarak yumuşatmaya devam etmek gerekir. Kalanın mutlak değeri azaldığından ve üçüncü düzeltmeden sonra aralık genellikle bir pip ile karşılaştırılabilir olduğundan, sonunda üzerine tükürebilirsiniz.
Basit mantık. Diyelim ki belirli bir sinyalimiz var ve ondan deterministik bir bileşen çıkarmak istiyoruz. Tabii ki, bunu en iyi şekilde yapmak istiyoruz.
Kriter biliniyor - RMSE. SE'yi rahatsız etmemek için. Bu kriter, belirli bir numune için yumuşatma parametrelerini seçmenizi sağlar. Kaydırırken, yeniden hesaplıyoruz.
Bölümün bir kısmına bir formülle yaklaşılması anlamında deterministik bir bileşen elde ederiz. Genellikle pürüzsüz farklılaştırılmış, vb. Tesadüf gibi kokmuyor. Ancak her zaman bir yaklaşıklık hatası vardır. Ve başka bir düşünce var.
Orijinal alıntı durağan değildir. Bu düzgün yaklaşım ondan çıkarıldı. Soru: Durağanlık nerede? Ortadan kayboldu? Gerisi sabit mi? Kalan durağan ise, o zaman bir tahmin yapılabilir. Durağan olmayan - bir tahmin yapmak imkansızdır ve durağan olmayandan parçaları ısırarak yumuşatmaya devam etmek gerekir. Kalanın mutlak değeri azaldığından ve üçüncü düzeltmeden sonra aralık genellikle bir pip ile karşılaştırılabilir olduğundan, sonunda üzerine tükürebilirsiniz.
Sonunda, deterministik bileşeni çıkarmak için en uygun yöntem olarak yinelemeli prosedürün kendisini düşünebiliriz. Ana şey, çıktıda sabit beyaz gürültüye yol açması gerektiğidir, yani. sadece durağan olmamayı değil, aynı zamanda artıkların otokorelasyonunu da ortadan kaldırmak gerekir, aksi takdirde tahmin değersiz olacaktır. Kısacası, bu formülasyondaki sorun uzun zamandır biliniyor, ancak handikap ile ilgili olarak, çözümünü kamuda görmedim. Ancak öyle olsa bile, analiz penceresindeki deterministik bileşenin şeklinin kendisinin durağan olduğunu kim söyledi, yani. pencere kaydırıldığında değişmeyecek mi? Ve değilse, o zaman tahmin değersizdir.
Ve değilse, o zaman tahmin değersizdir.
İdeale ulaşılamaz.
Örnek bir plana bakalım.
Masha'yı T=10 ile alıyoruz. Benim için bunlar, sabit katsayısı = 0.1 ile hesaplamalara alınan 10 bağımsız değişkendir.
Bir kez düşünüldüğünde, yerleştirme hatası H1 için 100 pip'in üzerindedir.
Sorun nedir? Açıkçası sabit bir katsayıda.
10 gecikme değeri için regresyon alıp katsayıyı hesaplıyoruz. 0,1'e eşit değiller Hata daha az ama yine de 100 pip civarında.
Sonraki soru. Neden 10 bağımsız değişken?
Sonra, neden bu değişkenlerin doğrusal bir kombinasyonu?
Tartışmanın bu noktasında ne elde ediyorum?
Uyarlamak gerekir: katsayılar, bağımsız değişkenlerin sayısı, fonksiyonel form.
Hepsi bu mu?
Hayır hepsi değil.
Piyasaya uyarlanabilir bir model konseptini ortaya koyduk, ancak şu soru ortaya çıkıyor, piyasada ne görüyoruz veya piyasadan ne alıyoruz?
EView'leri alırsak, yukarıdakinden daha geniş bir parametre kümesi seçmemize izin veren ve yaklaşık olması gereken bir dizi test vardır. Bu parametre setini neredeyse tamamen tahmin dalında gösterdim.
Her şey doğru. Sol:
Адаптировать [...] коэффициенты, кол-во независимых переменных, функциональную форму
=)devam et) Az duyuyorum, az biliyorum.