文章 "使用计量经济学方法分析图表" - 页 2 123456789...12 新评论 Denis Kirichenko 2011.01.18 17:39 #11 Rosh: 添加。我们将重新发表。 我建议我们再讨论一下材料。有一些宝贵的意见。然后对文章进行一些更新 :-) Denis Kirichenko 2011.01.18 18:02 #12 -Alexey-: 错，维基也有错误。以均匀分布为例。你可以计算峰度，但根本不存在尾部。因此，你被正确地告知，在一般情况下，重力、长度、尾部的存在与峰度系数之间没有关系。以三角形分布为例--也是一样。到底哪里出了问题？阿列克谢-- 老实说，在时间序列研究领域，尤其是我在文章中描述的收益序列，我从未遇到过你所说的这种分布（三角形和均匀分布）。它们的作用很可能完全不同。所以没必要引用一些边际例子，我找不到别的词了，请原谅。如果你断言了什么，请善意地给出一个具体的分析例子。在上述分析中，最常使用的分布（即使不总是）是正态分布、Student 分布 和Cauchy 分布。 Denis Kirichenko 2011.01.18 18:12 #13 -Alexey-:......为了使用该系数，首先必须确定经验分布函数，从数学角度看，这并不是一件 小事；其次，在某些概率标准的框架内，检验并接受分布具有单一模式的假设，这对于金融数 列来说并不总是符合要求，也不是一件小事。如果不执行这些步骤，就不可能进行进一步的计算，如果需要 "超额系数 "的话。有价值的意见。如果在一篇文章中进行分布拟合，就有足够的材料写第二篇文章了。也许将来我或其他人会就这一主题写一篇文章。本文的目的只是指出需要使用非线性模型的时间序列 的特征。 Denis Kirichenko 2011.01.18 18:37 #14 -Alexey-:没有说明如果测试表明该系列不适用于假定的模型该怎么办。没有说明为什么要使用所谓的 "收益率 "系列而不是其他系列，依据是什么？ 哪些具有吸引力？为什么有吸引力而不是权宜之计？选择转换类型的有效数学标准是什么？是的，什么也没写。）因为逻辑很简单。如果一个检验（这里是 Q 检验）显示没有自相关性，那么就没有必要使用非线性模型。使用线性模型。使用收益序列的基础是确保时间序列的平稳性。例如，这对后续建模非常重要。资产价格是非平稳的。收益率通常是静态的。此外，还可以将不同的序列相互比较，即比喻为刺猬与刺猬交叉。通常情况下，序列的频率相对较高（每天、每小时等），因此收益率序列可以通过连续复利（我们就是这样做的）或简单复利得到。两者之间的差别很小。我认为 "有吸引力 "和 "权宜之计 "这两个词之间的区别是值得商榷的。 Denis Kirichenko 2011.01.18 18:40 #15 -Alexey-: 您认为批评者应该参加论文答辩，还是应该不参加答辩就接受论文，然后开始实际研究？我想您会有兴趣知道，相关系数的计算并不正确。批评是为了让材料更好，没有人认为文章是好的。这样，您的系统就不会获利太少，反而会获利更多。批评是非常必要的。因为我们通常会在争论中发现真理。-阿列克谢，你能具体说明一下计算的错误之处吗？产量序列中的自相关性 通常很弱或不存在。 Alexey Subbotin 2011.01.18 18:53 #16 denkir:到底哪里出了问题？-Alexey-，老实说，在时间序列研究领域，尤其是我在文章中描述的收益序列，我从未遇到过你所说的这种分布（三角形和均匀分布）。它们的作用很可能完全不同。所以没必要引用一些边际例子，我找不到别的词了，请原谅。如果你断言了什么，请善意地给出一个具体的分析例子。在上述分析中，最常用的分布（即使不是总是）是正态分布、Student 分布 和Cauchy 分布。它们可能是最常用的，但真实的分布并不是正态分布、考奇分布或学生分布，而通常最接近拉普拉斯分布。上文正确地指出，识别分布的任务并不复杂，但这并不意味着不可能完成。无论如何，我个人对符合双指数的检验结果 R^2 = 0.999 非常信服。现在来看看这张图：顺便说一下，这里只画 了拉普拉斯分布，这意味着它们的超额比率都 正好是 3。因此，它也与 "尾部厚度 "无关--这里展示的所有图形都是如此。PS 我还想谈谈计量经济学家们从一本教科书到另一本教科书再到 paedivikia 之间的相互转载，不过好吧，还是留到下次再说吧。 Alexey Subbotin 2011.01.18 18:54 #17 顺便说一句，你可能会感到惊讶，但我从未 在市场上见过正态分布 。 Alexey Subbotin 2011.01.18 19:17 #18 向文章作者提出的问题。您对 Lewing-Box 检验的解释如下（引述）：我们的函数运行Q-тест Льюнга-Бокса-Пирса ，并返回给定滞后期的逻辑值数组。如果数组中的某个元素为假，则不拒绝给定滞后 期不存在自相关的零假设。根据标准定义，正确的解释应该如下：我们的函数执行Lewng-Box-Pierce Q 检验，并返回给定滞后期的逻辑值数组。如果数组中的一个元素为假，则不拒绝 "从 1 到指定滞后期 （包括 指定滞后期） 不存在自相关性 "的零假设。 问题这属于 "表达不正确 "还是解释检验结果时的计算错误？ Denis Kirichenko 2011.01.18 19:20 #19 alsu:它们可能最常用，但真实分布不是正态分布，不是考奇分布或学生分布，通常最接近拉普拉斯分布。上文正确地指出，确定分布的任务并非难事，但这并不意味着不可能。无论如何，我个人对符合双指数的检验结果 R^2 = 0.999 非常信服。关于这个图形...顺便说一下，这里只 绘制了拉普拉斯分布图，这意味着它们的过剩率都 正好是 3。因此，这也与 "尾部厚度 "无关--这里展示的所有图形都是如此。阿尔苏，我同意拉普拉斯分布的超额比率 总是 3。我对它的估计过于草率，因为我已经很久没有见过它了......但我再次重申，在我所写的研究领域中，计量经济学家们都在使用这些分布。如果诺贝尔奖获得者对你来说不是权威（如罗伯特-恩格尔），那我就不说了。如果您没有给出具体的分析例子，我认为您的论点是推测性的。 [删除] 2011.01.18 19:32 #20 denkir: 到底哪里出了问题？1) 每个系数都是用不同的数据量确定的，也就是说，它们在统计上是不相等的。因此，每个系数都应与其他系数分开进行显著性检验。而在 Ljung-Box 检验中，情况并非如此。2) 检验的显著性水平是根据什么来选择的？-Alexey-，老实说，在时间序列研究领域，尤其是我在文章中描述的产量序列，我从未见过你所说的这种分布（三角形和均匀分布）。它们的作用很可能完全不同。所以没必要引用一些边际例子，我找不到别的词了，抱歉。所以，你还没有回答--这一系列收益从何而来，选择变换的理由是什么？毫无疑问，你可以借助变换从价格图表中得到一条直线，但这有什么用呢？我看了你写的东西：使用收益率序列的基础是确保时间序列的平稳性。这种方法只是一种可怕的杂乱无章的方法，会损失大量信息。那还有什么可预测的呢？用数学语言来说，这就是所谓的 "根据预测方法拟合数据"。但这不是办法。只有在初始数据可以接受的情况下，才可以使用这种方法，而不是对初始数据进行剪裁，使其变得可以接受。这是现代统计学中一个众所周知的问题。如果你断言了什么，请善意地给出一个具体的分析例子。 这里有一个不是分析性的具体例子，而是一个关于欧元 4 小时汇率现状的实际例子。我通过其他变换得到的一些残差的分布情况，我知道为什么。您可以看到该分布接近三角形。它的形状会以最奇怪的方式发生变化，因为这个序列是非稳态的。你怎么会认为价格序列的分布符合 正态分布、Student 分布 和Cauchy 分布。- 这简直是无稽之谈，实际上这种情况非常罕见。也许你说的是别的东西，我只是没听懂。 123456789...12 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
添加。我们将重新发表。
错，维基也有错误。以均匀分布为例。你可以计算峰度，但根本不存在尾部。因此，你被正确地告知，在一般情况下，重力、长度、尾部的存在与峰度系数之间没有关系。以三角形分布为例--也是一样。
到底哪里出了问题？
阿列克谢-- 老实说，在时间序列研究领域，尤其是我在文章中描述的收益序列，我从未遇到过你所说的这种分布（三角形和均匀分布）。它们的作用很可能完全不同。所以没必要引用一些边际例子，我找不到别的词了，请原谅。如果你断言了什么，请善意地给出一个具体的分析例子。
在上述分析中，最常使用的分布（即使不总是）是正态分布、Student 分布 和Cauchy 分布。
......为了使用该系数，首先必须确定经验分布函数，从数学角度看，这并不是一件 小事；其次，在某些概率标准的框架内，检验并接受分布具有单一模式的假设，这对于金融数 列来说并不总是符合要求，也不是一件小事。如果不执行这些步骤，就不可能进行进一步的计算，如果需要 "超额系数 "的话。
有价值的意见。如果在一篇文章中进行分布拟合，就有足够的材料写第二篇文章了。也许将来我或其他人会就这一主题写一篇文章。本文的目的只是指出需要使用非线性模型的时间序列 的特征。
-Alexey-:
没有说明如果测试表明该系列不适用于假定的模型该怎么办。
没有说明为什么要使用所谓的 "收益率 "系列而不是其他系列，依据是什么？
哪些具有吸引力？为什么有吸引力而不是权宜之计？选择转换类型的有效数学标准是什么？是的，什么也没写。）
因为逻辑很简单。如果一个检验（这里是 Q 检验）显示没有自相关性，那么就没有必要使用非线性模型。使用线性模型。
使用收益序列的基础是确保时间序列的平稳性。例如，这对后续建模非常重要。
资产价格是非平稳的。收益率通常是静态的。
此外，还可以将不同的序列相互比较，即比喻为刺猬与刺猬交叉。
通常情况下，序列的频率相对较高（每天、每小时等），因此收益率序列可以通过连续复利（我们就是这样做的）或简单复利得到。两者之间的差别很小。
我认为 "有吸引力 "和 "权宜之计 "这两个词之间的区别是值得商榷的。
您认为批评者应该参加论文答辩，还是应该不参加答辩就接受论文，然后开始实际研究？我想您会有兴趣知道，相关系数的计算并不正确。批评是为了让材料更好，没有人认为文章是好的。这样，您的系统就不会获利太少，反而会获利更多。
批评是非常必要的。因为我们通常会在争论中发现真理。
-阿列克谢，你能具体说明一下计算的错误之处吗？
产量序列中的自相关性 通常很弱或不存在。
到底哪里出了问题？
-Alexey-，老实说，在时间序列研究领域，尤其是我在文章中描述的收益序列，我从未遇到过你所说的这种分布（三角形和均匀分布）。它们的作用很可能完全不同。所以没必要引用一些边际例子，我找不到别的词了，请原谅。如果你断言了什么，请善意地给出一个具体的分析例子。
在上述分析中，最常用的分布（即使不是总是）是正态分布、Student 分布 和Cauchy 分布。
它们可能是最常用的，但真实的分布并不是正态分布、考奇分布或学生分布，而通常最接近拉普拉斯分布。上文正确地指出，识别分布的任务并不复杂，但这并不意味着不可能完成。无论如何，我个人对符合双指数的检验结果 R^2 = 0.999 非常信服。
现在来看看这张图：
顺便说一下，这里只画 了拉普拉斯分布，这意味着它们的超额比率都 正好是 3。因此，它也与 "尾部厚度 "无关--这里展示的所有图形都是如此。
PS 我还想谈谈计量经济学家们从一本教科书到另一本教科书再到 paedivikia 之间的相互转载，不过好吧，还是留到下次再说吧。
向文章作者提出的问题。
您对 Lewing-Box 检验的解释如下（引述）：
根据标准定义，正确的解释应该如下：
它们可能最常用，但真实分布不是正态分布，不是考奇分布或学生分布，通常最接近拉普拉斯分布。上文正确地指出，确定分布的任务并非难事，但这并不意味着不可能。无论如何，我个人对符合双指数的检验结果 R^2 = 0.999 非常信服。
关于这个图形...
顺便说一下，这里只 绘制了拉普拉斯分布图，这意味着它们的过剩率都 正好是 3。因此，这也与 "尾部厚度 "无关--这里展示的所有图形都是如此。
阿尔苏，我同意拉普拉斯分布的超额比率 总是 3。我对它的估计过于草率，因为我已经很久没有见过它了......但我再次重申，在我所写的研究领域中，计量经济学家们都在使用这些分布。如果诺贝尔奖获得者对你来说不是权威（如罗伯特-恩格尔），那我就不说了。
如果您没有给出具体的分析例子，我认为您的论点是推测性的。
denkir:
到底哪里出了问题？
1) 每个系数都是用不同的数据量确定的，也就是说，它们在统计上是不相等的。因此，每个系数都应与其他系数分开进行显著性检验。而在 Ljung-Box 检验中，情况并非如此。
2) 检验的显著性水平是根据什么来选择的？
-Alexey-，老实说，在时间序列研究领域，尤其是我在文章中描述的产量序列，我从未见过你所说的这种分布（三角形和均匀分布）。它们的作用很可能完全不同。所以没必要引用一些边际例子，我找不到别的词了，抱歉。
所以，你还没有回答--这一系列收益从何而来，选择变换的理由是什么？毫无疑问，你可以借助变换从价格图表中得到一条直线，但这有什么用呢？我看了你写的东西：
使用收益率序列的基础是确保时间序列的平稳性。
这种方法只是一种可怕的杂乱无章的方法，会损失大量信息。那还有什么可预测的呢？用数学语言来说，这就是所谓的 "根据预测方法拟合数据"。但这不是办法。只有在初始数据可以接受的情况下，才可以使用这种方法，而不是对初始数据进行剪裁，使其变得可以接受。这是现代统计学中一个众所周知的问题。
如果你断言了什么，请善意地给出一个具体的分析例子。
这里有一个不是分析性的具体例子，而是一个关于欧元 4 小时汇率现状的实际例子。我通过其他变换得到的一些残差的分布情况，我知道为什么。您可以看到该分布接近三角形。
它的形状会以最奇怪的方式发生变化，因为这个序列是非稳态的。你怎么会认为价格序列的分布符合
正态分布、Student 分布 和Cauchy 分布。