文章 "使用计量经济学方法分析图表" - 页 7 123456789101112 新评论 [删除] 2011.02.26 13:53 #61 faa1947: 太棒了很棒的文章，涉及很多问题。但是，有些观点值得批评。例如，其中一点--你是根据什么决定需要删除异常值的？它们不应该被删除。 СанСаныч Фоменко 2011.02.26 20:19 #62 -Alexey-: 太棒了很棒的文章，涉及很多问题。但是，有些观点值得批评。例如，其中一点--你是根据什么决定需要删除异常值的？你不能删除它们。 离群值不等于异常值。你必须看引文。如果离群值相对罕见，那么就应该将其削减到临界值（而不是删除）。如果不是，那就不知道该怎么做了。原则上，异常值会严重扭曲统计数据。任何统计软件包都会考虑到这种可能性，并给出适当的建议。 [删除] 2011.02.27 01:53 #63 faa1947: 离群不是离群。您必须查看引文。如果离群值是一种相对罕见的情况，那么就应该将其修剪到临界值（而不是删除）。如果不是，那就不知道该怎么做了。原则上，异常值会严重扭曲统计数据。任何统计软件包都会考虑到这种可能性，并给出适当的建议。据我所知，如果事先知道测量结果至少是由某种规律统一起来的，即换句话说，当产生测量值的过程是非随机或随机静止时，就会在测量中删除异常值，而异常值可能是由随机性（超出非随机性或静止的限制）引起的，在这种情况下，这种随机性就是一种扭曲。如果我们处理的是非稳态的价格序列，那么任何水平的随机性都是统计的一部分（除了非随机性部分，但很难将它们分开），分别去除统计的一部分就是对统计的扭曲。我更倾向于这样一种观点，即在处理随机非平稳过程时，我们无权删除（剪切）某些东西。顺便说一句，你没有回答你认为修剪的最终目的是什么。统计软件包的目标可能是处理静态序列，在这种情况下，修剪异常值的建议是有效的。如果不是这种情况，那就不知道该怎么做了。 您这是什么意思？ СанСаныч Фоменко 2011.02.27 10:24 #64 -Alexey-:据我所知，在进行测量时，如果事先知道测量结果至少是由某种规律统一起来的，即换句话说，当产生测量值的过程是非随机或随机静止的时候，异常值就会被剔除，而异常值可能是由随机性（超出非随机性或静止性的限度）引起的，在这种情况下，这种随机性就是一种扭曲。如果我们处理的是非稳态的价格序列，那么任何水平的随机性都是统计的一部分（除了非随机性部分，但很难将它们分开），分别去除统计的一部分就是对统计的扭曲。我更倾向于这样一种观点，即在处理随机非平稳过程时，我们无权删除（剪切）某些东西。顺便说一句，你没有回答你认为修剪的最终目的是什么。统计软件包的目标可能是处理静态序列，在这种情况下对异常值进行修剪的建议是有效的。 您这是什么意思？即使是 ARIMA 模型，也是通过将非平稳序列简化为平稳形式来处理的。在我看来，削减报价的问题有两个层面：表层和深层。表面上有一些问题，例如打压止损，这与市场的非平稳性无关。 应用数理统计和计量经济学的深层问题是，初始数据、中间结果和结论都必须通过数学以外的直观方法来检验。只有在直观查看图表后才能选择临界值（2、3、4 西格玛或其他），这就涉及到置信区间 的选择问题。应用数理统计的最大问题在于，如果没有统计人员自身的艺术，就无法想象其应用。没有人会制定 "切-不切 "规则。如果剪切--就会消除非平稳性特征，如果不剪切--就会因不成功的抽样而扭曲总体的真实分布。计量经济学的核心是假设检验，在假设检验中可能会出现第一种和第二种错误：拒绝正确的零假设而接受不正确的备择假设，以及拒绝正确的备择假设而接受不正确的零假设。鉴于上述情况，我既可以同意你的观点，也可以不同意你的观点。如果不事先考虑具体样本，就不可能明确回答你的问题。 [删除] 2011.02.27 14:45 #65 Даже модель ARIMA работает с нестационарными рядами путем приведения их к стационарному виду.即使在此之后，模型阶次也会随时间而改变。结论--非平稳数据序列在某一时刻已被拟合到一个设计用于平稳序列的模型（方法）中。既然如此，就有必要以某种方式研究如何经常进行追逐，以及追逐能持续多长时间。否则，如何使用不合适的模型？没有切入--失败的样本扭曲了总体的真实分布我认为这里的推理是错误的。非平稳序列没有总体，否则就是平稳序列。既然是静止的，就不存在真实的分布。关于击倒--你怎么知道是否击倒？当然，如果你分析了几个 DC 的数据，接近强势水平，甚至是圆形水平，并看到其中一些打倒了止损位（为此你需要引入一个标准），那么我同意你的观点，似乎有一些准客观的理由进行削减。但是，要确定这一点，需要做大量的工作和研究。应用数理统计和计量经济学的深层次问题是，无论是初始数据、中间结果还是结论，都必须通过数学以外的直观方法来检验。只有在直观查看图表后才能选择临界值（2、3、4 西格玛或其他），这就涉及到置信区间的选择问题。应用数理统计的最大问题在于，如果没有统计学家自身的艺术，就无法想象其应用。 这不是我想说的。统计学家的艺术，或者说他所受的训练程度，取决于他能否估算出静态数列与非静态数列的适用范围。但不是直观地估计，而是定量地（用数字）估计。 СанСаныч Фоменко 2011.02.27 18:01 #66 -Alexey-:即使在此之后，模型阶次也会随时间而改变。结论--非平稳数据序列在某一地点被拟合到设计用于平稳序列的模型（方法）中。 TA 的标准推理：非平稳序列是具有不同特征的平稳部分的总和。如果我们使用 Matlab 的工具箱，则根本不会考虑这个问题：我们会认为 BP 与正态分布的 BP 存在若干差异，然后我们会处理这些偏差。但并非所有偏差都会被处理。既然如此，就有必要以某种方式研究追逐的频率以及追逐的持续时间。否则，如何使用不合适的模型？ 没有这个问题。有两种预测：提前一步（对下一根蜡烛）和提前多步。在这里，我认为推理是错误的。非平稳序列没有总体，否则就已经是平稳序列了。既然是静态数列，就不存在真正的分布。我原则上不同意。静止性是序列的特征，而不是总体的大小。关于跌停--你怎么知道是不是跌停？当然，如果你分析了几个 DC 的数据，接近强势水平，甚至是圆形水平，并发现其中一些炸掉了止损点（为此你需要引入一个标准），那么我同意你的观点，出现了一些削减的准客观理由。但是，要确定这一点需要做大量的研究工作。取消停车站只是一个例子。在审查报价时，我们必须决定哪些是我们要作为报价的，哪些是由于我们不知道的原因而放弃的。我不这么认为。一个统计学家的艺术，或者说他所受的训练程度，取决于他如何估算静态数列与非静态数列的适用范围。但不是直观地估计，而是定量地（数值地）估计。我不同意。这就是假设定义错误的根源。 [删除] 2011.02.27 19:33 #67 faa1947: TA 的标准推理：非平稳序列是具有不同特征的平稳部分的总和。这种推理有依据吗？毕竟，由上述总和得到的数列可以在没有总和的情况下偶然得到，也可以由具有其他规律的其他部分的总和得到。既然如此--那么如何才是（真实的）呢？ 。 如果我们使用 Matlab 的工具箱，则根本不会考虑这个问题：它认为 BP 与正态分布有一些差异，并进一步与这些偏差作斗争。这是基于什么考虑的？没有这个问题。预测有两种：提前一步（下一根蜡烛）和提前多步。这与参数不同的模型在下一步可能更优化有什么关系？我原则上不同意。静止性是序列的特征，而不是群体的大小。这一点并不清楚--您能更详细地描述一下您的意思吗？真正的分布是数列属性的特征，而非静态分布顾名思义就是数列属性发生变化的分布。因此，不存在属于一般人群的真实分布。N.R.只有一个真正的分布，而且是在某一特定时刻，针对有限数量的烛台。跌停只是一个例子。在回顾报价时，我们需要决定哪些是我们要作为报价的，哪些是由于我们不知道的原因而落空的。如果原因不明，你凭什么决定什么？我不同意。要还原为一个静态数列是完全不可能的。因此，在定义假设时会出现错误。 现在，我原则上不同意。我不同意你的措辞。一个特征随机变化的数列怎么可能是静止的？也就是说，这种方法没有任何依据，那么我们还能谈什么假设呢？ СанСаныч Фоменко 2011.02.27 20:45 #68 -Alexey-:这种推理有任何依据吗？毕竟，由上述总和得到的数列可以在没有总和的情况下偶然得到，也可以由具有其他规律的其他情节的总和得到。既然如此，那么什么才是真实的呢？ 在我的帖子中，我认为没有依据。在 TA 那里，根本没有其他方法。 根据什么认为是这样呢？这不是我的观点--所有的数理统计都是以此为基础的。参数不同的模型在下一步中可能更优化，这与事实有什么关系？没有所谓的 "最优"。要么有一定可信度的拟合，要么没有。有拟合--有预测这一点不是很清楚--你能更详细地描述一下你的意思吗？BP 中 SV 的数量与确定静止性无关。而且，如果原因不明，又有什么依据来判断呢？这是随机过程的标准。如果原因是已知的，那么很可能是一个确定性过程。现在，我原则上不同意。不同意这个措辞本身。一个特征随机变化的序列怎么可能是静止的？也就是说，这种方法没有任何依据，我们还能谈什么假设呢？例如，GARCH 就是一个波动性不断变化的模型。我们只有两个人在讨论，结果变得太抽象了。甚至连 topkstarter 也没有参与进来。我希望所讨论的文章在讨论和发展过程中保持一定的一致性。例如，第一步，在一个具体的例子中，详细考虑数据的初步分析和建模准备。例如样本量的合理性。2. 证明数据转换的必要性。3.选择如何转换数据：- 处理异常值和缺失数据。- 数据转换--去除趋势和周期性 4.确定趋势类型及其核算 5.5.根据转换后的数据拟合分布 6.6.分析转换后数据的静态性7.解释异方差 暂时到此为止。另一个计划是完全可行的。我想系统地介绍一下为正在讨论的论文中所描述的建模准备商数的问题。 Denis Kirichenko 2011.02.27 20:53 #69 Topikstarter[herringbones, it hasn't been called that yet] is in a bit of a creative crisis :-))))但他正在关注讨论.... 他非常感谢faa1947 提出的建设性意见... -Alexey-，我建议您研究一下矩阵...我会考虑所有意见，稍后我会提出我的反驳和论据... [删除] 2011.02.27 21:20 #70 denkir:-Alexey-，我建议你学习矩阵....。您可以推荐哪些章节？对于我的每一个陈述（包括提问），我都可以提供矩阵的链接。P.S. 如果这不是秘密的话，创意危机与哪个时刻有关？:) 123456789101112 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
太棒了很棒的文章，涉及很多问题。但是，有些观点值得批评。例如，其中一点--你是根据什么决定需要删除异常值的？你不能删除它们。
离群不是离群。您必须查看引文。如果离群值是一种相对罕见的情况，那么就应该将其修剪到临界值（而不是删除）。如果不是，那就不知道该怎么做了。原则上，异常值会严重扭曲统计数据。任何统计软件包都会考虑到这种可能性，并给出适当的建议。
据我所知，如果事先知道测量结果至少是由某种规律统一起来的，即换句话说，当产生测量值的过程是非随机或随机静止时，就会在测量中删除异常值，而异常值可能是由随机性（超出非随机性或静止的限制）引起的，在这种情况下，这种随机性就是一种扭曲。如果我们处理的是非稳态的价格序列，那么任何水平的随机性都是统计的一部分（除了非随机性部分，但很难将它们分开），分别去除统计的一部分就是对统计的扭曲。我更倾向于这样一种观点，即在处理随机非平稳过程时，我们无权删除（剪切）某些东西。顺便说一句，你没有回答你认为修剪的最终目的是什么。统计软件包的目标可能是处理静态序列，在这种情况下，修剪异常值的建议是有效的。
如果不是这种情况，那就不知道该怎么做了。
据我所知，在进行测量时，如果事先知道测量结果至少是由某种规律统一起来的，即换句话说，当产生测量值的过程是非随机或随机静止的时候，异常值就会被剔除，而异常值可能是由随机性（超出非随机性或静止性的限度）引起的，在这种情况下，这种随机性就是一种扭曲。如果我们处理的是非稳态的价格序列，那么任何水平的随机性都是统计的一部分（除了非随机性部分，但很难将它们分开），分别去除统计的一部分就是对统计的扭曲。我更倾向于这样一种观点，即在处理随机非平稳过程时，我们无权删除（剪切）某些东西。顺便说一句，你没有回答你认为修剪的最终目的是什么。统计软件包的目标可能是处理静态序列，在这种情况下对异常值进行修剪的建议是有效的。
您这是什么意思？即使是 ARIMA 模型，也是通过将非平稳序列简化为平稳形式来处理的。
在我看来，削减报价的问题有两个层面：表层和深层。
表面上有一些问题，例如打压止损，这与市场的非平稳性无关。
应用数理统计和计量经济学的深层问题是，初始数据、中间结果和结论都必须通过数学以外的直观方法来检验。只有在直观查看图表后才能选择临界值（2、3、4 西格玛或其他），这就涉及到置信区间 的选择问题。应用数理统计的最大问题在于，如果没有统计人员自身的艺术，就无法想象其应用。没有人会制定 "切-不切 "规则。如果剪切--就会消除非平稳性特征，如果不剪切--就会因不成功的抽样而扭曲总体的真实分布。
计量经济学的核心是假设检验，在假设检验中可能会出现第一种和第二种错误：拒绝正确的零假设而接受不正确的备择假设，以及拒绝正确的备择假设而接受不正确的零假设。
鉴于上述情况，我既可以同意你的观点，也可以不同意你的观点。如果不事先考虑具体样本，就不可能明确回答你的问题。
Даже модель ARIMA работает с нестационарными рядами путем приведения их к стационарному виду.
即使在此之后，模型阶次也会随时间而改变。结论--非平稳数据序列在某一时刻已被拟合到一个设计用于平稳序列的模型（方法）中。既然如此，就有必要以某种方式研究如何经常进行追逐，以及追逐能持续多长时间。否则，如何使用不合适的模型？
我认为这里的推理是错误的。非平稳序列没有总体，否则就是平稳序列。既然是静止的，就不存在真实的分布。
关于击倒--你怎么知道是否击倒？当然，如果你分析了几个 DC 的数据，接近强势水平，甚至是圆形水平，并看到其中一些打倒了止损位（为此你需要引入一个标准），那么我同意你的观点，似乎有一些准客观的理由进行削减。但是，要确定这一点，需要做大量的工作和研究。
应用数理统计和计量经济学的深层次问题是，无论是初始数据、中间结果还是结论，都必须通过数学以外的直观方法来检验。只有在直观查看图表后才能选择临界值（2、3、4 西格玛或其他），这就涉及到置信区间的选择问题。应用数理统计的最大问题在于，如果没有统计学家自身的艺术，就无法想象其应用。
即使在此之后，模型阶次也会随时间而改变。结论--非平稳数据序列在某一地点被拟合到设计用于平稳序列的模型（方法）中。
TA 的标准推理：非平稳序列是具有不同特征的平稳部分的总和。如果我们使用 Matlab 的工具箱，则根本不会考虑这个问题：我们会认为 BP 与正态分布的 BP 存在若干差异，然后我们会处理这些偏差。但并非所有偏差都会被处理。
既然如此，就有必要以某种方式研究追逐的频率以及追逐的持续时间。否则，如何使用不合适的模型？
没有这个问题。有两种预测：提前一步（对下一根蜡烛）和提前多步。
在这里，我认为推理是错误的。非平稳序列没有总体，否则就已经是平稳序列了。既然是静态数列，就不存在真正的分布。
我原则上不同意。静止性是序列的特征，而不是总体的大小。
关于跌停--你怎么知道是不是跌停？当然，如果你分析了几个 DC 的数据，接近强势水平，甚至是圆形水平，并发现其中一些炸掉了止损点（为此你需要引入一个标准），那么我同意你的观点，出现了一些削减的准客观理由。但是，要确定这一点需要做大量的研究工作。
取消停车站只是一个例子。在审查报价时，我们必须决定哪些是我们要作为报价的，哪些是由于我们不知道的原因而放弃的。
我不这么认为。一个统计学家的艺术，或者说他所受的训练程度，取决于他如何估算静态数列与非静态数列的适用范围。但不是直观地估计，而是定量地（数值地）估计。
我不同意。这就是假设定义错误的根源。
这种推理有依据吗？毕竟，由上述总和得到的数列可以在没有总和的情况下偶然得到，也可以由具有其他规律的其他部分的总和得到。既然如此--那么如何才是（真实的）呢？
。
如果我们使用 Matlab 的工具箱，则根本不会考虑这个问题：它认为 BP 与正态分布有一些差异，并进一步与这些偏差作斗争。
这是基于什么考虑的？
没有这个问题。预测有两种：提前一步（下一根蜡烛）和提前多步。
这与参数不同的模型在下一步可能更优化有什么关系？
我原则上不同意。静止性是序列的特征，而不是群体的大小。
这一点并不清楚--您能更详细地描述一下您的意思吗？真正的分布是数列属性的特征，而非静态分布顾名思义就是数列属性发生变化的分布。因此，不存在属于一般人群的真实分布。N.R.只有一个真正的分布，而且是在某一特定时刻，针对有限数量的烛台。
跌停只是一个例子。在回顾报价时，我们需要决定哪些是我们要作为报价的，哪些是由于我们不知道的原因而落空的。
如果原因不明，你凭什么决定什么？
我不同意。要还原为一个静态数列是完全不可能的。因此，在定义假设时会出现错误。
这种推理有任何依据吗？毕竟，由上述总和得到的数列可以在没有总和的情况下偶然得到，也可以由具有其他规律的其他情节的总和得到。既然如此，那么什么才是真实的呢？
在我的帖子中，我认为没有依据。在 TA 那里，根本没有其他方法。
根据什么认为是这样呢？
这不是我的观点--所有的数理统计都是以此为基础的。
参数不同的模型在下一步中可能更优化，这与事实有什么关系？
没有所谓的 "最优"。要么有一定可信度的拟合，要么没有。有拟合--有预测
这一点不是很清楚--你能更详细地描述一下你的意思吗？
BP 中 SV 的数量与确定静止性无关。
而且，如果原因不明，又有什么依据来判断呢？
这是随机过程的标准。如果原因是已知的，那么很可能是一个确定性过程。
现在，我原则上不同意。不同意这个措辞本身。一个特征随机变化的序列怎么可能是静止的？也就是说，这种方法没有任何依据，我们还能谈什么假设呢？
例如，GARCH 就是一个波动性不断变化的模型。
我们只有两个人在讨论，结果变得太抽象了。甚至连 topkstarter 也没有参与进来。我希望所讨论的文章在讨论和发展过程中保持一定的一致性。例如，第一步，在一个具体的例子中，详细考虑数据的初步分析和建模准备。例如
样本量的合理性。
2. 证明数据转换的必要性。
3.选择如何转换数据：
- 处理异常值和缺失数据。
- 数据转换--去除趋势和周期性 4.
确定趋势类型及其核算 5.
5.根据转换后的数据拟合分布 6.
6.分析转换后数据的静态性
7.解释异方差
暂时到此为止。另一个计划是完全可行的。我想系统地介绍一下为正在讨论的论文中所描述的建模准备商数的问题。Topikstarter[herringbones, it hasn't been called that yet] is in a bit of a creative crisis :-))))
但他正在关注讨论....
他非常感谢faa1947 提出的建设性意见...
-Alexey-，我建议您研究一下矩阵...
我会考虑所有意见，稍后我会提出我的反驳和论据...
-Alexey-，我建议你学习矩阵....。
您可以推荐哪些章节？对于我的每一个陈述（包括提问），我都可以提供矩阵的链接。
P.S. 如果这不是秘密的话，创意危机与哪个时刻有关？:)