计量经济学:领先一步的预测 - 页 100

 
Avals:

你可以在另一个主题中讨论它。是否有任何结果(报告、监测)?

这是肯定的--在这个问题上没有什么可讨论的......

嗯,当然有一个结果。如果没有结果,我也不会撒谎。根据结果进行计算,对模型进行修正,确定技术参数。

 
avtomat:

这样吧:我继续做我的实验--提前10个月--如果沿途出现任何问题,我就解释,我就解释......。但是,同意,解释什么是衍生品将是太多了......也就是说,假定有一些基本知识。

是的,为了理解它,你必须付出一些努力,有时是相当大的努力,做一些认知的工作。但我无法为某人做这种推理工作,即使我想。

奥列格,我不需要解释什么是衍生品。我对TAU的熟悉程度足以理解你所画的内容。所以关于知识的基本包袱--对我来说当然不是。

我只是指出,我在那条线上没有看到任何具体的内容(某物的模型)。而且我不是唯一的人。

这只是赤裸裸的计划(见我以前的帖子,我还在那里提出了问题,你没有回答)。

 
Mathemat:

奥列格,我不需要解释什么是衍生品。我对TAU的了解足以理解你所画的东西。所以关于基础知识,它绝对不适合我。

我只是指出,我在那条线上没有看到任何具体的内容(某物的模型)。而且我不是唯一的人。

这只是赤裸裸的计划(见我之前的帖子,我也在那里提出了问题,但你没有回答)。

不,不...关于衍生品--它不适合你...这是一个比喻性的说法......虽然收件人毫不犹豫地出现了 :)))))

好吧,裸体就是裸体......然而,对我来说,它们有一个非常明确的含义。

嗯...让我们把它留在那里...

 
avtomat:

这是肯定的--在这个问题上没有什么可讨论的......

嗯,当然有一个结果。如果没有结果,我也不会撒谎。根据结果,进行计算,修正模型并确定技术参数。


他们又在哪里(统计、监测)?
 
avtomat:

一般来说,一些人有一个 "有趣 "的逻辑 -- 如果结果是狗屎,就会被接受为规范....。

我们只能说这并不可疑。 但70000%是非常可疑的。这甚至是很奇怪的。

那是因为周围没有绅士。

 
paukas:

我们只能说这并不可疑。 另一方面,70,000%是非常可疑的。这甚至有点奇怪。


奉献和更多的承诺;)
 

我想让这个话题回到它的根源上。

关于该专题的背景资料在两篇文章中作了介绍。

指标的统计特征分析

计量经济学:向前一步的预测

有人提出了以下模式。

欧元兑美元 hp1(-1至-2) hp1_d(-1至-1) eq1_hp2(-1至-3) eq1_hp2_d(-1至-4)

其中hp1是Hodrick-Prescott指标,来自1/DX,其中DX是美元指标。

hp1_d - residue = 1/DX - hp1

eq1_hp2是残差的Hodrick-Prescott指标=1/DX -(hp1(-1到-2)+hp1_d(-1到-1))

eq1_hp2_d是之前平滑的残差。

滞后期(以前的条形图)在括号中注明。即该模型分别使用2、1、3和4条的数值。

我用这个模型做了一个一周的预测,显示出5比2的积极结果。

然后我在EViews中公布了测试结果。我在这里重复这个结果。


该表显示了模型的属性。

R-squared- 模型与商数的拟合质量,如果=1,则符合

回归的S.E.--回归与商数的拟合误差。如果我们取小数点后4位,误差范围为11至55点。

LM ACF- 显示残差中没有自回归的概率。在红色中,如果我们不能拒绝没有自相关的假设,即有一个

接下来的两道杠: 测试模型中的残差是否存在异方差。显示缺席的概率。该表显示了在必要时对异方差进行优化和建模的结果,也就是说,我们无法看到它最初是否存在于残差中。

RESET检验--没有规格错误的概率:缺失变量、函数形式错误、与错误相关(与残差)。

Max Prob C 是回归方程系数等于零的最大概率。

Lambda H1到H2 是Hodrick-Prescott指标的lambda值。

最后两栏是 模型中的滞后期数量。应用了适应性,我们可以看到,一个柱子的移动会导致滞后数的改变。 选择标准是:最小LM ACF和最小Prob C

总结结果如下。

我们在样本内有令人惊讶的结果,而在样本外则有超过适度的结果。利润系数1.22的数值不应该鼓励我们,因为它可以挤压出一个特定的报价运动。更为客观的是观察中的利润系数=0.77,这表明在40次交易中(每个柱子上的交易)22次是亏损的,17次是盈利的。

问题是什么?

一个常见的处理TS的方法:我们创建它,在测试器中运行它,得到一个不好的结果--让我们升级它。要改变什么--不知道。

想法。

有没有可能找到一些可以作为基准的TS的属性,并通过其值在测试前判断TS的质量。即--我们只测试一个 "好的 "TS。我相信,对于无法操作的TS,测试仪可以显示出良好的结果。

我建议你停止那些无知者的叫嚣,说计量经济学不好,只因如此你就不应该关注它。有一些具体的工具可以使用。它们显示在表格中。为构建 "正确的 "TS,可以从具体的工具中挤出什么?让我们记住:在你驾驶汽车之前,你必须确保它处于良好的工作状态。我们对TC有不同的态度--我们通过车厂的排水量来确定其可使用性。

仍然准备在EViews中实施建议并公布结果。

 
faa,据我所知,你有40个预测和这些预测的40个结果。你就不能为清晰起见单独制作一个表格吗--项目编号|预测报价器|结果报价器|因为大量的数字让人有点困惑。
 
Nafany:
faa,据我所知,你有40个预测和这些预测的40个结果在干运行。你能不能为清晰起见单独列一个表--不适用的数量|cotir-预测|cotir-结果|因为大量的数字让人有点困惑。



KOTIR_D - 商数增量

FORECAST_IN - 在样本内部进行预测,即对整个样本进行拟合,然后在内部进行预测--典型的提前预测

FORECAST_OUT - 在样本之外提前一步进行预测,即在样本上拟合模型(40个观测值),然后预测41个观测值。由于这还是在历史数据上,我可以把它与事实进行比较

RESULT_IN和RESULT_OUT是计算结果。"-"是指损失。

 
...

整个样本是5000个样本(仔细阅读),我看了前500个样本的相关情况。巨魔,--计算是正确的。对于长度和时间间隔的其他变化,ACF将是不同的,你和我们的计量经济学家已经证明了这一点。别担心,让自己忙于有用的事情。


你也应该更仔细地阅读你被问到的内容。你没有展示整个ACF,只是展示了前500个样本,尽管样本更大。这就是我所问的。

显示整体,所有5000个计数。我只是想知道它会是什么样子(根据我的研究,大约90%是振荡链路模型,当然,如果你做了正确的处理,虽然你不一定要这样做......)。