![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Dem stimme ich voll und ganz zu, aber für mich ist die interessante Frage, was außerhalb der Stichprobe passiert.
Wenn Ihre Vorhersage die Eigenschaft der Robustheit hat, dann werden die Parameter der vorhergesagten Verteilung beibehalten, sowohl mo (vorhergesagter Wert) als auch sk (Fehler).
Die Tatsache, dass Sie verlangen, dass der Fehler in der Vergangenheit stationär ist, ist der Test für die Robustheit der Vorhersage.
Was müssen Sie innerhalb einer Stichprobe analysieren, um die Wahrscheinlichkeit zu erhöhen, dass die Vorhersagen außerhalb der Stichprobe zutreffen?
Ist die Berechnung des Fehlers und die Forderung nach Stationarität dazu ausreichend?
Und eine letzte Frage. Was ist der Prognosehorizont? In einem Schritt oder in mehreren Schritten? Wenn mehrere Schritte, wie wird eine solche Möglichkeit bestimmt?
Ich glaube nicht, dass diese Fragen ohne die Einführung einer Vorhersagezielfunktion (Qualitätsbewertung) gelöst werden können. Zum Beispiel der Gewinnfaktor. Und eine weitere Abschätzung ihrer Veränderung in Abhängigkeit von Änderungen der Systemparameter (und die hat jeder). Monotones Wachstum der Zielfunktion bei Annäherung an ein Extremum.
Ich verstehe nicht, wie man bei nicht-stationären Daten einen stationären Fehler erwarten kann? In dem von Ihnen oben gezeigten Diagramm besitzt die Größe des Fehlers offensichtlich nicht die Eigenschaften der endlichen Varianz, was es zumindest fragwürdig macht, darauf Schätzungen anzuwenden, die auf der Streuung der Ergebnisse (von s.c.o. oder der Quadratwurzel von N) basieren.
Das in diesem Thread verwendete Modell basiert nicht auf meiner Idee, die wie folgt lautet: Wir gehen zunächst davon aus, dass kotir = Trend + Rauschen + Zyklizität.
Kann die Zyklizität nicht bewältigt werden, so wird sie verworfen.
Wenn es keinen Trend gibt, ist auch keine Prognose möglich.
Wir wählen den Trend (HP-Indikator mit 4 Verzögerungen) und berücksichtigen das Rauschen (2 Verzögerungen). Betrachten Sie nun das Residuum dieses Modells. Handelt es sich um reines Rauschen, oder ist darin ein Trend zu erkennen? Wenn ein Trend übrig bleibt, extrahieren wir den Trend aus diesem Rest. Solange es keinen Lärm mehr gibt. Sie kann nicht vorhergesagt werden. Welches Geräusch? Genau hier setzt Ihre Frage an. Auf dem Diagramm gibt es ein Rauschen mit einem Bereich von 25 Pips. Man kann die Minuten nicht vorhersagen, aber man kann die Tage vorhersagen.
Wenn Ihre Vorhersage die Eigenschaft der Robustheit hat, dann werden die Parameter der vorhergesagten Verteilung beibehalten, sowohl mo (vorhergesagter Wert) als auch sk (Fehler).
Die Tatsache, dass Sie verlangen, dass der Fehler in der Vergangenheit stationär ist, ist der Test für die Robustheit der Vorhersage.
Die Robustheit des Gewinnfaktors ist die endgültige Schätzung, aber eine gewisse Konstruktivität in der Analysephase wäre wünschenswert.
TAP hat eine Taylor-Zerlegung. Es wird argumentiert, dass der Prognosehorizont gleich der Anzahl der Ableitungen in dieser Zerlegung ist.
Eine Analogie: Die Ableitung ist das Residuum des Modells, der Prognosehorizont ist die Anzahl der Iterationen des Residuums. Wir hören auf, wenn wir ein Residuum erhalten, das wir vernachlässigen oder modellieren können, z. B. mit GARCH.
Die Robustheit des Gewinnfaktors ist die endgültige Schätzung, aber ich würde mir eine gewisse Konstruktivität in der Analysephase wünschen.
In TAP gibt es eine Taylor-Zerlegung. Es wird argumentiert, dass der Prognosehorizont gleich der Anzahl der Ableitungen in dieser Zerlegung ist.
In Analogie dazu ist die Ableitung das Residuum des Modells, und der Prognosehorizont ist die Anzahl der Iterationen des Residuums, die wir vernachlässigen oder modellieren können, z. B. GARCH.
der Prognosehorizont hängt vom Umfang der zu analysierenden Stichprobe ab. In der Regel ist der Horizont kleiner als diese Stichprobe. Wenn Sie z.B. ein Fenster von N Balken analysieren und darauf basierend eine Prognose erstellen, wäre es logisch, dass der Prognosehorizont <N Balken ist. Natürlich wäre es naiv, nach einer allgemeingültigen Abhängigkeit zu suchen, wie z. B. dass eine Vorhersage mit der Hälfte der analysierten Datenmenge durchgeführt werden sollte, aber innerhalb eines bestimmten Systems können wir nach einer solchen Abhängigkeit in rein statistischer Hinsicht suchen.
1) Die Robustheit des Gewinnfaktors ist eine endliche Schätzung, aber ich möchte eine Konstruktion in der Analysephase.
2) TAP hat eine Taylor-Zerlegung. Es wird argumentiert, dass der Prognosehorizont gleich der Anzahl der Ableitungen in dieser Zerlegung ist.
3) Eine Analogie: Die Ableitung ist das Residuum des Modells, der Prognosehorizont ist die Anzahl der Iterationen des Residuums. Wir hören auf, wenn wir ein Residuum erhalten, das wir vernachlässigen oder modellieren können, z. B. mit GARCH.
1) Erstellen Sie eine Zielfunktion --- was das ist und wie sie ist - schauen Sie in einem Buch über Optimierungstheorie nach. (obwohl es Ihnen wahrscheinlich nicht helfen wird).
2) Blödsinn!!! Das ist das erste Mal, dass ich solche Aussagen höre, und zwar nur hier und von Ihnen. Um solche Patzer in Zukunft zu vermeiden, sollten Sie die Definitionen mindestens zweimal lesen. (Wie nennen Sie TAR? Beziehen Sie sich wirklich auf die Theorie der automatischen Steuerung?)
3) Und wieder: Bullshit!!!
.
Als Ökonometriker sollten Sie zunächst die Grundlagen verstehen (z. B. was ein Derivat ist), bevor Sie weitermachen. Und man braucht unvergleichlich mehr Vorwissen, um mit dem Raum der Zustände umgehen zu können.
der Prognosehorizont hängt vom Umfang der zu analysierenden Stichprobe ab. In der Regel ist der Horizont kleiner als diese Stichprobe. Wenn Sie also ein Fenster von N Balken analysieren und darauf basierend eine Prognose erstellen, ist es logisch, dass der Prognosehorizont <N Balken ist. Natürlich wäre es naiv, nach einer allgemeingültigen Abhängigkeit zu suchen, wie z. B. dass eine Vorhersage mit der Hälfte der analysierten Datenmenge durchgeführt werden sollte, aber innerhalb eines bestimmten Systems können wir nach einer solchen Abhängigkeit in rein statistischer Hinsicht suchen.
Ich kann dem nicht ganz zustimmen.
Der Stichprobenumfang sollte aus anderen Überlegungen abgeleitet werden.
Wir nehmen eine Stichprobe und schätzen die Modellparameter, dann teilen wir die Stichprobe in zwei Teile und schätzen die Modellparameter für diese Teile. Wenn sich die Modellparameter nicht geändert haben, ist das in Ordnung, wenn sie sich geändert haben, teilen wir sie erneut auf. Wenn dabei etwas übrig bleibt, ist eine Prognose möglich, wenn nicht, warten wir ab.
1) Erstellen Sie eine Zielfunktion --- was das ist und wie sie funktioniert - schlagen Sie in einem Buch über Optimierungstheorie nach. (obwohl es Ihnen wahrscheinlich nicht helfen wird).
2) Blödsinn!!! Das ist das erste Mal, dass ich solche Aussagen höre, und zwar nur hier und von Ihnen. Um solche Patzer in Zukunft zu vermeiden, sollten Sie die Definitionen mindestens zweimal lesen. (Wie nennen Sie TAR? Beziehen Sie sich wirklich auf die Theorie der automatischen Steuerung?)
3) Nochmals: Schwachsinn!!!
Ich kann dem nicht ganz zustimmen.
Der Stichprobenumfang sollte aus anderen Überlegungen abgeleitet werden.
Wir nehmen die Stichprobe und schätzen die Modellparameter, dann unterteilen wir die Stichprobe in zwei Teile und schätzen die Modellparameter für diese Teile. Wenn sich die Modellparameter nicht geändert haben, ist das in Ordnung, wenn sie sich geändert haben, teilen wir sie erneut auf. Wenn dabei etwas übrig bleibt, ist eine Prognose möglich, wenn nicht, warten wir ab.
Es ging nicht darum, eine Stichprobengröße für die Analyse zu wählen, sondern um den Prognosehorizont. Ich glaube nicht, dass sie zeitlich festgelegt werden sollte, aber wenn Sie wirklich darüber diskutieren wollen, wovon sie abhängt, dann ist die Stichprobengröße einer der Faktoren.
Als Ökonometriker sollten Sie sich zunächst die Grundlagen aneignen (z. B. was eine Ableitung ist) und dann weitermachen. Und man braucht viel mehr Vorwissen, um mit dem Raum der Zustände umgehen zu können.