Ökonometrie: Vorhersage einen Schritt voraus - Seite 75

 
Reshetov:

Ein Modell ohne Überanpassung sollte unabhängig von der Stichprobe stationäre Residuen erzeugen

Warum sollte sie? Es gibt eine ganze Klasse - adaptive Modelle, wohin soll man gehen?

Mein Modell ist kein Meilenstein, seine Lebensdauer beträgt einen Takt, sozusagen ein Ein-Takt-Produkt. Ich glaube nicht an Modelle, die jahrelang leben können. Die Gründe, die Sie beschrieben haben, sind allgemein bekannt.

... dann können wir über die Stationarität der vom Modell erzeugten Residuen sprechen.

Ich interessiere mich nicht für die Theorie der Stationarität. Ich interessiere mich für das Modell. Es gibt mindestens drei grundlegende Fragen:

1. gibt es zusätzliche Variablen im Modell?

2. sollten zusätzliche Variablen einbezogen werden?

3. ist der Prozess der Modellbildung abgeschlossen?

Die Stabilität ist ein Kriterium für den Abbruch der Konstruktion des Modells. Das ist alles. Als nächstes wird die Prognose um einen Balken erhöht. Wo ist hier der Blick nach vorn?

Und ein Modell zu bauen, das bis zur Rente reicht, ist purer Kommunismus, eine große und strahlende Utopie.

 
faa1947: Stationarität ist das Kriterium für den Abbruch der Modellbildung.

Dieses Kriterium ist also einfach nicht ausreichend. Es gibt etwas, das Sie nicht berücksichtigen.

Wie kann man Vertrauen in die Hinlänglichkeit des Modells haben, wenn man einfach ein paar Dutzend notwendige Tests eintippt (und selbst deren Notwendigkeit ist nicht offensichtlich!), in der Hoffnung, dass sich diese Notwendigkeit eines Tages als ausreichend erweisen wird?

 
faa1947:.... Ich glaube nicht an Modelle, die jahrelang leben können.....
Woran soll man glauben? Sie sind da draußen.
 
paukas:
Warum sollten Sie an sie glauben? Sie sind da.
Ich erinnere mich, dass ARIMA in irgendeiner US-Agentur angesiedelt ist. Könnten Sie etwas genauer sein?
 
Mathemat:

Dieses Kriterium ist also einfach nicht ausreichend. Das ist etwas, was Sie nicht bedenken.

Wie kann man Vertrauen in die Hinlänglichkeit des Modells haben, wenn man nur ein paar Dutzend notwendige Tests eingegeben hat (und selbst deren Notwendigkeit nicht offensichtlich ist!), in der Hoffnung, dass sich diese Notwendigkeit eines Tages als ausreichend erweisen wird?


Genügsamkeit ist wie das Ende der Geographie. Wenn es keine Autoregression im Residuum und im modellierten ARCH gibt (falls dies notwendig war), dann gibt es nichts zu modellieren. Das Wissen ist vorbei.
 
faa1947: Genügsamkeit ist wie das Ende der Geographie. Wenn es keine Autoregression im Residuum gibt und ARCH modelliert wurde (falls erforderlich), dann gibt es nichts mehr zu modellieren. Das Wissen ist vorbei.
Geben Sie mir einen Link zu einem Beweis für die Behauptung, dass diese Bedingungen für eine Vorhersage ausreichend sind.
 
faa1947:
Sie können, aber sie tun es nicht. Nennen Sie mir ein Beispiel für einen Indikator, dessen Text von R-Quadrat begleitet wird. Es werden Indikatoren verwendet, von denen nicht bekannt ist, inwieweit sie die Quoten widerspiegeln oder ob sie sie überhaupt widerspiegeln. Beurteilen Sie nach Augenmaß, "natürlich ein guter Indikator"


tun...nur nicht schreiben... nach dem Auge zu urteilen - habe keinen großen Indikator gesehen... Dazu muss ich nicht seine Mathematik analysieren...

Das ist es wirklich. Wir haben fast einen stabilen Restbestand. Verschiebt man das Fenster um 1 Balken, muss man die Modellparameter (Anzahl der Lags) ändern. Dies ist in der Tabelle in den beiden äußersten Spalten, in denen die Anzahl der Verzögerungen angegeben ist, deutlich zu erkennen.

Es heißt ein Wort - passend zur Geschichte...

 
Mathemat:
Geben Sie mir einen Link zu einem Beweis für die Behauptung, dass diese Bedingungen für eine Vorhersage ausreichend sind.

Ich kann mich nicht mehr an den Beweis erinnern, aber er gilt überall. Ich werde meine Gründe (die eines anderen) darlegen. Noch einmal: Kotir = Trend + Rauschen + Periodizität + Ausreißer. Daraus ermittle ich Trend + Rauschen. Die Umkehrbarkeit ist gegeben: durch die Addition von Trend + Rauschen erhalten wir Kotir.

Was können wir tun? Die Antwort liegt auf der Hand: Trend. Abgesehen davon ist es sinnlos, Lärm zu analysieren, solange es einen Trend darin gibt - er wird die statistischen Merkmale von Lärm bewerten. Wir sollten so lange Trends modellieren, bis im Rauschen keine Trends mehr zu erkennen sind. Wenn alle Trends identifiziert sind (ich habe nicht mehr als zwei Stufen gesehen), dann ist ARCH im Rauschen. Wenn ja, dann wissen wir auch, wie man modelliert - modelliert. Ist das Residuum stationär? Gut. Wir wissen nicht, wie wir weiter modellieren sollen. Das Nicht-Können als Zeichen der Genügsamkeit.

Aber ich habe mich erinnert. Das stationäre Residuum kann die Eigenschaft haben, dass die Wahrscheinlichkeit, das Vorzeichen des Inkrements zu ändern, größer ist als die Wahrscheinlichkeit, das Vorzeichen beizubehalten.

PS. Traurig, wenn das stationäre Residuum einen großen Umfang hat. Ideal für weniger als einen Pip.

 
faa1947: Ich kann mich nicht mehr an den Beweis erinnern, aber er gilt überall.

Sie können sich nicht an sie erinnern, weil es sie nicht gibt. Dann wäre es zu einfach, auf dem Markt Geld zu verdienen...

 
Vizard:


tun... nur nicht schreiben... nach dem Auge zu urteilen - habe keinen einzigen großen Indikator gesehen... Dafür muss ich nicht seine Mathematik analysieren...

Das tut es wirklich. Ich habe eine nahezu stabile Restmenge. Wenn Sie das Fenster um 1 Balken verschieben, müssen Sie die Modellparameter (Anzahl der Verzögerungen) ändern. Sie können dies in der Tabelle deutlich an den beiden äußersten Spalten erkennen, die die Anzahl der Verzögerungen anzeigen.

es heißt ein Wort - passend zur Geschichte...

Jede Regressionsanalyse ist eine Anpassung. Die Regression muss passen und die Beobachtungen widerspiegeln, sonst ist sie Blödsinn. Dass Anpassen etwas Schlechtes ist, ist die Überzeugung in diesem Forum. Jeder Student auf der ganzen Welt, der einen Kurs in Ökonometrie oder Statistik belegt hat, glaubt das nicht.