Ökonometrie: Vorhersage einen Schritt voraus - Seite 94

 
faa1947:

Lassen Sie sich nicht ablenken.

Heben Sie die deterministische Komponente hervor. Was ist mit dem Rest? Wir prüfen erneut die deterministische Komponente. Die Ursache ist alt. Gehen Sie auf den Lärm ein. Wenn man das Rauschen ohne die deterministische Komponente erhält, kann man folgern.


Bei nicht-stationären Reihen wird sich diese deterministische Komponente im Laufe der Zeit stark verändern. Für die Vorhersage müssen adaptive Methoden angewandt werden

 
Demi:


Bei nicht-stationären Reihen wird sich diese deterministische Komponente im Laufe der Zeit stark verändern. Für die Vorhersage sollten adaptive Methoden angewandt werden

Wenn Sie sich zunächst das Thema ansehen, werden Sie Einzelheiten zu der folgenden Idee und praktische Berechnungen dazu finden.

Die Idee:

1. Anpassung des Modells an die Stichprobe

2. Prognose 1 Schritt voraus

3. sobald die Tatsache eingetroffen ist, erneut an eine verschobene Stichprobe anpassen

4 Prognose wieder 1 Schritt voraus.

Auf der rechten Seite befand sich eine Tabelle mit den Modellparametern (Lags), und Sie können sehen, dass sich die Modellparameter fast jedes Mal ändern.

 
faa1947:

Wenn Sie sich zunächst das Thema ansehen, werden Sie Einzelheiten zu der folgenden Idee und praktische Berechnungen dazu finden.

Die Idee:

1. Anpassung des Modells an die Stichprobe

2. Prognose 1 Schritt voraus

3. wenn die Tatsache eintritt, wieder auf eine verschobene Probe passen.

4 wieder 1 Schritt voraus.

Auf der rechten Seite befand sich eine Tabelle mit den Modellparametern (Lags), und Sie können sehen, dass sich die Modellparameter fast jedes Mal ändern.


Das ist es also - Unbeständigkeit, verdammt noch mal)))))

Es kann nichts Gutes dabei herauskommen. Diese ganze Anpassung an die Pseudostationarität ist einfach nur Schamanismus. Diese Reihe wird immer noch nicht stationär sein, egal wie man sie vergewaltigt. Sehr stark nicht-stationär oder stark nicht-stationär oder schwach oder stark nicht-stationär - es gibt keine zuverlässigen Vorhersagemethoden. Alle mathematischen Statistiken werden auf der Grundlage der Stationaritäts- und Ergodizitätshypothese entwickelt.

 
Ich frage mich, was die Ergodizität damit zu tun hat. Erklären Sie es mir, Demi: Vielleicht bin ich es gewohnt, es auf andere Weise zu verstehen.
 
Demi:


Das ist es also - Nicht-Stationarität, verdammt auf den Boden)))))

Es kann nichts Gutes dabei herauskommen. Diese ganze Reduktion auf Pseudostationarität ist Schamanismus. Diese Reihe wird immer noch nicht stationär sein, egal wie sehr man sie erzwingt. Sehr stark nicht-stationär oder stark nicht-stationär oder schwach oder stark nicht-stationär - es gibt keine zuverlässigen Vorhersagemethoden. Alle mathematischen Statistiken beruhen auf der Hypothese der Stationarität und Ergodizität.

Es gibt Summen für den Gewinnfaktor, die größer als 1 sind, aber das ist nur ein schwacher Trost, denn es gab schlimmere.

Wir wollen uns nicht entmutigen lassen. Vielleicht eine schlechte Glättung, vielleicht die falschen Regressoren oder eine falsche Interpretation der Prognose? Wir müssen uns damit befassen. Deshalb habe ich eine Zweigstelle eröffnet.

 
faa1947: Auf der rechten Seite befand sich eine Tabelle mit den Modellparametern (Lags), und man konnte sehen, dass sich die Modellparameter fast jedes Mal änderten.
Und Sie wollen weiterhin an einem Modell festhalten, das in Bezug auf die wichtigsten Parameter höchst instabil ist?
 

Mathemat:

Ich frage mich, was die Ergodizität damit zu tun hat? Erklären Sie es mir, Demi: Vielleicht bin ich es gewohnt, es auf andere Weise zu verstehen.
Nur wenn der stochastische Prozess ergodisch ist, ermöglicht die Zeit- oder Raumreihe eine Schätzung der Verteilungsfunktion, die sowohl den zukünftigen als auch den vergangenen Werten entspricht. Die Ergodizität bietet eine Grundlage für die Behandlung vergangener Indikatorwerte als Zufallsstichprobe aus einer homogenen Population zukünftiger Werte.

Bei ergodischen Prozessen sind sowohl der Erwartungswert, die Varianz als auch die Autokorrelationsfunktion, die aus einer Realisierung berechnet werden, für jede andere Realisierung gleich.

(Teilweise zitiert.)

Wenn eine Reihe nicht stationär, also nicht ergodisch ist

 
Mathemat:
Und Sie wollen weiterhin an einem Modell festhalten, das in den wichtigsten Parametern höchst unhaltbar ist?
Ich halte mich nicht an das Modell, ich halte mich an die Methode
 

Demi: Тогда и только тогда, когда стохастический процесс является эргодическим

Nun, erstens sind das alles allgemeine Begriffe, die ich bereits kenne.

Zweitens ging es nicht darum, den Angebotsprozess als eine Reihe von Realisierungen zu betrachten. Die Verwirklichung ist eine, Punkt. Zumindest in der Ökonometrie.

Drittens, und das ist das Wichtigste: Wie kann man die Ergodizität überprüfen, wenn wir keine anderen möglichen Realisierungen machen können? (Wenn wir das könnten, könnten wir einen idealen Tester bauen, der in der Lage wäre, jede TK hundertprozentig auf ihre Robustheit zu prüfen, da wir, grob gesagt, so viele Eingabedaten hätten, wie benötigt werden, d.h. unendlich).

faa1947 : Ich halte mich nicht an das Modell, ich halte mich an die Methode.

OK, die Frage ist die gleiche, aber zur Methode.

 
Mathemat:

OK, dieselbe Frage, aber zur Methode.

Ich kenne nichts anderes, das so gut entwickelt ist.