Ob es einen Prozess gibt, bei dem die Analyse eines Teils keine Vorhersage für den nächsten Teil zulässt. - Seite 8
![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
Es gibt eine Vielzahl von Theorien, Wissenschaften und Instrumenten, die auf ein Angebot anwendbar zu sein scheinen. Unter diesen Umständen ist es entscheidend, zu entscheiden, was wir wollen.
Wir möchten, dass das auf Basis historischer Daten erstellte Modell auf den nächsten Balken anwendbar ist. Das ist genug. Das ist alles.
Ich glaube, dass die Merkmale dieses Modells auf extrem begrenzten Stichproben - Dutzenden von Beobachtungen - beruhen. Um die Stabilität dieses Modells zu testen, ist eine große Stichprobe erforderlich. Dies ist das zweite Merkmal des Modells. Die Stabilität eines Modells wird durch sein Verhalten bei Varianz und Brüchen bestimmt. Dies ist das zweite Merkmal des Modells. Wenn wir die Werkzeuge und Methoden dafür auswählen, wäre das ein großer Schritt nach vorn, da das Instrumentarium beobachtbar würde.
Das ist neu für mich. Eine stationäre Reihe ist per Definition vorhersehbar - innerhalb eines Skos. Ein Wackelkandidat hat keinen Sko - wie lautet die Vorhersage? Aber es geht nicht nur um den Sko.
Nach welcher anderen Definition? Wo verschwindet der RMS bei einem nicht-stationären Prozess? Haben Sie schon einmal von Zufallsvariablen mit unendlicher Varianz gehört? Was hat die Vorhersagbarkeit grundsätzlich mit der Existenz von RMS zu tun?
Ich möchte noch einmal auf die Frage des Detrendings zurückkommen.
Was wird umgelenkt?
Ebene, gerade Linie, Kurve, Splines?
Was ist mit der Phase? Sollen wir sie auch umleiten?
Gibt es nur einen Trend oder viele? Vielleicht ein Wavelet?
Die Fixierung auf deterministische und stochastische Trends zur Vorhersage ist also schädlich, weil sie suggeriert, Probleme zu lösen, die der Händler nicht hat.
Nach welcher anderen Definition? Wohin ist der RMS in einem nicht-stationären Prozess verschwunden? Haben Sie schon einmal von Zufallsvariablen mit unendlicher Varianz gehört? Was hat die Vorhersagbarkeit grundsätzlich mit der Existenz von RMS zu tun?
Lassen Sie mich Ihre Idee neu formulieren - "wenn man die Nicht-Stationarität aus einem nicht-stationären Prozess entfernt, wird er stationär" Wow, wie tiefsinnig! Die Konzentration auf die Stationarität und die unerklärliche Ersetzung der Vorhersagbarkeit durch diese ist nicht weniger schädlich.Nach welcher anderen Definition? Wohin verschwindet der RMS bei einem nicht-stationären Prozess? Haben Sie schon einmal von Zufallsvariablen mit unendlicher Varianz gehört? Wie hängt die Vorhersagbarkeit grundsätzlich mit der Existenz von RMS zusammen?
Das ist Ihre Antwort. Die Nicht-Stationarität der Varianz macht eine Vorhersage unmöglich, d. h. der Vorhersagefehler wird unbestimmt.
Die Fixierung auf die Stationarität und die unverständliche Ersetzung der Vorhersagbarkeit durch sie ist nicht weniger schädlich.
Es ist keine Substitution, sondern fließt aus.
Warum Fixierung? Ich bin übrigens nicht der Einzige.
Die Sache ist völlig klar. Eine Vorhersage ist ohne Vorhersagefehler nicht denkbar. Fehler können nicht willkürlich geändert werden, zumindest nicht bei historischen Daten. Was ist daran nicht klar? Oder gibt es noch etwas anderes?
Wenn man die Nicht-Stationarität aus einem nicht-stationären Prozess entfernt, wird er stationär." Wow, wie tiefsinnig!
Das habe ich nie gesagt. Ich habe immer nur gesagt, dass man berücksichtigen und simulieren muss.
Nach welcher anderen Definition? Wohin verschwindet der RMS bei einem nicht-stationären Prozess? Haben Sie schon einmal von Zufallsvariablen mit unendlicher Varianz gehört? Wie hängt die Vorhersagbarkeit grundsätzlich mit der Existenz von RMS zusammen?
Lassen Sie mich Ihre Idee neu formulieren - "wenn man die Nicht-Stationarität aus einem nicht-stationären Prozess entfernt, wird er stationär" Wow, wie tiefsinnig! Die Konzentration auf die Stationarität und die unerklärliche Ersetzung der Vorhersagbarkeit durch diese ist nicht weniger schädlich.Ich verstehe nicht, warum Stationarität mit Vorhersagbarkeit gleichgesetzt wird. Wenn Sie versuchen, Stationarität zu erreichen - nehmen Sie eine gewöhnliche SB, es gibt eine ideale Stationarität mit einem idealen RMS. Versuchen Sie nun, ein Modell darauf aufzubauen - das Ergebnis ist garantiert zufällig.
Ich verstehe nicht, warum Stationarität mit Vorhersagbarkeit gleichgesetzt wird. Wenn Sie versuchen, auf diese Weise Stationarität zu erreichen, nehmen Sie eine normale SB, da ist perfekte Stationarität mit einem idyllischen RMS. Versuchen Sie nun, ein Modell darauf aufzubauen - das Ergebnis ist garantiert zufällig.
Für mich ist alles klar. Die Vorhersage lautet Nullmonate. Dies ist die Grundlage, auf der die TS bei zufälligen Abweichungen von der Mo aufgebaut sind.
Aus der Preisreihe einen quasistationären Prozess des Preisanstiegs mit positivem Mo zu extrahieren ;)
einen quasistationären Prozess des Preisanstiegs mit positivem mo zu isolieren ;)
Um nicht unbegründet zu sein, werde ich für jede Aussage Beispiele anführen. Ich werde absichtlich versuchen, die Sache komplizierter zu machen.
Nach welcher anderen Definition? Wohin verschwindet der RMS bei einem nicht-stationären Prozess? Haben Sie schon einmal von Zufallsvariablen mit unendlicher Varianz gehört? Wie hängt die Vorhersagbarkeit grundsätzlich mit der Existenz von RMS zusammen?
Das ist Ihre Antwort. Eine nicht konstante Varianz macht eine Vorhersage unmöglich, d. h. der Vorhersagefehler wird unsicher.
Dies ist keine Antwort, sondern eine Frage an Sie in Bezug auf Ihre eigenen Wahnvorstellungen. Ich werde Ihnen ein Beispiel geben, um sie zu widerlegen.
Ein nichtstationärer Prozess mit der Dichte 1/pi*1/(1+(x-x0)^2) und dem Erwartungswert x0 ist ebenfalls eine Zufallsvariable, wenn auch mit völliger Ungewissheit - mit unbekannter Verteilung (stationär oder nicht - ebenfalls unbekannt). Und die Korrelationszeit des Prozesses sei ungleich Null, d. h. das Integral des Produkts von ACF(tau,t)*tau ist für jedes t größer als 0.
Was wissen wir über diesen Prozess?
a) Seine Varianz ist immer unendlich (berechnen Sie das Integral, wenn Sie es nicht glauben).
b) Sie ist sowohl im engeren als auch höchstwahrscheinlich im weiteren Sinne nichtstationär. Die erste folgt eigentlich aus der Definition der Stationarität im engeren Sinne, da die Dichte des Prozesses nicht konstant ist, die zweite folgt aus den unbekannten Eigenschaften des Prozesses x0.
Trotz aller erschwerenden Umstände können wir unter bestimmten Bedingungen, nämlich dann, wenn die Korrelationszeit (sie darf nicht konstant sein - der Prozess ist nicht stationär!) einen bestimmten Schwellenwert überschreitet, eine Vorhersage mit einer durchaus akzeptablen endlichen Varianz treffen. Die Bedingung einer guten Korrelation (Überschreitung eines bestimmten Schwellenwerts, der im Prinzip berechnet werden kann) des Prozesses zumindest in einigen Momenten und unsere Fähigkeit, diese Momente zu identifizieren, sind hinreichende Bedingungen für die Möglichkeit einer Vorhersage. Die Tatsache der Nicht-Stationarität und der fehlenden Streuung ist jedoch für sich genommen nicht von Bedeutung.
Die Fixierung auf die Stationarität und die unverständliche Ersetzung der Vorhersagbarkeit durch sie ist nicht weniger schädlich.
Es ist keine Substitution, sondern fließt aus.
Warum Fixierung? Ich bin übrigens nicht der Einzige.
Die Sache ist völlig klar. Eine Vorhersage ist ohne Vorhersagefehler nicht denkbar. Fehler können nicht willkürlich geändert werden, zumindest nicht bei historischen Daten. Was ist daran nicht klar? Oder gibt es noch etwas anderes?
Der Fehler kann beliebig variieren, und unsere Aufgabe ist es, ihn zu berechnen. Wenn wir das können, warum kann es dann nicht für verschiedene Zeitpunkte unterschiedlich sein? Ihr fataler Fehler besteht darin, dass Sie nicht zwischen der Varianz der Vorhersage und der Varianz des vorhergesagten Prozesses unterscheiden, die zwei völlig verschiedene Dinge sind und nicht starr miteinander verbunden sind. Das Vorhandensein und die Tiefe der Beziehung zwischen ihnen hängt von vielen Faktoren ab, einschließlich der Menge an Wissen, die wir über den Prozess haben, die Prognosemethoden, die wir in unserem Arsenal haben, und schließlich von den Eigenschaften des Prognoseprozesses selbst. Das obige Beispiel bestätigt dies.
Es stimmt, dass Sie nicht der Einzige sind, der darauf fixiert ist, denn die Menschen neigen dazu, sich nicht selbst zu irren, sondern auf den Rat von Autoritäten zu hören.
Hm.
Ich freue mich, dass es mir gelungen ist, die besten Köpfe des Forums zu begeistern.
Mit Ihrer Erlaubnis werde ich demütig zur Seite treten und lesen. (Vielen Dank.