Ob es einen Prozess gibt, bei dem die Analyse eines Teils keine Vorhersage für den nächsten Teil zulässt. - Seite 9
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
Kann ich das denen erklären, die es nicht verstehen?
Was sind die Handlungen in der Vergangenheit? und ich gehe davon aus, dass dies auch die Gegenwart einschließt...
Und im Sinne von Cauchy wird der Modus zum Mittelwert?
Kann ich das denen erklären, die es nicht verstehen?
Was sind die Handlungen in der Vergangenheit? und ich verstehe, dass die Gegenwart auch Gegenwart ist...
Und im Sinne von Cauchy wird der Modus zum Mittelwert?
Nun, ich habe nur ein übertriebenes Beispiel gegeben, um zu zeigen, dass das Fehlen von MO und Varianz und Nicht-Stationarität kein Grund ist, den Prozess als unvorhersehbar zu betrachten. Der Schlüsselbegriff ist die Fähigkeit, Bereiche der Vorhersehbarkeit, d.h. der Zeit, zu identifizieren.
Natürlich habe ich in der Hitze des Gefechts über das Verteidigungsministerium gelogen.
Wo ist die Stationarität der "gewöhnlichen SB"?
Wo ist der "ideale RMS"?
P.S. Sie müssen genauer sagen, wovon Sie sprechen. Wenn es um die Rendite geht, ja.
Leider kann sich jede Prognose nur auf eine deterministische Komponente stützen. Bei Zeilen, die diese Komponente nicht haben, ist jede Vorhersage und damit jeder Gewinn unmöglich.
Wie das Team solche Überlegungen sieht.
1. Eine Vorhersage ist möglich, wenn es eine deterministische Komponente gibt.
2. Die deterministische Komponente ist nicht nur auf der linken, sondern auch auf der rechten Seite des letzten Taktes differenzierbar.
3. Die Differenzierbarkeit nach rechts (bis zum Eintreffen des nächsten Balkens!) wird durch den Typ der Glättungsfunktion gewährleistet. Ich habe irgendwo gesehen, dass kubische Splines an der Kreuzung differenzierbar bleiben.
Es ist auch möglich, undifferenzierte Funktionen vorherzusagen.
Eine Vorhersage ist auch möglich, wenn keine deterministische Komponente vorhanden ist.
Wir sollten Differenzierbarkeit nicht mit Vorhersehbarkeit in Verbindung bringen. Es ist wie ein Vergleich von warm und weich;
Dies ist keine Antwort, sondern eine Frage an Sie bezüglich Ihrer eigenen Wahnvorstellungen. Ich gebe ein Beispiel, um sie zu widerlegen.
Ein nicht-stationärer Prozess mit der Dichte 1/pi*1/(1+(x-x0)^2) und dem Erwartungswert x0 ist ebenfalls eine Zufallsvariable, sei es 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 in den Abschnitten, in denen die Korrelationszeit (sie darf nicht konstant sein - der Prozess ist nicht stationär!) einen bestimmten Schwellenwert überschreitet, Vorhersagen mit einer durchaus akzeptablen endlichen Varianz machen. Die Bedingung einer guten Korrelation (Überschreitung eines bestimmten Schwellenwerts, der im Prinzip berechnet werden kann) des Prozesses zumindest zu einigen Zeitpunkten und unsere Fähigkeit, diese Zeitpunkte zu identifizieren, sind hinreichende Bedingungen für die Möglichkeit einer Vorhersage. Die Tatsache der Nicht-Stationarität und der fehlenden Varianz ist jedoch an sich nicht wichtig.
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.
Es geht nicht um Autorität.
Der Irrtum Ihrer Argumentation ist typisch für Menschen mit einem mathematischen Hintergrund (vielleicht haben Sie keinen, aber der Irrtum der Mathematiker), die mathematischen Berechnungen sehr vertrauen.
In der Statistik ist es sehr einfach, so gut wie jede Rechtfertigung zu finden, die durch einfache Argumentation leicht widerlegt werden kann, was ich sehr schätze.
DieUnsicherheit der Varianz ist ein entscheidender Faktor für die Vorhersage, und es ist nicht angebracht, sich auf historische Daten zu beziehen, ganz gleich, mit welchen Formeln dies verschleiert werden kann.
Ein einfaches Beispiel. Auf ein Ziel schießen. Mir wurde beigebracht, dass das normale Gesetz gilt und wir die Wahrscheinlichkeit, 10, 9, 8 usw. zu treffen, beurteilen und die Qualität des Schützen einschätzen können. Grundlage ist der Abweichungswert, den wir aus historischen Daten berechnet haben. Aber wenn ein Schütze mit verbundenen Augen auf einen Stuhl gesetzt und gedreht wird, gerät die ganze Geschichte mitsamt der Abweichung in Vergessenheit.
Für mich ist dies ein Zeichen von Nicht-Stationarität. Die Vergangenheit sagt nichts. Und es kostet einige Mühe, die Vergangenheit zu nutzen.
Eine Vorhersage ist eine Zufallsvariable, d. h. die von uns berechnete Zahl ist eine Realisierung aus einem Bereich, und es ist die Bereichsgrenze und der Grad des Vertrauens in die berechnete Bereichsgrenze, der grundlegend ist. Es gibt nichts ohne Varianz. Was ist, wenn es eine Variable ist? Insbesondere ARCH-Modelle versuchen, diese Varianz zu modellieren, die Unsicherheit der Varianz zu klären und durch Einblicke in das Verhalten (nicht eine Konstante, sondern ein Verhalten) der Varianz eine genauere Aussage über die Vorhersage zu treffen.
Wenn Sie in Ihrem Beitrag davon sprechen, dass Sie mit nicht stationären VR arbeiten können, dann stimme ich Ihnen vollkommen zu. Aber im Modell muss immer angegeben werden, wie dieses Problem gelöst wird, mit welcher Methode, was gelöst wird und was nicht, da ich keine vollständige Lösung des Nicht-Stationaritätsproblems kenne. Es wird immer Bereiche mit bestimmten Merkmalen der Unstetigkeit geben, die unser Modell nicht berücksichtigt, TC wird ineinander übergehen und wir werden nie eine Gleichgewichtslinie als gerade Linie erhalten.
Ich schreibe dir später, okay? Ich kann nicht...
Die Unsicherheit der Varianz ist für die Vorhersage von entscheidender Bedeutung, und historische Daten sind nicht geeignet, egal welche Formeln verwendet werden, um sie zu verbergen.