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
Wer hat so einen Unsinn gesagt? Dies sind die Ergebnisse der TS - sie können durchaus stationär sein.
Nehmen Sie einen TS, der um die Größe des Spreads sinkt - die Handelsergebnisse werden stationär sein
Das ist keine Dummheit, das ist Freude. Wenn Ihr TS ausläuft und die Reste stehen bleiben, dann ist es hoffnungslos.
Wenn er fällt und die Waage nicht stillsteht - dann ist dieser TS gefährlich, denn man kann überhaupt nichts über ihn sagen.
Es ist also überhaupt nicht dumm.
Was ist "Normalität im negativen Bereich"?
Fehlen von dicken Schwänzen, insbesondere
Okay, in Ordnung.
Es wurde festgestellt, dass das Modell angemessen ist und eine unveränderliche Vorgehensweise aufweist. Was nun? Wozu haben wir das Modell gebaut?
Was ist, wenn das Modell unzureichend ist? Finden wir ein nichtlineares Regressionsmodell, dann ist es ausreichend. Und was dann?
Lassen Sie mich Ihnen ein weiteres Geheimnis verraten: Die Regressionsanalyse ist ein Prognoseinstrument. Was sagen wir hier voraus?
Es ist nicht das erste Mal, dass Sie in diesem Forum auf Normalität pochen.
Warum Normalität und nicht Stationarität. Normalität ist eine stärkere Anforderung und redundant stärker. Oder übersehe ich etwas?
Ich würde gerne die Stabilität des TS vorhersagen. Wenn es rentabel ist, wird es das auch sein.
Das ist nicht die Art, wie man Stabilität definiert. Nur eine Vorhersage der Rentabilität.
Stabilität ist gleichbedeutend mit Stationarität. Sie kann sich in ein oder zwei Jahren manifestieren
Es ist nicht das erste Mal, dass Sie in diesem Forum auf Normalität pochen.
Warum Normalität und nicht Stationarität. Normalität ist eine stärkere Anforderung und redundant stärker. Oder übersehe ich etwas?
für Regressionsresiduen erfordert nur Normalität
Es ist nicht das erste Mal, dass Sie in diesem Forum auf Normalität pochen.
Warum Normalität und nicht Stationarität. Normalität ist eine stärkere Anforderung und redundant stärker. Oder übersehe ich etwas?
Die Summe der unabhängigen statischen Verteilungen tendiert also dazu, normal zu sein. Wenn sie abhängig sind, ergibt sich eine andere Verteilung als die Normalverteilung. Aber natürlich kann in kleinen Intervallen eine andere statistische Verteilung vorliegen.
Keine fetten Schwänze im Besonderen.
Welcher Idiot würde einen gewinnbringenden TS verwerfen, wenn er fette Schwänze in der Verteilung hat oder nicht hat?
Es gibt einen profitablen TS, der z. B. 30 % Gewinn pro Monat für ein Jahr bringt, aber er hat dicke Schwänze in der Residualverteilung des Bilanzdiagrammmodells. Und?
Für Regressionsresiduen ist nur Normalität erforderlich
so dass die Summe der unabhängigen statistischen Verteilungen tendenziell normal ist. Wenn sie abhängig sind, ergibt sich eine andere Verteilung als die Normalverteilung. Aber natürlich kann es in kleinen Intervallen eine andere statistische Verteilung geben.
Sie sind mit der Antwort davongekommen. DEMI zitierte eine Antwort aus einem Lehrbuch über Regressionsanalyse, aber bei der Modellierung von kotir gibt es nicht viel Regressionsanalyse. Und nirgendwo wird die Normalität dargestellt.