Matstat Econometría Matan - página 4
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
No entiendo muy bien la pregunta: ¿por qué utilizar el ruido blanco?
Si necesitas una serie de este tipo, puedes generar una serie SB en Excel u otro programa y tomar sus primeras diferencias - eso sería ruido blanco.
Si una estimación aproximada se ajusta - las primeras diferencias de una serie de precios también son cuasi-ruido blanco
La cuestión es que en la práctica, en las fórmulas, el ruido no siempre puede ser una serie generada aleatoriamente.
Es una serie resultante de algunos cálculos a partir de los datos originales.
Es decir, hay alguna información interna en el ruido que contribuye a la precisión de los cálculos generales del modelo.
Así que me confunden estas interpretaciones del ruido )) Y quería asegurarse, que entiende este ruido cómo.
Aleatoriamente, o usandosu ruido calculado.
Alexei, se ha planteado esta cuestión.
He escarbado en las fórmulas econométricas, y en muchas fórmulas hay una variable que es ruido blanco.
Por definición, el ruido blanco tiene características perfectas, la presencia de normalidad con una varianza constante de uno.
Evidentemente, ese ruido blanco probablemente no se encuentre en la realidad. Así que la pregunta es:
en la práctica, ¿qué se utiliza como ruido blanco?
¿Tiene este ruido blanco algo que ver con los datos de entrada? Por ejemplo, tomar los residuos como ruido, pero entonces se violarían las condiciones de normalidad y dispersión.
¿O debería ser realmente un ruido extraño que puede generarse simplemente de forma aleatoria con características específicas?
¿O se trata de eso, de obtener las características del ruido blanco de los residuos? Es decir, la normalidad está ahí, la varianza es constante, no hay autocorrelación.
Sólo hay que mirar los libros de texto de econometría (Magnus, Verbeek, etc.). Allí suelen detallar todo lo correcto.
La cuestión es que un modelo siempre tiene en cuenta un conjunto incompleto de factores y es necesario justificar por qué se descartan los demás. Se suele suponer que todos los demás factores se convierten en ruido blanco, por lo que no hay que analizarlos. Pero esto no es más que una suposición, una hipótesis que hay que confirmar, lo que suele hacerse examinando los residuos del modelo. Si los residuos del modelo no se parecen al ruido blanco, entonces es un mal modelo y hay que cambiarlo por otro.
El ruido blanco no tiene por qué ser gaussiano, pero es su gaussianidad la que nos permite aplicar el CNA para encontrar los parámetros del modelo. Si, por ejemplo, el ruido tiene una distribución de Laplace, habrá que minimizar la suma de los módulos en lugar de los cuadrados. Esto no es difícil de averiguar si se calcula utilizando el principio de máxima probabilidad.
Por lo tanto, la última línea de su mensaje es correcta.
Basta con echar un vistazo a los libros de texto de econometría (Magnus, Verbik, etc.). Suelen detallar todo lo que hay que hacer.
La cuestión es que un modelo siempre tiene en cuenta un conjunto incompleto de factores, y es necesario justificar por qué se descarta el resto. Se suele suponer que todos los demás factores no son más que ruido blanco, por lo que no hay que analizarlos. Pero esto no es más que una suposición, una hipótesis que hay que confirmar, lo que suele hacerse examinando los residuos del modelo. Si los residuos del modelo no se parecen al ruido blanco, entonces es un mal modelo y hay que cambiarlo por otro.
El ruido blanco no tiene por qué ser gaussiano, pero es su gaussianidad la que nos permite aplicar el CNA para encontrar los parámetros del modelo. Si, por ejemplo, el ruido tiene una distribución de Laplace, será necesario minimizar la suma de los módulos en lugar de los cuadrados. Esto no es difícil de averiguar si se calcula utilizando el principio de máxima probabilidad.
Por lo tanto, la última línea de tu post es correcta.
Exactamente. Tengo a Magnus por ahí, tendré que buscarlo. Gracias.
Gracias por la aclaración también, lo tengo.
Si, por ejemplo, el ruido está distribuido por Laplace, ya no hay que minimizar la suma de cuadrados, sino los módulos. Esto no es difícil de averiguar, si se calcula utilizando el principio de máxima probabilidad.
Todas las series numéricas se dividen en tres tipos: deterministas, aleatorias y estocásticas.
¿No es lo mismo "estocástico" que "aleatorio"?
¿No es lo mismo "estocástico" que "aleatorio"?
No
¿No es lo mismo "estocástico" que "aleatorio"?
En econometría, todo está al revés y al derecho. Lo que la gente llama aleatorio se llama estocástico, y lo aleatorio es una mezcla de estocástico y determinista.
¿No es lo mismo "estocástico" que "aleatorio"?
A grandes rasgos, una tarea es una predicción o clasificación.
Un proceso determinista es 100% predecible.
El estocástico no es predecible en absoluto. Bueno, todo el mundo es imprevisible, sólo el autómata y Alejandro vencieron a la moneda....
El objeto de la investigación son los procesos aleatorios en los que diversos métodos y modelos tratan de aislar el componente determinista y el residual que no es predecible.
A grandes rasgos, una tarea es una predicción o clasificación.
Un proceso determinista es 100% predecible.
Uno estocástico no es predecible en absoluto. Bueno, todo el mundo es imprevisible, sólo el autómata y Alejandro vencieron a la moneda....
El objeto de investigación son los procesos aleatorios en los que diversos métodos y modelos tratan de aislar el componente determinista y el residual, que no es predecible.
Sí...
Un proceso determinista no necesita ser predicho, ya que está predeterminado, es decir, se conoce de antemano.
Un proceso aleatorio es aleatorio porque no tiene un componente determinista.
Sí...
Un proceso determinista no necesita ser predicho porque está predeterminado, es decir, se conoce de antemano.
Un proceso aleatorio es aleatorio porque no tiene un componente determinista.
))) Y si un proceso aleatorio no tiene un componente determinista, ¿cómo se puede predecir?
¿Puede dar un ejemplo de una serie no determinista que, sin embargo, sea predecible?