Matstat Econometría Matan - página 20

 
Aleksey Nikolayev:

El enfoque estándar en la optimización es multiplicar el objetivo por menos y la maximización se convierte en una minimización (y viceversa).

Ya intenté explicarte que si los errores se distribuyen de forma gaussiana, entonces ISC==MLE. Si los errores se distribuyen por Laplace, entoncesMNC==MLE==Método de mínimos módulos. Puedes averiguarpor ti mismo el tipo de distribución de error cuandoMLE==MLE de Huber.

En los experimentos, el tipo de distribución del error se conoce por alguna consideración adicional, o se elige experimentalmente (normalmente en forma de una función de pérdida adecuada).

Al parecer no lo entendí la primera vez, ahora sí ))
Gracias.

 
Aleksey Nikolayev:

Impresionado por sus conocimientos. ¿Está ganando dinero en el mercado de divisas? ¿Tiene un sitio web personal? ¿Aceptas el dinero en la gestión?

 
pribludilsa:

Impresionado por sus conocimientos. ¿Está ganando dinero en el mercado de divisas? ¿Tiene un sitio web personal? ¿Acepta dinero por la gestión?

Gracias, pero el conocimiento es más o menos - sólo lo básico, pero más o menos sólido.

No sé cómo ganar. A veces, incluso en el mercado de divisas)

No tengo pammers ni señales, ya que trabajo solo (lo prefiero así). Estoy seguro de que es prácticamente imposible crear un sistema que escale bien en términos de capital por mí mismo.

 
Los incrementos persistentes o antipersistentes también pueden ser aleatorios, por lo que Hurst tampoco dice nada sobre la previsibilidad. Es indiferente que sea diferente de SB. La SB es sólo un caso especial de aleatoriedad, la aleatoriedad "normal". En general, la forma de la distribución no dice nada sobre la previsibilidad, no sé qué buscar ahí.
 
Roman:

Para continuar con el tema.
Mucha gente aquí menciona el adelgazamiento de los datos.
Existe un método llamado PCA (Análisis de Componentes Principales), que esuna de las principales formas de reducir la dimensionalidadde los datos perdiendo la menor cantidad de información.
¿Alguien ha estudiado este método? ¿Alguna conclusión sobre su aplicabilidad?
que la selección de activos se reduce con este método. Pero no sé cómo se puede adelgazar un conjunto de datos sin pérdida de dimensionalidad.

En mi opinión, el principal problema del adelgazamiento es la reducción de la dimensionalidad. Es decir, la muestra pasa a tener un tamaño diferente.
En un caso sencillo, hay recomendaciones de los mismos profesores de las universidades, de no tirar un elemento de un conjunto, y sustituirlo por un valor medio de los elementos vecinos, por ejemplo.
Al menos así es como se eliminan los valores atípicos, en el enfoque simple. Pero con la advertencia de que hay otros enfoques, que no se explican.
Por lo tanto PCA como una idea de adelgazamiento, puede ser bien investigado.

P.S. Enlaces de sitios inteligentes, incluso encuentra artículos sobre un tema similar
Oh cómo ))

Un ejercicio inútil, en los nuevos datos los componentes "saltarán" si no es una sinusoide

es decir, el PSA es una forma de ajuste en una submuestra, y además lineal.

no es una forma de encontrar un patrón.

 
Maxim Dmitrievsky:

Ejercicio inútil, con los nuevos datos los componentes "saltarán" si no es una onda sinusoidal

por lo que el PSA es una forma de ajuste en una submuestra, y además lineal.

no es una forma de encontrar un patrón.

Maxim, no he profundizado en el método hasta ahora, no puedo decir nada.
Acabo de ver una grabación de un seminario organizado por la Bolsa de Moscú,
, en el que corredores y todo tipo de investigadores, como geeks, etc., compartieron sus experiencias, presentaciones, etc.
He oído hablar de este método, que se utiliza para seleccionar los activos para otros modelos.
Demostró que este método funciona y da algún tipo de crecimiento.

Leí su artículo como una idea, puede ser que no funcione.
Pero cualquiera puede estar interesado y encontrar el beneficio.



Continúa en youtube.

 
Roman:

Maxim, aún no me he metido en este método, así que no puedo decir nada.
Acabo de ver una grabación de un seminario organizado por la Bolsa de Moscú,
, en el que corredores de bolsa y todo tipo de investigadores como geeks, etc. compartieron sus experiencias, presentaciones, etc.
He oído hablar de este método, que se utiliza para seleccionar los activos para otros modelos.
Demostró que este método funciona y da algún tipo de crecimiento.

También escuché este método como una idea, tal vez no está funcionando.
Pero quien está interesado, puede encontrar el sentido de la aplicación.


Drimmer tiene un artículo aquí, aplicando PSA para construir carteras. Pero luego recomendó a todos que fueran a la fábrica :)
 
Maxim Dmitrievsky:
Drimmer tiene un artículo aquí, aplicando PSA para construir carteras. Pero luego recomendó a todos que fueran a la fábrica :)

Tal vez la recomendación era porque nadie entendía nada ?
;))

 
Roman:

Tal vez la recomendación era porque nadie entendía nada ?
;))

Por razones bastante objetivas. Una cartera estacionaria sólo funciona en el momento, con nuevos datos las cosas se rompen sin la habilidad adecuada
 
Roman:

Maxim, aún no me he metido en este método, así que no puedo decir nada.
Acabo de ver una grabación de un seminario organizado por la Bolsa de Moscú,
, en el que corredores de bolsa y todo tipo de investigadores como geeks, etc. compartieron sus experiencias, presentaciones, etc.
He oído hablar de este método, que se utiliza para seleccionar los activos para otros modelos.
Demostró que este método funciona y da algún tipo de crecimiento.

Leí su artículo como una idea, puede ser que no funcione.
Pero cualquiera puede estar interesado y encontrar el beneficio.



Continúa en youtube.

No hables así, hermano.