Índice Hearst - página 38
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
He adjuntado el texto. Por desgracia, las fórmulas y la parte teórica no resultaron.
Pero el proceso de adaptación de FARIMA se describe específicamente
El ACF de los gráficos es extraño. No parece en absoluto un mercado.
El ACF de los gráficos es extraño. No se parece en nada a la del mercado.
Parece que está bien. He visto muchos de estos para el cotier original, no sus variaciones.
Para mí, la cuestión es diferente.
La cuestión es la precisión del modelo.
El modelo absolutamente preciso es el propio cociente.
Se puede tomar un modelo muy impreciso en forma de línea recta. Y luego una curva, y algo más a tener en cuenta ...... Dónde parar. Cuanto más preciso es el modelo, más se vincula a los datos utilizados para construirlo (ajuste). Por lo tanto. ¿Necesitamos un modelo como el de FARIMA? ¿Tal vez sea redundante? ¿Suavizado, ARMA para el residuo, y quizás (no necesariamente) ARCH para el residuo?
Puedes identificar esta memoria muy larga en cualquier cita. Pero el ACF no es apropiado aquí.
Peters da una interesante definición de la memoria larga. Léalo. Hay mucha información interesante en sus libros sobre este tema. Según él, estos procesos no pueden medirse con el ACF trivial. El ACF funciona en una escala de 5-6 retrasos y ya está. Si H se expresa como una partícula en movimiento con una dispersión igual a la raíz cuadrada de la distancia, entonces obtenemos un caso especial de distribución normal StdDev = Sqrt(T) = T^(0,5). Ahora bien, si la dispersión de la partícula está ligeramente por encima o por debajo de 0,5 es posible en uno y sólo un caso: la partícula debe recordar su estado pasado y, por tanto, tal proceso poseerá memoria. Es decir, H no es una característica de la acción externa, sino que depende del estado previo del proceso. Y si la trayectoria de escape se conserva, significa que depende de los valores anteriores y se puede calcular el periodo de memoria. Y a menudo sucede que en todas las escalas de cálculos el ángulo de inclinación no cambia, y al mismo tiempo, no es igual a 0,5. En este caso, se dice que el proceso es un verdadero proceso Hearst con memoria infinita. Excepto que el ACF no muestra nada de eso.
No puedo estar de acuerdo con el resaltado. Hay dos alternativas sobre cuál es el portador de la información sobre el pasado: o bien es la partícula la que recuerda su estado pasado, o bien es el entorno el que recuerda el estado de la partícula. Dado que el entorno externo suele ser un objeto mucho más complejo, y la partícula puede ser un punto material en su totalidad, estaría más bien de acuerdo con la segunda opción.
No puedo estar de acuerdo con el resaltado. Hay dos alternativas sobre cuál es el portador de la información sobre el pasado: o bien es la partícula la que recuerda su estado pasado, o bien es el entorno el que recuerda el estado de la partícula. Teniendo en cuenta que el entorno externo suele ser un objeto mucho más complejo, y que la partícula puede ser un punto material en su totalidad, yo estaría más bien de acuerdo con la segunda opción.
Si consideramos la difusión de los electrones en una red cristalina de silicio se expresará por la ley con H=0,5. Pero si añadimos al cristal una mezcla n o p obtenemos otro carácter: la llamada difusión anómala para la que H diferirá esencialmente de 0,5. Obviamente, en este caso H es exactamente una característica del medio. Por cierto, los átomos de impureza se distribuyen a través del volumen del semiconductor de forma estadísticamente fractal, por lo que este vagabundeo también se denomina vagabundeo en fractal.
¿Qué efecto tendría eso en nuestro caso? Es decir, ¿qué diferencia hay entre que la memoria esté almacenada en un punto material o en un entorno externo?
La diferencia está probablemente en el enfoque de la modelización: para construir un modelo teórico, es bueno tener alguna explicación fundamental de lo que ocurre, para no señalar con el dedo al cielo. Si creemos que algunos factores son resultado del entorno externo, los buscaremos allí (basándonos en nuestra experiencia vital) y, una vez encontrados, podremos ofrecer un modelo de influencia más adecuado. Si el factor es interno, entonces utilizaremos algunas consideraciones sobre la estructura interna del sistema. En otras palabras, las fuerzas internas y externas se describen con ecuaciones diferentes, y sería bueno saber con cuál de ellas estamos tratando.
Específicamente.
Tenemos autoregresión. Estrictamente kotir. Nada externo. ¿Se trata de un factor interno?
Tenemos una regresión, según la cual nuestra cotización se modela en base a otras cotizaciones, por ejemplo, EURUSD= GBPUSD+...... Pero se trata de variables, por así decirlo, homogéneas. ¿Es un factor externo?
Ahora añadimos la hora del día a la regresión y modelamos la actividad en función de la hora del día. Puede haber muchas de esas variables "externas". ¿Y esto es completamente externo?
No veo un lugar para la teoría de las partículas y el ambiente externo.
Está ahí, pero ¿quién lo va a hacer aquí?
No, no existe tal teoría.
Tenemos que pasar de una descripción verbal del modelo.
Y estos son procesos económicos en un gran número variable y con interrelaciones variables. Cotier es la realización de este proceso. No se trata de un proceso browniano en el que una molécula se mueve y colisiona, es decir, es un objeto independiente con propiedades propias.
Específicamente.
Tenemos autoregresión. Estrictamente kotir. Nada externo. ¿Se trata de un factor interno?
Tenemos una regresión, según la cual nuestra cotización se modela en base a otras cotizaciones, por ejemplo, EURUSD= GBPUSD+...... Pero se trata de variables, por así decirlo, homogéneas. ¿Es un factor externo?
Ahora añadimos la hora del día a la regresión y modelamos la actividad en función de la hora del día. Puede haber muchas de esas variables "externas". ¿Y esto es completamente externo?
No veo un lugar para la teoría de las partículas y el ambiente externo.
La regresión se puede construir sobre cualquier cosa, y este método se llama regla del pulgar. La cuestión es si podemos decir de antemano que, de entre muchos modelos de regresión posibles, éste describirá mejor el comportamiento del cociente por algunas razones. Describa estas razones matemáticamente. Escriba una ecuación de diferencia, calcule los coeficientes de regresión de forma analítica, para que quede claro cuáles representan la influencia de los factores externos, cuáles caracterizan las propiedades internas del sistema y cuáles combinan los factores internos y externos.
Intenta, por ejemplo, construir una ecuación en diferencias de uno de los sistemas más sencillos: un circuito oscilante. En términos de regresión será un modelo ARMA y sus coeficientes serán una combinación de parámetros del propio circuito y de la señal de entrada:
Y(k) = 2*a*cos(w0)*Y(k+1) - Y(k+2) + X(k) - a*sin(w0)*X(k+1)
Aquí X es la influencia externa desconocida, Y es la respuesta observada, a es el parámetro de amortiguación, w0 es la frecuencia natural de oscilación