Econometría: previsión de un paso adelante - página 75

 
Reshetov:

Un modelo sin sobreajuste debería producir residuos estacionarios independientemente del muestreo

¿Por qué debería hacerlo? Hay toda una clase - modelos adaptativos, ¿a dónde ir?

Mi modelo no es un hito, su vida útil es de un bar, por así decirlo un producto de un bar. No creo en los modelos que pueden vivir durante años. Las razones que has descrito y que son ampliamente conocidas.

... entonces podemos hablar de la estacionariedad de los residuos producidos por el modelo.

No me interesa la teoría de la estacionalidad. Me interesa el modelo. Hay al menos tres cuestiones básicas:

1. ¿Hay variables adicionales en el modelo?

2. ¿Deben incluirse variables adicionales?

3. ¿Se ha completado el proceso de construcción del modelo?

La estabilidad es un criterio para detener la construcción del modelo. Eso es todo. A continuación, pronostica una barra. ¿Dónde está la mirada al futuro?

Y construir un modelo que alimente hasta la jubilación es puro comunismo, una gran y brillante utopía.

 
faa1947: La estacionariedad es el criterio para detener la construcción del modelo.

Así que este criterio no es suficiente. Hay algo que no estás considerando.

¿Cómo se puede confiar en la suficiencia del modelo, si se acaban de teclear unas cuantas docenas de pruebas necesarias (¡y ni siquiera su necesidad es obvia!), esperando que algún día esta necesidad resulte ser suficiente?

 
faa1947:.... No creo en modelos que puedan vivir durante años.....
¿En qué hay que creer? Están ahí fuera.
 
paukas:
¿Por qué debería creer en ellos? Están ahí.
Recuerdo que ARIMA está en alguna agencia estadounidense. ¿Podría ser más específico?
 
Mathemat:

Así que este criterio no es suficiente. Algo que no estás teniendo en cuenta.

¿Cómo se puede confiar en la suficiencia del modelo si se acaban de teclear unas cuantas docenas de pruebas necesarias (¡y ni siquiera su necesidad es evidente!), con la esperanza de que algún día esta necesidad resulte ser suficiente?


La suficiencia es como el fin de la geografía. Si no hay autoregresión en el residuo y el ARCH modelado (si hubiera necesidad), entonces no hay nada que modelar. Se acabó el conocimiento.
 
faa1947: La suficiencia es como el fin de la geografía. Si no hay autoregresión en el residuo y se ha modelado el ARCH (si es necesario), entonces no hay nada que modelar. Se acabó el conocimiento.
Dame un enlace a una prueba de la afirmación de que estas condiciones son suficientes para la predicción.
 
faa1947:
Tú puedes, pero ellos no. Dame un ejemplo de un indicador cuyo texto vaya acompañado de R-cuadrado. Se utilizan indicadores y no se sabe hasta qué punto reflejan la cotización o si la reflejan en absoluto. Juzgar a ojo, "por supuesto un gran indicador"


hacer... simplemente no escribir... A juzgar por el ojo - no he visto ningún gran indicador... No necesito analizar sus matemáticas para hacerlo...

Realmente lo es. Tenemos un residuo casi estable. Si se desplaza la ventana 1 barra, hay que cambiar los parámetros del modelo (número de rezagos). Esto se puede ver claramente en la tabla por las dos columnas más externas, donde se muestra el número de rezagos.

Se llama una palabra - encaja con la historia...

 
Mathemat:
Dame un enlace a una prueba de la afirmación de que estas condiciones son suficientes para la predicción.

No recuerdo la prueba, pero se aplica en todas partes. Voy a dar mis razones (las de otra persona). Una vez más: kotir = tendencia + ruido + periodicidad + valores atípicos. A partir de esto, tomo la tendencia + el ruido. La reversibilidad está presente: sumando tendencia + ruido obtenemos kotir.

¿Qué sabemos? La respuesta es obvia: la tendencia. Aparte de eso, no tiene sentido analizar el ruido mientras haya una tendencia en él: marcará las características estadísticas del ruido. Debemos modelar las tendencias hasta que no queden tendencias en el ruido. Cuando se han identificado todas las tendencias (no he visto más de dos niveles), entonces hay ARCO en el ruido. Si lo hay, entonces también sabemos cómo modelar - modelado. ¿Es el residuo estacionario? Bien. No sabemos cómo modelar más. No poder como signo de suficiencia.

Sin embargo, me acordé. El residuo estacionario puede tener la propiedad de que la probabilidad de cambiar el signo del incremento es mayor que la probabilidad de mantener el signo.

PS. Triste si el residuo estacionario es de gran alcance. Ideal cuando se trata de menos de un punto.

 
faa1947: No recuerdo la prueba, pero se aplica en todas partes.

No puedes recordarlos porque no existen. Entonces sería demasiado fácil ganar dinero en el mercado...

 
Vizard:


hacer... simplemente no escribir... A juzgar por el ojo - no he visto un solo gran indicador... No necesito analizar sus matemáticas para eso...

Realmente es así. Tengo un residuo casi estable. Si se desplaza la ventana 1 barra, hay que cambiar los parámetros del modelo (número de rezagos). Se puede ver claramente en la tabla por las dos columnas más externas que muestran el recuento de retrasos.

se llama una palabra - que se ajusta a la historia...

Todo análisis de regresión es un ajuste. La regresión debe ajustarse, reflejar las observaciones, de lo contrario es una tontería. Que encajar es algo malo es lo que se cree en este foro. Cualquier estudiante del mundo que haya hecho un curso de econometría o estadística no piensa así.