Econometría: bibliografía - página 3
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
Por cierto, Sims no desarrolló el método, sino que lo aplicó a datos macroeconómicos. El VAR se conocía desde décadas antes que él.
"La autoregresión vectorial (VAR) es un modelo de la dinámica de varias series temporales en el que los valores actuales de estas series dependen de los valores pasados de las mismas series temporales. El modelo fue propuesto por Christopher Sims"(C)
"Christopher Sims (Sims, 1980) creó una construcción de este tipo: las autorregresiones vectoriales (VAR)"(C).
¿Sí? Podría estar equivocado. ¿Quién lo ha desarrollado?
Más o menos. De hecho, escribió un artículo en el que decía "...por qué se utiliza la autoregresión convencional, no funciona. ¡Usemos el vectorial! Ya sabes, como hacemos aquí en el foro.
De hecho, eso no es lo que dice su artículo, por el que se le concedió el Premio Nobel.
"La autoregresión vectorial (VAR) es un modelo de la dinámica de varias series temporales en el que los valores actuales de estas series dependen de los valores pasados de las mismas series temporales. El modelo fue propuesto por Christopher Sims"(C)
"Christopher Sims (Sims, 1980) creó una construcción de este tipo: las autorregresiones vectoriales (VAR)"(C).
¿Sí? Podría estar equivocado. ¿Quién lo ha desarrollado?
Bueno, en realidad no es eso lo que dice su obra ganadora del Premio Nobel.
El problema es que si el método de previsión funciona realmente en el futuro, nadie lo publicará (hasta que deje de funcionar). Así que lo que estamos viendo son cosas mayormente trabajadas. Por ejemplo, el mismo modelo VAR sobre datos históricos puede mostrar cualquier precisión, pero de nuevo, la selección de los parámetros... Qué hay que explicar, ya lo sabemos)
No lo entiendo en absoluto: este modelo está diseñado para la investigación macroeconómica. Es de interés, por ejemplo, para un banco central, no para un comerciante
El problema es que si un método de previsión funciona realmente en un delantero, nadie lo publicará (hasta que deje de funcionar). Así que lo que estamos viendo son cosas mayormente trabajadas. Por ejemplo, el mismo modelo VAR sobre datos históricos puede mostrar cualquier precisión, pero de nuevo, la selección de los parámetros... Qué hay que explicar, ya lo sabemos)
Tengo que admitir que los enlaces publicados arriba son definitivamente una novedad para mí. Ahora me doy cuenta de que hacer un modelo, como el VAR, es sólo una parte del trabajo. La predicción que le dará casi cualquier modelo necesita saber cómo utilizarlo. Y eso no es menos problema que hacer el propio modelo. De eso tratan los enlaces anteriores.
Y lo que es más, estos enlaces muestran que hay una enorme cantidad de literatura sobre previsión de series temporales, que ha florecido especialmente después de 2008. Hace seis meses buscaba en Google previsiones y obtenía un conjunto patético de enlaces, pero ahora no es así.
No podría estar más de acuerdo.
Los modelos clásicos no son un material elaborado, lo mismo VAR, ARIMA, ARCH, etc. No son modelos, son herramientas de construcción de modelos. Así que se podría argumentar que una llave de 19 es material de desecho. Aquí se confunde con el AT, donde la aplicación masiva de un indicador lleva a su desvanecimiento.
Intente construir un TS en el que el modelo se seleccione a partir del análisis del cociente. Verás que en algunas zonas habrá AR, en otras ARMA, en otras ARMA + GARCH y en algunas zonas no hay nada de matemáticas. Cuanto mayor sea el conjunto de modelos, menor será el área donde no hay nada que aplicar.
completamente equivocado - este modelo está diseñado para la investigación macroeconómica. Por ejemplo, le interesa al banco central, no al comerciante