Si existe un proceso cuyo análisis de una parte no permite predecir la siguiente. - página 8

 
Sólo los procesos abstractos como la SB pueden ser fundamentalmente imprevisibles. Los procesos reales pueden cambiar sus patrones de forma no cíclica y tan rápidamente que no hay datos suficientes para identificarlos de forma estadísticamente fiable. Pero es teóricamente posible tratar de encontrar patrones en el proceso de cambio de patrones). Tendría que haber un orden de magnitud más de datos para identificarlos que para identificar patrones en el nivel anterior. Pero estos patrones también pueden ser inconstantes. Y al final todo depende del volumen de datos para identificar un patrón del nivel adecuado. :)
 

Hay un gran número de teorías, ciencias y herramientas que parecen ser aplicables a una cita. en estas circunstancias, es crucial decidir lo que queremos.

Queremos que el modelo creado sobre datos históricos sea aplicable en la siguiente barra. Eso es suficiente. Eso es todo.

Creo que las características de este modelo se establecen a partir de muestras extremadamente limitadas: decenas de observaciones. Se necesita una muestra amplia para comprobar la estabilidad de este modelo. Esta es la segunda característica del modelo. La estabilidad de un modelo viene determinada por su comportamiento ante la varianza y las rupturas de las variables. Esta es la segunda característica del modelo. Si seleccionamos las herramientas y los métodos para ello, sería un gran paso adelante, ya que el conjunto de herramientas se haría observable.

 
faa1947:

Esto es nuevo para mí. Una serie estacionaria es predecible por definición - dentro de un sko. Un inestable no tiene sko - ¿cuál es la predicción? Pero no se trata sólo del sko.

¿Con qué otra definición? ¿Dónde desaparece la RMS en un proceso no estacionario? ¿Has oído hablar alguna vez de las variables aleatorias con varianza infinita? ¿Cómo se relaciona en principio la previsibilidad con la existencia de RMS?

Todavía me gustaría volver a la cuestión de la desviación.

¿Qué estamos detrayendo?

¿Nivel? ¿Línea recta? ¿Curva? ¿Splines?

¿Y la fase? ¿También lo desciframos?

¿Hay una sola tendencia o muchas? ¿Tal vez una ondícula?

Así que la fijación en las tendencias deterministas y estocásticas para la previsión es algo perjudicial, porque sugiere resolver problemas que el comerciante no tiene.

Permítame replantear su idea: "si se elimina la no estacionariedad de un proceso no estacionario, se convierte en estacionario" ¡Vaya, qué profundo! La fijación en la estacionalidad y la incomprensible sustitución de ésta por la previsibilidad no es menos perjudicial.
 
alsu:

¿Con qué otra definición? ¿Adónde ha ido a parar la RMS en un proceso no estacionario? ¿Has oído hablar alguna vez de las variables aleatorias con varianza infinita? ¿Qué relación tiene, en principio, la previsibilidad con la existencia de RMS?

Permítame replantear su idea: "si se elimina la no estacionariedad de un proceso no estacionario, se convierte en estacionario" ¡Vaya, qué profundo! Centrarse en la estacionalidad y sustituirla inexplicablemente por la previsibilidad no es menos perjudicial.

¿Con qué otra definición? ¿Dónde desaparece la RMS en un proceso no estacionario? ¿Has oído hablar alguna vez de las variables aleatorias con varianza infinita? ¿Cómo se relaciona en principio la previsibilidad con la existencia de la RMS?

Esa es tu respuesta. La no estacionariedad de la varianza hace imposible la predicción, es decir, el error de predicción se vuelve incierto.

La fijación en la estacionalidad y la incomprensible sustitución de ésta por la previsibilidad no es menos perjudicial.

No es una sustitución, fluye hacia fuera.

¿Por qué la fijación? Por cierto, no soy el único.

La cosa está absolutamente clara. La predicción es impensable sin el error de predicción. El error no puede cambiar arbitrariamente, al menos en los datos históricos. ¿Qué es lo que no está claro? ¿O hay algo más?

Si se elimina la no estacionariedad de un proceso no estacionario, se convierte en estacionario" ¡Vaya, qué profundo!

Nunca dije eso. Todo lo que dije fue tener en cuenta, simular.

 
alsu:

¿Con qué otra definición? ¿Dónde desaparece la RMS en un proceso no estacionario? ¿Has oído hablar alguna vez de las variables aleatorias con varianza infinita? ¿Qué relación tiene, en principio, la previsibilidad con la existencia de RMS?

Permítame replantear su idea: "si se elimina la no estacionariedad de un proceso no estacionario, se convierte en estacionario" ¡Vaya, qué profundo! Centrarse en la estacionalidad y sustituirla inexplicablemente por la previsibilidad no es menos perjudicial.

No entiendo por qué se equipara estacionariedad con previsibilidad. Si eso es lo que se pretende conseguir, la estacionariedad es una SB ordinaria, hay una estacionariedad ideal con un RMS ideal. Ahora intente construir un modelo sobre él: el resultado está garantizado que será aleatorio.
 
C-4:

No entiendo por qué se equipara estacionariedad con previsibilidad. Si se trata de lograr estacionariedad de esta manera, tome una SB normal, hay estacionariedad perfecta con un RMS idílico. Ahora intente construir un modelo sobre él: el resultado está garantizado que será aleatorio.
Para mí todo tiene sentido. La predicción es cero mo. En esto se basan los ST para volver a mo por desviaciones aleatorias de mo.
 
faa1947:
Para mí, todo está claro. La predicción es cero mo. Esta es la base de los TC en una vuelta a Mo para las desviaciones aleatorias de Mo.

Extraer un proceso cuasi estacionario de incremento de precios con Mo positivo de la serie de precios ;)
 
Avals:

para aislar un proceso cuasi estacionario de incremento de precios con mo positivo ;)
Por supuesto. Según tengo entendido, todos los gestores de carteras viven de esto con sus betas y alfas.
 

Para no ser infundado daré ejemplos para cada afirmación. Intentaré intencionadamente hacerlo más complicado.

faa1947:

¿Con qué otra definición? ¿Dónde desaparece la RMS en un proceso no estacionario? ¿Has oído hablar alguna vez de las variables aleatorias con varianza infinita? ¿Cómo se relaciona en principio la previsibilidad con la existencia de la RMS?

Esa es tu respuesta. La varianza no constante hace imposible la predicción, es decir, el error de predicción se vuelve incierto.

Esto no es una respuesta, sino una pregunta para usted en relación con sus propios delirios. Le daré un ejemplo para refutarlos.

Un proceso no estacionario con densidad 1/pi*1/(1+(x-x0)^2), y expectativa x0 es también una variable aleatoria, aunque para una completa incertidumbre - con distribución desconocida (estacionaria o no - también desconocida). Y que el tiempo de correlación del proceso sea distinto de cero, es decir, que la integral del producto de ACF(tau,t)*tau sea mayor que 0 para cualquier t.

Qué sabemos del proceso:

a) Su varianza es siempre infinita (calcula la integral si no crees).

b) Es no estacionaria tanto en sentido estricto como , casi probablemente, en sentido amplio. La primera se deriva en realidad de la definición de estacionariedad en sentido estricto, ya que la densidad del proceso no es constante, la segunda se deriva de las propiedades desconocidas del proceso x0.

Sin embargo, a pesar de todas las circunstancias agravantes, bajo ciertas condiciones, a saber, cuando el tiempo de correlación (puede no ser constante - ¡el proceso es no estacionario!) supera algún valor umbral, podemos hacer una predicción con una varianza finita perfectamente aceptable. Es la condición de una buena (superación de algún umbral, que en principio se puede calcular) correlación del proceso al menos en algunos momentos, y nuestra capacidad de identificar estos momentos son condiciones suficientes para la posibilidad de predicción. Sin embargo, los hechos de no estacionariedad y falta de dispersión no importan por sí mismos.

La fijación en la estacionalidad y la incomprensible sustitución de ésta por la previsibilidad no es menos dañina.

No es una sustitución, sino un consecuencialismo.

¿Por qué la fijación? Por cierto, no soy el único.

La cosa está absolutamente clara. La predicción es impensable sin el error de predicción. El error no puede cambiar arbitrariamente, al menos en los datos históricos. ¿Qué es lo que no está claro? ¿O hay algo más?

El error puede variar como quiera, y nuestro trabajo es poder calcularlo. Si podemos hacerlo, ¿por qué no puede ser diferente para distintos momentos? Tu error garrafal es que no distingues entre la varianza del pronóstico y la varianza del proceso pronosticado, que son cosas completamente diferentes y no están rígidamente relacionadas entre sí. La presencia y la profundidad de la relación entre ellos depende de muchos factores, entre ellos la cantidad de conocimientos que tenemos sobre el proceso, los métodos de previsión que tenemos en nuestro arsenal y, sólo por último, las propiedades del propio proceso de previsión. El ejemplo anterior lo confirma.

Es cierto que no eres el único que tiene fijación, porque la gente tiende a equivocarse no por su cuenta, sino por los consejos de las autoridades.

 

Hmm.

Me alegro de haber podido entusiasmar a las mejores mentes del foro.

Con su permiso, me apartaré humildemente para leer. (Gracias.