Économétrie : une prévision d'avance - page 94

Nouveau commentaire
 
faa1947:

Ne vous laissez pas distraire.

Mettez en évidence la composante déterministe. Qu'en est-il du résidu ? Nous vérifions à nouveau la composante déterministe. La cause est ancienne. Va jusqu'au bruit. En obtenant le bruit sans la composante déterministe, on peut raisonner.


Pour les séries non stationnaires, cette composante déterministe va beaucoup changer dans le temps. Des méthodes adaptatives doivent être appliquées pour prédire

 
Demi:


Pour les séries non stationnaires, cette composante déterministe changera beaucoup au cours du temps. Pour les prévisions, des méthodes adaptatives doivent être appliquées.

Si vous regardez d'abord le sujet, vous verrez des détails de l'idée suivante et des calculs pratiques pour celle-ci.

Idée :

1. adapter le modèle à l'échantillon

2. prévoir un pas en avant

3. une fois le fait arrivé, ajustez à nouveau sur un échantillon décalé

4 Prévoyez à nouveau 1 étape d'avance.

Il y avait un tableau à droite des paramètres du modèle (lags) et vous pouvez voir que les paramètres du modèle changent presque à chaque fois.

 
faa1947:

Si vous regardez d'abord le sujet, vous verrez des détails de l'idée suivante et des calculs pratiques pour celle-ci.

Idée :

1. adapter le modèle à l'échantillon

2. prévoir un pas en avant

3. le moment venu, essayez à nouveau sur un échantillon décalé.

4 encore une prévision avec une longueur d'avance.

Il y avait un tableau à droite des paramètres du modèle (lags) et vous pouvez voir que les paramètres du modèle changent presque à chaque fois.


C'est donc ça, de l'instabilité, bordel de merde ! )))))

Rien de bon ne peut en sortir. Toute cette adaptation à la pseudo-stationnarité n'est que du chamanisme. Cette série sera toujours non stationnaire, peu importe comment vous la violez. Très fortement non stationnaire ou fortement non stationnaire ou faiblement ou fortement non stationnaire - il n'existe pas de méthodes de prévision fiables. Toutes les statistiques mathématiques sont développées sur la base des hypothèses de stationnarité et d'ergodicité.

 
Je me demande ce que l'ergodicité a à voir avec cela. Explique-le moi, Demi: peut-être suis-je habitué à le comprendre d'une autre manière.
 
Demi:


C'est donc ça - la non-stationnarité, bon sang de bonsoir ))))).

Rien de bon n'en sortira. Toute cette réduction à la pseudo-stationnarité est du chamanisme. Cette série sera toujours non stationnaire, peu importe comment vous la forcez. Très fortement non stationnaire ou fortement non stationnaire ou faiblement ou fortement non stationnaire - il n'existe pas de méthodes de prévision fiables. Toutes les statistiques mathématiques sont basées sur l'hypothèse de stationnarité et d'ergodicité.

Il existe des totaux pour le facteur de profit supérieur à 1, mais c'est une maigre consolation, car il y avait pire.

Je ne veux pas me décourager. Peut-être un mauvais lissage, peut-être les mauvais régresseurs, ou une mauvaise interprétation de la prévision ? Nous devons nous pencher sur la question. C'est pour ça que j'ai ouvert une agence.

 
faa1947: Il y avait un tableau à droite avec les paramètres du modèle (lags) et vous pouviez voir que les paramètres du modèle changeaient presque à chaque fois.
Et vous avez toujours l'intention de vous en tenir à un modèle qui est hautement instable en termes de paramètres principaux ?
 

Mathemat:

Je me demande ce que l'ergodicité a à voir avec ça ? Explique-le moi, Demi: peut-être suis-je habitué à le comprendre d'une autre manière.
Si et seulement si le processus stochastique est ergodique, la série temporelle ou spatiale permet d'estimer la fonction de distribution correspondant aux valeurs futures et passées. L'ergodicité permet de traiter les valeurs passées des indicateurs comme un échantillon aléatoire d'une population homogène de valeurs futures.

Pour les processus ergodiques, l'espérance, la variance et la fonction d'autocorrélation calculées à partir d'une réalisation seront les mêmes pour toute autre réalisation.

(Citation partielle.)

Si une série est non stationnaire, elle est donc non ergodique.

 
Mathemat:
Et vous avez toujours l'intention de vous en tenir à un modèle dont les principaux paramètres sont hautement insoutenables ?
Je ne m'en tiens pas au modèle, je m'en tiens à la méthode.
 

Demi: Тогда и только тогда, когда стохастический процесс является эргодическим

Eh bien, tout d'abord, ce sont tous des mots généraux que je connais déjà.

Deuxièmement, il ne s'agissait pas de considérer le processus de cotation comme un ensemble de réalisations. La réalisation est une, point final. Au moins en économétrie.

Troisièmement, et c'est le plus important : comment peut-on vérifier l'ergodicité, si on ne peut pas faire d'autres réalisations possibles ? (Si nous pouvions le faire, nous pourrions fabriquer un testeur idéal, qui serait capable de vérifier à cent pour cent la robustesse de n'importe quelle CT, puisque nous aurions, grosso modo, autant de données d'entrée que nécessaire, c'est-à-dire l'infini).

faa1947 : Je ne m'en tiens pas au modèle, je m'en tiens à la méthode.

OK, la question est la même, mais pour la méthode.

 
Mathemat:

OK, même question, mais pour la méthode.

Il n'y a rien d'autre que je connaisse qui soit aussi bien développé...
1...87888990919293949596979899100101...139
Nouveau commentaire