S'il existe un processus dont l'analyse d'une partie ne permet pas de prévoir la partie suivante. - page 8
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Il existe un très grand nombre de théories, de sciences et d'outils qui semblent pouvoir s'appliquer à un devis. Dans ces circonstances, il est crucial de décider ce que nous voulons.
Nous voulons que le modèle créé sur les données historiques soit applicable sur la prochaine barre. C'est suffisant. C'est tout.
Je pense que les caractéristiques de ce modèle sont établies sur des échantillons extrêmement limités - des dizaines d'observations. Un grand échantillon est nécessaire pour tester la stabilité de ce modèle. Il s'agit de la deuxième caractéristique du modèle. La stabilité d'un modèle est déterminée par son comportement sur la variance des variables et les ruptures. Il s'agit de la deuxième caractéristique du modèle. Si nous sélectionnons les outils et les méthodes pour cela, ce serait un énorme pas en avant, car la boîte à outils deviendrait observable.
C'est une nouvelle pour moi. Une série stationnaire est prévisible par définition - dans un sko. Une personne instable n'a pas de sko - quelle est la prédiction ? Mais il ne s'agit pas seulement du sko.
Selon quelle autre définition ? Où le RMS disparaît-il dans un processus non stationnaire ? Avez-vous entendu parler de variables aléatoires à variance infinie ? En quoi la prévisibilité de principe est-elle liée à l'existence de RMS ?
Je voudrais quand même revenir sur la question de la déstratification.
Qu'est-ce que l'on détend ?
Niveau ? Ligne droite ? Courbe ? Splines ?
Et la phase ? Est-ce qu'on le détend aussi ?
Y a-t-il une seule tendance ou plusieurs ? Peut-être une ondelette ?
La fixation sur les tendances déterministes et stochastiques pour les prévisions est donc une chose néfaste, car elle suggère de résoudre des problèmes que le trader n'a pas.
Selon quelle autre définition ? Où a disparu le RMS d'un processus non stationnaire ? Avez-vous déjà entendu parler de variables aléatoires à variance infinie ? Comment la prévisibilité est en principe liée à l'existence de RMS ?
Permettez-moi de reformuler votre idée - "si vous supprimez la non-stationnarité d'un processus non-stationnaire, il devient stationnaire" Wow, quelle profondeur ! Se concentrer sur la stationnarité et la substituer inexplicablement à la prévisibilité n'est pas moins dommageable.Selon quelle autre définition ? Où disparaît le RMS d'un processus non stationnaire ? Avez-vous déjà entendu parler de variables aléatoires à variance infinie ? Comment la prévisibilité est en principe liée à l'existence de RMS ?
C'est votre réponse. La non-stationnarité de la variance rend sa prédiction impossible, c'est-à-dire que l'erreur de prédiction devient incertaine.
La fixation sur la stationnarité et sa substitution incompréhensible à la prévisibilité n'est pas moins dommageable.
Ce n'est pas une substitution, ça coule de source.
Pourquoi la fixation ? Je ne suis pas le seul, d'ailleurs.
La chose est absolument claire. La prédiction n'est pas concevable sans erreur de prédiction. L'erreur ne peut pas changer arbitrairement, du moins sur les données historiques. Qu'est-ce qui n'est pas clair ? Ou y a-t-il autre chose ?
Si vous supprimez la non-stationnarité d'un processus non-stationnaire, il devient stationnaire" Wow, quelle profondeur !
Je n'ai jamais dit ça. Je n'ai jamais dit que de prendre en compte, de simuler.
Selon quelle autre définition ? Où disparaît le RMS d'un processus non stationnaire ? Avez-vous déjà entendu parler de variables aléatoires à variance infinie ? En quoi la prévisibilité de principe est-elle liée à l'existence du SMR ?
Permettez-moi de reformuler votre idée - "si vous supprimez la non-stationnarité d'un processus non-stationnaire, il devient stationnaire" Wow, quelle profondeur ! Se concentrer sur la stationnarité et la substituer inexplicablement à la prévisibilité n'est pas moins dommageable.Je ne comprends pas pourquoi la stationnarité est assimilée à la prévisibilité. Si c'est ce que vous essayez de faire pour obtenir la stationnarité - prenez un SB ordinaire, il y a une stationnarité idéale avec une RMS idéale. Essayez maintenant de construire un modèle sur cette base - le résultat est garanti aléatoire.
Je ne comprends pas pourquoi on fait l'équation entre stationnarité et prévisibilité. Si vous essayez d'atteindre la stationnarité de cette manière, prenez un SB normal, il y a une stationnarité parfaite avec un RMS idyllique. Essayez maintenant de construire un modèle sur cette base - le résultat est garanti aléatoire.
Pour moi, tout est clair. La prédiction est de zéro mo. C'est la base des CTs sur un retour au Mo pour des écarts aléatoires par rapport au Mo.
Extraire un processus quasi-stationnaire d'augmentation des prix avec un Mo positif de la série de prix ;)
pour isoler un processus quasi-stationnaire d'augmentation des prix avec un mo positif ;)
Pour ne pas être infondé, je vais donner des exemples pour chaque affirmation. Je vais intentionnellement essayer de rendre les choses plus compliquées.
Selon quelle autre définition ? Où disparaît le RMS d'un processus non stationnaire ? Avez-vous déjà entendu parler de variables aléatoires à variance infinie ? Comment la prévisibilité est en principe liée à l'existence de RMS ?
C'est votre réponse. Une variance non constante rend la prédiction impossible, c'est-à-dire que l'erreur de prédiction devient incertaine.
Il ne s'agit pas d'une réponse, mais d'une question qui vous est posée par rapport à vos propres illusions. Je vais vous donner un exemple pour les réfuter.
Un processus non stationnaire avec une densité 1/pi*1/(1+(x-x0)^2), et une espérance x0 est également une variable aléatoire, bien qu'en cas d'incertitude totale - avec une distribution inconnue (stationnaire ou non - également inconnue). Et que le temps de corrélation du processus soit non nul, c'est-à-dire que l'intégrale du produit de ACF(tau,t)*tau soit supérieure à 0 pour tout t.
Que savons-nous du processus ?
a) Sa variance est toujours infinie (calculez l'intégrale si vous n'y croyez pas).
b) Elle est non stationnaire, tant au sens étroit que, très probablement, au sens large. La première découle en fait de la définition de la stationnarité au sens étroit, puisque la densité du processus n'est pas constante, la seconde découle des propriétés inconnues du processus x0.
Néanmoins, malgré toutes les circonstances aggravantes, dans certaines conditions, à savoir lorsque le temps de corrélation (il peut ne pas être constant - le processus est non stationnaire !) dépasse une certaine valeur seuil, nous pouvons faire une prédiction avec une variance finie parfaitement acceptable. C'est la condition d'une bonne corrélation (dépassant un certain seuil, qui peut en principe être calculé) du processus au moins à certains moments, et notre capacité à identifier ces moments sont des conditions suffisantes pour la possibilité de prédiction. Cependant, les faits de non-stationnarité et d'absence de dispersion n'ont pas d'importance en soi.
Lafixation sur la stationnarité et sa substitution incompréhensible à la prévisibilité n'est pas moins néfaste.
Ce n'est pas une substitution, ça coule de source.
Pourquoi la fixation ? Je ne suis pas le seul, d'ailleurs.
La chose est absolument claire. La prédiction n'est pas concevable sans erreur de prédiction. L'erreur ne peut pas changer arbitrairement, du moins sur les données historiques. Qu'est-ce qui n'est pas clair ? Ou y a-t-il autre chose ?
L'erreur peut varier comme elle veut, et notre travail consiste à pouvoir la calculer. Si nous pouvons le faire, pourquoi ne peut-il pas être différent pour différents moments dans le temps ? Votre erreur fatale est que vous ne faites pas la distinction entre la variance de la prévision et la variance du processus prédit, qui sont des choses complètement différentes et non rigidement liées l'une à l'autre. La présence et la profondeur de la relation entre eux dépendent de nombreux facteurs, notamment de la quantité de connaissances que nous avons sur le processus, des méthodes de prévision que nous avons dans notre arsenal, et enfin des propriétés du processus de prévision lui-même. L'exemple ci-dessus le confirme.
Il est vrai que vous n'êtes pas le seul à faire une fixation, car les gens ont tendance à se tromper non pas par eux-mêmes, mais sur les conseils des autorités.
Hmm.
Je suis heureux d'avoir pu enthousiasmer les meilleurs esprits du forum.
Avec votre permission, je vais humblement me tenir à l'écart et lire. (gloussements) : Merci.