Matstat Econometria Matan - pagina 3
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
A proposito, sarebbe interessante vedere immagini simili a quella che hai dato a https://www.mql5.com/ru/forum/368720/page2#comment_22207994,
per il caso particolare in cui il tasso di cambio è cambiato quasi a passi da gigante.
Fondamentalmente, il che è da aspettarselo.
Ma almeno ora ho capito come stanno le cose.
Alexei, è sorta una tale domanda.
Ho scavato nelle formule econometriche, e in molte formule c'è una variabile che è rumore bianco.
Per definizione, il rumore bianco ha caratteristiche perfette, la presenza di normalità con una varianza costante di uno.
Ovviamente un tale rumore bianco non si trova probabilmente nella realtà. Quindi la domanda è:
in pratica, cosa si usa come rumore bianco?
Questo rumore bianco ha qualcosa a che fare con i dati di ingresso? Per esempio, prendere i residui come rumore, ma allora le condizioni di normalità e dispersione sarebbero violate.
O dovrebbe essere davvero un rumore estraneo che può essere semplicemente generato in modo casuale con caratteristiche specifiche?
O è questo il punto, ottenere caratteristiche di rumore bianco dai residui? Cioè, la normalità c'è, la varianza è costante, nessuna autocorrelazione.
Cosa c'entrano la normalità e la dispersione? Il rumore bianco è caratterizzato da una funzione delta di autocorrelazione di Dirac. Questo ti fa sentire meglio? Sto solo scherzando... anche se vero (sulla funzione delta di Dirac).
Un generatore di numeri casuali uniformemente distribuiti - questo è il rumore bianco per voi - è tutto. Range - fate quello che volete: A*2.0*(MathRand()/32767-0.5).
In generale, c'è Google e si possono trovare molte cose interessanti con esso: https://ru.wikipedia.org/wiki/Белый_шум
Cosa c'entrano la normalità e la dispersione? Il rumore bianco è caratterizzato da una funzione delta di autocorrelazione di Dirac. Questo ti fa sentire meglio?
Sto solo scherzando... anche se vero (sulla funzione delta di Dirac).
Un generatore di numeri casuali uniformemente distribuiti - questo è il rumore bianco per voi - è tutto. Range - fate quello che volete: A*2.0*(MathRand()/32767-0.5).
In realtà, si può cercare su Google e trovare un sacco di roba interessante: https://ru.wikipedia.org/wiki/Белый_шум
Non convincente.
Ho diverse informazioni al riguardo.
Se gli elementi della serie wt sono valori indipendenti equamente distribuiti (i.i.d.) con media uguale a 0 e variazione uguale a σ2,
e nessuna autocorrelazione Cor(wi,wj)≠0, ∀i≠j, allora la serie wt è rumore bianco.
Come presumo, l'oscillatore è necessario per le simulazioni di prova, per così dire, per il controllo.
Forse ho capito male l'espressione equamente distribuito (i.i.d)?In pratica il generatore non dovrebbe essere usato.
E non significa chesono distribuiti normalmente?
Non convincente.
Ho informazioni diverse su questo.
Se gli elementi della serie wt sono valori indipendenti equamente distribuiti (i.i.d.) con media uguale a 0 e variazione uguale a σ2,
e nessuna autocorrelazione Cor(wi,wj)≠0, ∀i≠j, allora la serie wt è rumore bianco.
Come presumo, l'oscillatore è necessario per le simulazioni di prova, per così dire, per il controllo.
Forse ho capito male l'espressione equamente distribuito (i.i.d)?In pratica, però, l'oscillatore non dovrebbe essere usato.
E non significa chesono distribuiti normalmente?
Il rumore bianco è MO costante, varianza costante e funzione di autocovarianza zero (le osservazioni non sono correlate tra loro). Un processo debolmente stazionario.
Se le osservazioni hanno una distribuzione normale, il processo diventa strettamente stazionario e anche i coefficienti di autocorrelazione avranno una distribuzione normale.
Rumore bianco - MO costante, varianza costante e funzione di autocovarianza zero (le osservazioni non sono correlate). Un processo debolmente stazionario.
Se le osservazioni hanno una distribuzione normale, il processo diventa strettamente stazionario e anche i coefficienti di autocorrelazione avranno una distribuzione normale.
Ecco fatto. Grazie.
Un processo debolmente stazionario.
Processo strettamente stazionario.
C'è una differenza. A seconda che le osservazioni abbiano o meno una distribuzione normale.
Ma la domanda era un po' diversa.
Cosa si usa come rumore nella pratica? Residui?
Ecco. Grazie.
Processo leggermente stazionario.
Processo strettamente stazionario.
C'è una differenza. A seconda che le osservazioni abbiano o meno una distribuzione normale.
Ma la domanda era un po' diversa.
Cosa si usa come rumore nella pratica? Residui?
Non capisco bene la domanda - perché usare il rumore bianco?
Se volete una tale serie, potete generare una serie SB in Excel o in qualche altro programma e prendere le sue prime differenze - questo sarebbe rumore bianco.
Se una stima approssimativa è appropriata - le prime differenze della serie dei prezzi sono anche quasiWhite Noise
Qual è l'aspettativa del rumore bianco? È costante e uguale a tutti i valori dell'intervallo. Se lo calcoli con la formula, sarà 0 - non ci sono discussioni qui, la matematica è una scienza silenziosa - non ci giurerai.
Il rumore bianco è stazionario. Anche se è piuttosto sciocco dire che è fermo, è rumore bianco - questo dice tutto.
La parola "uguale" ha un significato più vicino a"uniforme" che a "normale". E comunque, come può un singolo elemento essere in qualche modo distribuito? Una definizione assurda. O quali sono gli elementi? Pezzi di una fila? Perché diavolo stiamo parlando di chunks (elementi)?
Non capisco bene la domanda - perché usare il rumore bianco?
Se avete bisogno di una tale serie, potete generare una serie SB in Excel o in un altro programma e prendere le sue prime differenze - questo sarebbe rumore bianco.
Se una stima approssimativa si adatta - le prime differenze di una serie di prezzi è anche quasiWhite Noise.
Se c'è una componente di rumore bianco nella formula, dovrebbe essere isolata... anche se il segnale utile è già visibile))
Tutte le serie numeriche sono divise in tre tipi: deterministiche, casuali e stocastiche.
TheorWer si occupa di serie casuali - il compito è quello di decomporre una serie casuale in una componente deterministica e una stocastica. In parole povere, modello + rumore bianco.