Matstat Econometria Matan - pagina 4
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
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 della serie dei prezzi sono anche quasiWhite Noise
Il punto è che in pratica, nelle formule, il rumore può non essere sempre una serie generata casualmente.
Si tratta di una serie risultante da alcuni calcoli a partire dai dati originali.
Cioè, c'è qualche informazione interna nel rumore che contribuisce alla precisione dei calcoli complessivi del modello.
Quindi sono confuso da queste interpretazioni del rumore )) E voleva assicurarsi, chi capisce questo rumore come.
Casualmente, o usate ilvostro rumore calcolato.
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.
Basta guardare i libri di testo di econometria (Magnus, Verbeek, ecc.). Di solito ci scrivono tutte le cose giuste.
Il punto è che un modello prende sempre in considerazione un insieme incompleto di fattori ed è necessario giustificare il motivo per cui gli altri vengono scartati. Di solito si presume che tutti gli altri fattori si sommino semplicemente al rumore bianco, in modo da non doverli esaminare. Ma questa è solo una supposizione, un'ipotesi che deve essere confermata, cosa che di solito si fa esaminando i residui del modello. Se i residui del modello non assomigliano al rumore bianco, allora è un cattivo modello e deve essere cambiato con un altro.
Il rumore bianco non deve essere necessariamente gaussiano, ma è la sua gaussianità che ci permette di applicare l'ANC per trovare i parametri del modello. Se, per esempio, il rumore è distribuito a Laplace, allora sarà necessario minimizzare la somma dei moduli piuttosto che i quadrati. Questo non è difficile da capire se calcolato con il principio della massima verosimiglianza.
Quindi, l'ultima riga del suo post è corretta.
Basta dare un'occhiata ai libri di testo di econometria (Magnus, Verbik, ecc.). Di solito indicano tutte le cose giuste da fare.
Il punto è che un modello tiene sempre conto di un insieme incompleto di fattori, ed è necessaria una giustificazione del perché il resto viene scartato. Di solito si presume che tutti gli altri fattori si sommino solo al rumore bianco, in modo da non doverli esaminare. Ma questa è solo una supposizione, un'ipotesi che deve essere confermata, cosa che di solito si fa esaminando i residui del modello. Se i residui del modello non assomigliano al rumore bianco, allora è un cattivo modello e deve essere cambiato con un altro.
Il rumore bianco non deve essere necessariamente gaussiano, ma è la sua gaussianità che ci permette di applicare l'ANC per trovare i parametri del modello. Se, per esempio, il rumore è distribuito a Laplace, allora la somma dei moduli dovrà essere minimizzata piuttosto che al quadrato. Questo non è difficile da capire se calcolato con il principio della massima verosimiglianza.
Quindi l'ultima riga del tuo post è corretta.
Esattamente. Ho Magnus da qualche parte, devo cercarlo. Grazie.
Grazie per il chiarimento, l'ho capito.
Se, per esempio, il rumore è distribuito secondo Laplace, allora non è più la somma dei quadrati che deve essere minimizzata, ma i moduli. Questo non è difficile da capire, se si calcola usando il principio della massima verosimiglianza.
Tutte le serie numeriche sono divise in tre tipi: deterministiche, casuali e stocastiche.
"Stocastico" e "casuale" non sono la stessa cosa?
"Stocastico" e "casuale" non sono la stessa cosa?
No
"Stocastico" e "casuale" non sono la stessa cosa?
In econometria, tutto è al contrario e alla rovescia. Ciò che la gente chiama casuale si chiama stocastico, e il casuale è un misto di stocastico e deterministico.
"Stocastico" e "casuale" non sono la stessa cosa?
In parole povere, un compito è una previsione o una classificazione.
Un processo deterministico è prevedibile al 100%.
La stocastica non è affatto prevedibile. Beh, tutto il mondo è imprevedibile, solo l'automa e Alejandro hanno battuto la moneta....
L'oggetto della ricerca sono i processi casuali in cui vari metodi e modelli cercano di isolare la componente deterministica e il residuo che non è prevedibile.
In parole povere, un compito è una previsione o una classificazione.
Un processo deterministico è prevedibile al 100%.
Una stocastica non è affatto prevedibile. Beh, tutto il mondo è imprevedibile, solo l'automa e Alejandro hanno battuto la moneta....
L'oggetto della ricerca sono i processi casuali in cui vari metodi e modelli cercano di isolare la componente deterministica e il residuo, che non è prevedibile.
Sì...
Un processo deterministico non ha bisogno di essere previsto perché è predeterminato, cioè conosciuto in anticipo.
Un processo casuale è casuale perché non c'è una componente deterministica.
Sì...
Un processo deterministico non ha bisogno di essere previsto perché è predeterminato, cioè conosciuto in anticipo.
Un processo casuale è casuale perché non c'è una componente deterministica.
))) E se un processo casuale non ha una componente deterministica - come si può prevedere?
Puoi fare un esempio di una serie non deterministica che sia comunque prevedibile?