Matstat Econometria Matan - pagina 11
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
Su richiesta del topicstarter continuerò sul principio della massima verosimiglianza. Per brevità, userò il termine inglese MLE (maximum likelihood estimation).
Per definizione, la probabilità è la densità della distribuzione congiunta. Per un campione di dimensione N, è una funzione numerica dello spazio numerico N-dimensionale. Inoltre, dipende anche dai parametri da determinare (stimare).
Di conseguenza, sorge la domanda: da dove viene questa funzione? La risposta è "come succede"), perché è impossibile coprire tutta la varietà di modi.
La plausibilità è la probabilità di rientrare in un intervallo di confidenza. E cos'è la plausibilità? In termini semplici, senza la densità della distribuzione congiunta.
La plausibilità è la probabilità di rientrare in un intervallo di confidenza. Cos'è la plausibilità? In termini semplici, senza la densità della distribuzione congiunta.
Cosa c'è esattamente di difficile per lei nel concetto di densità?
Come sempre - prima per la normalità, poi per la stazionarietà e poi... come al solito...
Oh, e a proposito, non tutti chiamano il rumore gaussiano bianco. Il bianco è bianco e la gaussiana è gaussiana.
Leggendo il tuo opus, hai praticamente dimostrato che nessuna manipolazione dei tic cambia la persistenza della riga. Congratulazioni.
Cosa c'entra la persistenza? Non ho menzionato affatto quella parola... Doc, mi dispiace, ma sei ancora più stupido di quanto pensassi.... Si trattava della massima conservazione della struttura della serie, e la nonentropia (o entropia) è nota per essere responsabile della struttura.
È stato dimostrato che trattare con M1 e oltre non è diverso dal trattare un processo di Wiener senza demolizione. E su di esso si devono applicare metodi molto diversi rispetto a quando si lavora con zecche e zecche diradate.
Le persone riportano il successo con il metodo Warlock con alcune modifiche ....
Hanno il loro ritrovo e voi siete abbastanza superflui in esso perché non capite nulla.
Non dovete assolutamente toccare il mercato, non vi piace, e voi non piacete a lui.
Smetterò di parlare con te.
3) La versione standard del MLE.
Spesso usato come definizione di MLE, ma questo restringe troppo l'applicabilità del metodo.
L'ipotesi utilizzata è che tutte le variabili casuali nel campione
a) siano indipendenti e
b) abbiano la stessa distribuzione univariata con densità p(x,a),
dove a è il parametro da stimare.
Allora la funzione di verosimiglianza L=p(x1,a)*p(x2,a)*...*p(xn,a), dove n è la dimensione del campione.
Sostituire il campione (nel primo senso) come x, ottenere L=L(a) e cercare l'amax a cui L raggiunge un massimo.
Si noti che possiamo massimizzare LL(a)=log(L(a)) invece di L(a), perché il logaritmo è una funzione monotona e, convenientemente, sostituisce il prodotto con l'addizione.
Per un esempio, considerate la distribuzione esponenziale p(x,a)=a*exp(-a*x), log(p(x,a))=log(a)-a*x,
derivata dal parametro d(log(p(x,a)))/da=1/a-x.
Quindi dobbiamo risolvere l'equazione 1/a-x1+1/a-x2+...+1/a-xn=0 -> amax=n/(x1+x2+...+xn).
4) La prossima volta descriverò come si ottiene il metodo di minimizzazione della somma dei moduli invece di MNC)
Quindi massimizziamo il centro della distribuzione? In sostanza zero sigma?
O il massimo non sarà sempre vicino allo zero sigma?
Forum sul trading, sistemi di trading automatico e test di strategia
Matstat-Econometria-Matan
Alexei Tarabanov, 2021.05.14 22:25
La plausibilità è la probabilità di rientrare in un intervallo di confidenza. E cos'è la plausibilità? In termini semplici, senza una densità di distribuzione congiunta.
Probabilità che la variabile sia di una distribuzione normale == massima verosimiglianza ?
E, a proposito di econometria, matstat e matan (Dio, che nomi!) sostengo Automat - questa assurdità è applicabile solo se l'individuo ha afferrato la fisica del processo. Altrimenti sono tutte sciocchezze e non vale la pena prestarvi attenzione.
Amen.
Senza offesa.
Non lo capiscono. Per di più, non capiscono affatto la fisica. Non serve a niente.
Lasciamoli in pace. Lasciate che si divertano. Staremo a vedere.
In effetti, non ho visto nessun accenno all'uso di SB e altri rumori nelle pubblicazioni quantistiche per creare qualcosa di commerciabile, tranne le simulazioni per i test. E questo metodo è riconosciuto come inefficace. Beh, anche per simulare qualcosa di irreale da confrontare con il reale e mostrare che è simile all'occhio, ma assolutamente inutile. I quants sono abituati a pensare in modo più realistico e a cercare qualcosa dove c'è veramente. L'econometria è molto utile in quanto può prevedere un'onda sinusoidale ed è facilmente sostituita dal machine learning. E nessuno ha ancora capito con cosa sostituire il machine learning. A questo punto potremmo porre fine a tutto il filosofare su questo argomento in quanto improduttivo e che non porta da nessuna parte 😁
Nessun quantista pubblicherà mai un modello o un approccio funzionante. Generalmente firmano un NDA quando vengono assunti.
Quello che pubblicano non funziona più o non ha mai funzionato, ma è interessante in termini di teoria.
Quindi stiamo massimizzando il centro della distribuzione? essenzialmente zero sigma?
O il massimo non sarà sempre intorno allo zero sigma?
Dimentica la distribuzione normale) Non dimenticarla per sempre, solo per un po') Continua a spuntare, ma in realtà ci sono un sacco di distribuzioni, sia tabulari che senza nome)
Il punto di MLE è che abbiamo un numero infinito di modelli "numerati" dal parametro. In base ai risultati dell'esperimento (campionamento in senso numerico) tra questi scegliamo quello che massimizza la probabilità. La probabilità (densità di distribuzione) è un concetto teorico di base (segue direttamente dagli assiomi della scienza) e ci si può solo abituare alla sua applicazione senza cercare di spiegare attraverso altri concetti meno fondamentali.
Il metodo MLE è così basilare che è persino migrato nell'apprendimento automatico (insieme alla nozione implicita di una distribuzione congiunta di tratti e risposte) )
Questo lascia la questione di quale famiglia parametrica di modelli utilizzare. Questa domanda è di solito pratica e dipende dall'oggetto in questione.
Ed è lo stesso?
Probabilità che una variabile di una distribuzione normale == massima verosimiglianza ?L'intervallo di confidenza viene dal regno della stima dell'intervallo di un parametro, dove non si trova un valore particolare del parametro, ma l'intervallo in cui cade con una data probabilità. Per esempio, tutti considerano solo il valore numerico di Hearst e sono molto felici che non sia uguale a 0,5. Ma in realtà bisogna dimostrare che con alta probabilità Hirst cade in un intervallo che non contiene 0,5. Questo è di solito un grosso problema).
MLE proviene dal regno della stima puntuale di un parametro. Il problema è leggermente diverso, ma come per il precedente, la sua soluzione si basa sulla nozione di distribuzione di campionamento congiunta (nel secondo senso). Quindi, l'affermazione "conosco gli intervalli di confidenza, ma non conosco la densità di distribuzione congiunta" consiste in due affermazioni che si escludono a vicenda)
Vi suggerisco di passare attraverso i metodi uno alla volta, piuttosto che farne un'accozzaglia incomprensibile.
Nessun quantista pubblicherà mai un modello o un approccio funzionante. In genere, firmano un NDA quando vengono assunti.
Quello che pubblicano non funziona più o non ha mai funzionato, ma è interessante in termini di teoria.