Econometria: previsione a un passo avanti - pagina 93
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
Grande notizia. E ARIMA? E ARCO? È per quali file?
cotier = tendenza + rumore
A sinistra è non stazionario, ma dove a destra?
Le novità non sono grandi e vecchie - questi metodi sono sviluppati e applicati a serie stazionarie. Ma per le serie non stazionarie, si usano metodi per "portarle a una forma stazionaria" per poter applicare questi metodi.
Se una serie è non stazionaria, allora è non stazionaria. La serie ha caratteristiche statistiche instabili. Si può tagliare una serie in pezzi e sarà ferma in ogni pezzo.
Se il prezzo è salito e poi è sceso bruscamente, è fermo nella fase ascendente. Ma l'intera serie dei prezzi è non stazionaria (soggetta a cambiamenti improvvisi).
Le novità non sono grandi e vecchie - questi metodi sono sviluppati e applicati a serie stazionarie. E per quelli non stazionari, si usano metodi per "portarli ad una forma stazionaria" per poter applicare questi metodi.
Se una serie è non stazionaria, allora è non stazionaria. La serie ha caratteristiche statistiche instabili. Potete tagliare una serie in pezzi e sarà ferma in ogni pezzo.
Se il prezzo è salito e poi è sceso bruscamente, è fermo nella fase ascendente. Ma l'intera serie dei prezzi è non stazionaria (soggetta a cambiamenti improvvisi).
Un cambiamento nella tendenza non è un'indicazione di non stazionarietà.
Cominciamo dall'inizio. Uso la seguente definizione di stazionarietà: una serie è stazionaria se mo = costante ("quasi" costante) e dispersione = costante ("quasi" costante).
Finché c'è una componente deterministica nella serie, non si può parlare di statistica. Ecco perché lavoriamo con il residuo dopo aver sottratto la componente deterministica. Dopo questa procedura il problema è qualitativamente semplificato, perché il residuo è di solito molto più piccolo della lunghezza della candela.
Le novità non sono grandi e vecchie - questi metodi sono sviluppati e applicati a serie stazionarie. Ma per quelli non stazionari, si usano metodi per "portarli ad una forma stazionaria" per poter applicare questi metodi.
Se siete ancora d'accordo sull'ARIMA, allora ARCH è una cosa puramente non stazionaria. Uso test specifici che mirano a certe sottigliezze della non stazionarietà e, una volta identificate, si modella la non stazionarietà pura. Il residuo spesso risulta essere stazionario.
E per quelli non stazionari, si usano metodi per "portarli ad una forma stazionaria".
Se il metodo che hai menzionato è disponibile, allora stiamo lavorando con una serie non stazionaria?
Il cambiamento della tendenza non è un segno di non stazionarietà.
Cominciamo dall'inizio. Uso la seguente definizione di stazionarietà: una serie è stazionaria se mo = costante ("quasi" costante) e varianza = costante ("quasi" costante).
Finché c'è una componente deterministica nella serie, non possiamo parlare di statistica. Ecco perché stiamo lavorando con il residuo dopo aver sottratto la componente deterministica. Dopo questa procedura il problema diventa qualitativamente più facile, perché il residuo è di solito molto più piccolo della lunghezza della candela.
Leggermente sbagliato - unprocesso casuale stazionario deve avere tutte le sue caratteristiche di probabilità indipendenti dal tempo. Se il prezzo stava aumentando in modo approssimativamente lineare per un lungo periodo di tempo e poi improvvisamente è diminuito bruscamente, allora era un processo stazionario prima del declino, perché se la serie fosse suddivisa in pezzi, le caratteristiche statistiche di quei pezzi sarebbero approssimativamente le stesse. Ma dopo il declino, le sue caratteristiche di probabilità sono cambiate - è diventato non stazionario (MO cambiato, varianza cambiata).
È possibile identificare la componente deterministica in qualsiasi serie e dovremmo parlare di statistica. Se la serie non è stazionaria, questa componente deterministica avrà un potere predittivo molto piccolo.
Leggermente sbagliato - unprocesso casuale stazionario dovrebbe avere tutte le sue caratteristiche di probabilità indipendenti dal tempo. Se il prezzo stava aumentando in modo approssimativamente lineare per un lungo periodo di tempo e poi improvvisamente è diminuito bruscamente, allora era un processo stazionario fino al declino, perché se la serie è stata suddivisa in pezzi, le caratteristiche statistiche di quei pezzi sarebbero approssimativamente le stesse. Ma dopo il declino, le sue caratteristiche di probabilità sono cambiate - è diventato non stazionario.
La mia definizione è costruttiva - permette un piano di modellazione e definisce l'obiettivo.
Passo 1: non si può dire nulla di definitivo finché c'è una componente deterministica nella serie. Per me è un assioma.
La mia definizione è costruttiva - permette un piano di modellazione e definisce l'obiettivo.
Passo 1: non si può dire nulla di definitivo finché c'è una componente deterministica nella serie. Questo è un assioma per me.
In ogni serie c'è una componente deterministica. La questione è la qualità e l'accuratezza della previsione
Se il metodo che hai menzionato è disponibile, allora stai lavorando con una fila instabile?
Abbiamo provato e riprovato ad applicarlo al trading - il risultato è deplorevole. Preferisco usare la TA.
Anche se c'è spazio per un'impresa.
C'è una componente deterministica in ogni serie. La questione è la qualità e l'accuratezza della previsione
Non farti distrarre.
Distinguiamo la componente deterministica. E il residuo? Ancora una volta controlliamo la componente deterministica. La ragione è quella vecchia. Prendi il rumore. Ottenere il rumore senza la componente deterministica, possiamo ragionare.
Non andare di traverso.
Distinguiamo la componente deterministica. E i residui? Controlliamo di nuovo la componente deterministica. La ragione è quella vecchia. Raggiungere il rumore. Ottenere il rumore senza la componente deterministica, possiamo ragionare.
Per quale motivo? Cosa c'è da speculare? Si isola la componente deterministica, si fa un modello, lo si testa, lo si analizza, lo si scarta (scherzo).
Se il componente bambino è di buona qualità, facciamo uno scambio. A cosa serve il resto?
La questione è la qualità di questo componente.
Non importa come la si guardi, le statistiche mostreranno ciò che è venuto prima. E non c'è modo di mostrare "ciò che sarà"... Pura congettura. Forse questo potrebbe andare bene per te, allora?
>