Vorrei condividere il link - pagina 5
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
Hmm.
Sembra che la tua riga rossa sia un derivato del blu.
come l'hai calcolato, puoi mostrarmi la formula? Allora sarà subito chiaro.
hpf(lambda = 13) dx hp1 @hp13_d Filtro di Hodrick-Prescott con lambda diverso
hpf(lambda = 200) dx hp2 @hpn_d
hp1_d = hpn_d - hp13_d ' Differenza tra due rumori
hp1_d_D = d(hp1_d) Incremento del rumore
Hmm
Sembra che la tua riga rossa sia un derivato di quella blu.
Lo è. Non capisco come sia successo:
Lo è. Non capisco come sia successo:
Non capisco perché ci sono così tanti rami sull'econometria...
...sulla serie derivata, non importa quanto sia contorta... la non stazionarietà salterà fuori ovunque... sembra solo diverso...
Semmai, preferirei guardare in questa direzione per vedere come i dati ad alta frequenza dell'ultimo periodo possono influenzare la precisione di un modello di regressione costruito su dati a bassa frequenza. Un'altra variante - cercare di utilizzare un arco di tempo irregolare per la regressione: nell'applicazione a Elder e in presenza di dati a bassa frequenza ha senso, e ci sono sospetti che un tale modello sarà almeno un ordine di grandezza più accurato. E forse sarà anche più redditizio).
(A proposito delle maglie non uniformi - si può tracciare una lontana analogia con i metodi di integrazione numerica; chi lo sa, sa che la scelta di maglie gaussiane permette di aumentare l'ordine di approssimazione da n a 2*n-1 rispetto ai metodi di interpolazione con lo stesso numero di nodi).
Oltre a questo - sarebbe molto interessante lavorare con la funzione degli errori di regressione. Non l'ho ancora fatto...
In breve, l'idea è di prendere una somma pesata di quadrati invece del tradizionale funzionale che minimizziamo - la somma dei quadrati degli errori, con ponderazione eseguita inversamente proporzionale alla radice quadrata del tempo. Otteniamo l'equazione della differenza autoregressiva per dare l'errore più piccolo quanto più siamo vicini al valore previsto della serie, e la legge dell'errore medio decrescente sarà coerente con il comportamento della serie (ricordate che la dispersione dei dati in profondità nella storia cresce come sqrt(t)).
Il risultato dovrebbe essere più fluido e preciso che con una semplice procedura guidata. Per ora è tutto a livello di intuizione, ma raramente mi delude su queste questioni))
Qualcuno può prendersi la briga di controllare? Io stesso capisco che mi ci vorrà mezz'ora o un'ora per fare tutto, ma sabato...
Inoltre, sarebbe molto interessante lavorare sulla funzionalità di errore di regressione. Non l'ho ancora fatto...
In breve, l'idea è che invece di un funzionale tradizionale, che minimizziamo - la somma dei quadrati degli errori, dovremmo prendere una somma pesata di quadrati, e la ponderazione dovrebbe essere inversamente proporzionale alla radice quadrata del tempo. Otteniamo l'equazione della differenza autoregressiva per dare l'errore più piccolo quanto più siamo vicini al valore previsto della serie, e la legge dell'errore medio decrescente sarà coerente con il comportamento della serie (ricordate che la dispersione dei dati in profondità nella storia cresce come sqrt(t)).
Il risultato dovrebbe essere più fluido e preciso di una semplice procedura guidata. Per ora è tutto a livello di intuizione, ma raramente mi delude su queste questioni)).
Qualcuno può prendersi la briga di controllare? Io stesso capisco che mi ci vorrà mezz'ora o un'ora per fare tutto, ma sabato...
Ci sono delle formule?
Anche se può essere dedotto, naturalmente.
Non capisco perché ci sono così tanti rami sull'econometria...
sulla serie derivata, non importa quanto sia contorta... ci sarà non stazionarietà ovunque... sembra solo diverso...
Il problema è che negli esempi di cui sopra la non stazionarietà è scomparsa e non è chiaro dove sia andata.
tra un esempio e l'altro è scomparso (sembra essere un hodrick o qualcos'altro)... ma per il resto la serie sembra essere non stazionaria...
o intendi (se sono uguali) prendere quello precedente e usarlo come pista... Non può essere così su 1vr... deve esserci un errore da qualche parte...
Il problema è che negli esempi precedenti l'instabilità è scomparsa e non è chiaro dove sia andata.
Ho guardato gli esempi di ssa (ssa - cloz) rosso 50, blu 10))... la somiglianza è evidente... il bug sta nell'hodrick... al diavolo...
Cosa le fa pensare che la non stazionarietà sia scomparsa?