Se esiste un processo la cui analisi di una parte non permette di prevedere la parte successiva. - pagina 8
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
Ci sono un numero enorme di teorie, scienze e strumenti che sembrano essere applicabili a una citazione. in queste circostanze, è fondamentale decidere cosa vogliamo.
Vogliamo che il modello creato sui dati storici sia applicabile sulla prossima barra. Questo è sufficiente. Questo è tutto.
Credo che le caratteristiche di questo modello siano stabilite su campioni estremamente limitati - decine di osservazioni. Un grande campione è necessario per testare la stabilità di questo modello. Questa è la seconda caratteristica del modello. La stabilità di un modello è determinata dal suo comportamento sulla varianza e le pause delle variabili. Questa è la seconda caratteristica del modello. Se selezioniamo gli strumenti e i metodi per questo, sarebbe un enorme passo avanti, poiché il toolkit diventerebbe osservabile.
Questa è una novità per me. Una serie stazionaria è prevedibile per definizione - all'interno di uno sko. Un instabile non ha sko - qual è la previsione? Ma non si tratta solo della sko.
Con quale altra definizione? Dove scompare l'RMS in un processo non stazionario? Avete sentito parlare di variabili casuali con varianza infinita? In che modo la prevedibilità in linea di principio è legata all'esistenza dell'RMS?
Vorrei ancora tornare sulla questione del detrending.
Cosa stiamo detrendendo?
Livello? Linea retta? Curva? Spline?
E la fase? Lo detrendiamo anche noi?
C'è una sola tendenza o molte? Forse un wavelet?
Quindi la fissazione sulle tendenze deterministiche e stocastiche per la previsione è una cosa dannosa, perché suggerisce di risolvere problemi che il trader non ha.
Con quale altra definizione? Dove è scomparso l'RMS in un processo non stazionario? Avete mai sentito parlare di variabili casuali con varianza infinita? In che modo la prevedibilità in linea di principio è legata all'esistenza dell'RMS?
Lasciatemi riaffermare la vostra idea - "se rimuovete la non stazionarietà da un processo non stazionario, esso diventa stazionario" Wow, che profondo! Concentrarsi sulla stazionarietà e sostituirla inspiegabilmente alla prevedibilità non è meno dannoso.Con quale altra definizione? Dove scompare l'RMS in un processo non stazionario? Avete mai sentito parlare di variabili casuali con varianza infinita? In che modo la prevedibilità in linea di principio è legata all'esistenza dell'RMS?
Questa è la tua risposta. La non stazionarietà della varianza rende impossibile la previsione, cioè l'errore di previsione diventa incerto.
Lafissazione sulla stazionarietà e la sua incomprensibile sostituzione con la prevedibilità non è meno dannosa.
Non è una sostituzione, scorre fuori.
Perché la fissazione? A proposito, non sono l'unico.
La cosa è assolutamente chiara. La previsione non è concepibile senza l'errore di previsione. L'errore non può cambiare arbitrariamente, almeno sui dati storici. Cosa non è chiaro? O c'è qualcos'altro?
Se si rimuove la non stazionarietà da un processo non stazionario, esso diventa stazionario" Wow, che profondo!
Non l'ho mai detto. Ho solo detto di tenerne conto, di simulare.
Con quale altra definizione? Dove scompare l'RMS in un processo non stazionario? Avete mai sentito parlare di variabili casuali con varianza infinita? In che modo la prevedibilità in linea di principio è legata all'esistenza dell'RMS?
Lasciatemi riaffermare la vostra idea - "se rimuovete la non stazionarietà da un processo non stazionario, esso diventa stazionario" Wow, che profondo! Concentrarsi sulla stazionarietà e sostituirla inspiegabilmente alla prevedibilità non è meno dannoso.Non capisco perché la stazionarietà sia equiparata alla prevedibilità. Se è questo che stai cercando di ottenere la stazionarietà - prendi un normale SB, c'è una stazionarietà ideale con un RMS ideale. Ora provate a costruirci sopra un modello - il risultato è garantito come casuale.
Non capisco perché si fa l'equazione tra stazionarietà e prevedibilità. Se state cercando di raggiungere la stazionarietà in questo modo, prendete una SB normale, c'è una perfetta stazionarietà con un RMS idilliaco. Ora provate a costruirci sopra un modello - il risultato è garantito come casuale.
Per me, tutto è chiaro. La previsione è zero mo. Questa è la base su cui sono costruiti i TS su un ritorno a Mo per deviazioni casuali da Mo.
Per estrarre un processo quasi-stazionario di aumento dei prezzi con Mo positivo dalla serie dei prezzi ;)
per isolare un processo quasi-stazionario di aumento dei prezzi con mo positivo ;)
Per non essere infondato darò degli esempi per ogni affermazione. Cercherò intenzionalmente di renderlo più complicato.
Con quale altra definizione? Dove scompare l'RMS in un processo non stazionario? Avete mai sentito parlare di variabili casuali con varianza infinita? In che modo la prevedibilità in linea di principio è legata all'esistenza dell'RMS?
Questa è la tua risposta. La varianza non costante rende impossibile la previsione, cioè l'errore di previsione diventa incerto.
Questa non è una risposta, ma una domanda a te in relazione ai tuoi deliri. Vi darò un esempio per confutarli.
Un processo non stazionario con densità 1/pi*1/(1+(x-x0)^2), e aspettativa x0 è anche una variabile casuale, sebbene per completa incertezza - con distribuzione sconosciuta (stazionaria o no - anch'essa sconosciuta). E che il tempo di correlazione del processo sia non-zero, cioè che l'integrale del prodotto di ACF(tau,t)*tau sia maggiore di 0 per qualsiasi t.
Cosa sappiamo del processo:
a) La sua varianza è sempre infinita (calcola l'integrale se non ci credi).
b) È non stazionario sia in senso stretto che quasi probabilmente in senso lato. La prima segue effettivamente dalla definizione di stazionarietà in senso stretto, poiché la densità del processo non è costante, la seconda segue dalle proprietà sconosciute del processo x0.
Tuttavia, nonostante tutte le circostanze aggravanti, in certe condizioni, cioè quando il tempo di correlazione (può non essere costante - il processo è non stazionario!) supera un certo valore di soglia, possiamo fare una previsione con una varianza finita perfettamente accettabile. È la condizione di buona (superiore a qualche soglia, che in linea di principio può essere calcolata) correlazione del processo almeno in alcuni momenti, e la nostra capacità di identificare questi momenti sono condizioni sufficienti per la possibilità di predizione. Tuttavia, i fatti della non stazionarietà e della mancanza di dispersione non contano da soli.
Lafissazione sulla stazionarietà e la sua incomprensibile sostituzione con la prevedibilità non è meno dannosa.
Non una sostituzione, ma un consequenzialismo.
Perché la fissazione? A proposito, non sono l'unico.
La cosa è assolutamente chiara. La previsione non è concepibile senza l'errore di previsione. L'errore non può cambiare arbitrariamente, almeno sui dati storici. Cosa non è chiaro? O c'è qualcos'altro?
L'errore può variare come vuole, e il nostro compito è quello di poterlo calcolare. Se possiamo farlo, perché non può essere diverso per diversi punti nel tempo? Il tuo errore fatale è che non distingui tra la varianza della previsione e la varianza del processo previsto, che sono cose completamente diverse e non rigidamente legate tra loro. La presenza e la profondità della relazione tra loro dipende da molti fattori, tra cui la quantità di conoscenza che abbiamo sul processo, i metodi di previsione che abbiamo nel nostro arsenale, e solo infine dalle proprietà del processo di previsione stesso. L'esempio qui sopra lo conferma.
È vero che non sei l'unico ad essere fissato, perché la gente tende a sbagliare non per conto proprio, ma su consiglio delle autorità.
Hmm.
Sono contento di essere stato in grado di eccitare le migliori menti del forum.
Con il suo permesso, mi metto umilmente in disparte e leggo. (Grazie.