Se esiste un processo la cui analisi di una parte non permette di prevedere la parte successiva. - pagina 9
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
posso spiegare a coloro che non capiscono?
Quali sono le trame del passato? e immagino che includa anche il presente...
E nel senso di Cauchy il modo diventerà la media?
posso spiegare a coloro che non capiscono?
Quali sono le trame del passato? e capisco che il presente è anche presente...
E nel senso di Cauchy il modo diventerà la media?
Beh, stavo solo dando un esempio esagerato per mostrare che la mancanza di MO e varianza e non stazionarietà non è una ragione per considerare il processo come imprevedibile. La frase chiave è la capacità di identificare aree di prevedibilità, cioè nel tempo.
Naturalmente, stavo mentendo nella foga del momento su MoD.
Dov'è la stazionarietà su "SB ordinario"?
Dov'è il "RMS ideale"?
P.S. Devi essere più specifico su ciò di cui parli. Se si parla di ritorni, sì.
Sfortunatamente, qualsiasi previsione può contare solo su una componente deterministica. Sui file che non hanno questa componente, qualsiasi previsione, e quindi guadagno, diventa impossibile.
Come la squadra vede tali considerazioni.
1. La previsione è possibile se c'è una componente deterministica.
2. La componente deterministica è differenziabile non solo a sinistra ma anche a destra nell'ultima barra.
3. La differenziazione a destra (fino all'arrivo della prossima barra!) è fornita dal tipo di funzione di lisciatura. Ho visto da qualche parte che le spline cubiche alla giunzione rimangono differenziabili.
È possibile prevedere anche le funzioni indifferenziate.
La previsione è possibile anche in assenza di una componente deterministica.
Non dobbiamo associare la differenziabilità alla prevedibilità. È come confrontare caldo e morbido;
Questa non è una risposta, ma una domanda a voi riguardo ai vostri deliri. Faccio 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, sia 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, perché 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 in quelle sezioni in cui il tempo di correlazione (può non essere costante - il processo è non stazionario!) supera un certo valore di soglia, possiamo fare previsioni 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 varianza non sono importanti di per sé.
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 le persone tendono a smarrirsi non da sole, ma ascoltando l'autorità.
Non si tratta di autorità.
La fallacia del tuo ragionamento è tipica delle persone con una formazione matematica (forse tu non ce l'hai, ma la fallacia dei matematici) che si fidano molto dei calcoli matematici.
In statistica è molto facile ottenere qualsiasi giustificazione, che viene facilmente confutata da un semplice ragionamento, che mi piace molto.
L'incertezza della varianza è un fattore determinante della previsione e il riferimento ai dati storici non è appropriato, qualunque siano le formule con cui si può coprire.
Un semplice esempio. Sparare a un bersaglio. Mi è stato insegnato che la legge normale governa e possiamo giudicare la probabilità di colpire 10, 9, 8, ecc. e stimare la qualità del tiratore. La base è il valore della varianza, che abbiamo calcolato dai dati storici. Ma se qualsiasi tiratore viene bendato, messo su una sedia e fatto girare, l'intera storia insieme alla varianza andrà nel dimenticatoio.
Per me questo è un segno di non stazionarietà. Il passato non dice nulla. E ci vuole un certo sforzo per usare il passato.
Una previsione è una variabile casuale, cioè la cifra che calcoliamo è una realizzazione da un intervallo, ed è fondamentale il confine dell'intervallo e il livello di fiducia nel confine dell'intervallo calcolato. Non c'è da nessuna parte senza varianza. e se fosse una variabile? I modelli ARCH, in particolare, cercano di modellare questa varianza, di chiarire l'incertezza della varianza e di ottenere alcune informazioni sul comportamento (non una costante, ma un comportamento) della varianza per fare una dichiarazione più definitiva sulla previsione.
Se il tuo post parla di essere in grado di lavorare con la VR non stazionaria - allora sono completamente d'accordo con te. Ma sempre nel modello è necessario specificare come viene risolto questo problema, con quale metodo, cosa verrà risolto e cosa no, poiché non conosco la soluzione completa del problema della non stazionarietà. Ci saranno sempre zone con alcune caratteristiche instabili che il nostro modello non prende in considerazione, TC si fonderà e non otterremo mai la linea di equilibrio come una linea retta.
Ti scriverò più tardi, ok? Non posso...
L'incertezza della varianza è cruciale per la previsione e nessun dato storico è appropriato, non importa quali formule siano usate per nasconderla.