Il modello di regressione di Sultonov (SRM) - che pretende di essere un modello matematico del mercato. - pagina 10

 
Avals:
il modello di predizione è corretto se i residui sono distribuiti normalmente.
Ehm, quindi si scopre che un modello senza residui è un componente deterministico?
 
Demi:


Se il modello di regressione scelto descrive bene la vera relazione, allora i residui dovrebbero essere variabili casuali indipendenti normalmente distribuite con media zero, e non ci dovrebbe essere alcuna tendenza nei loro valori.

Che tipo di stazione c'è?

P.S. Sono stato dai mammut, torna, torna con te...


Sì, certo. Ma il resto è testato dal test della radice unitaria, che è la stazionarietà.

Un altro problema. E se non è esattamente come hai scritto? E se è come ha scritto lei, possiamo fidarci della prognosi?

 
TheXpert:
Ehm, quindi si scopre che il modello senza residui è un componente deterministico?

significa che le variabili sono deterministiche e non casuali
 
faa1947:


Sì, certo. Ma il residuo è testato dal test della radice unitaria, che è la stazionarietà.

Un altro problema. E se non è esattamente come avete scritto? E se è come ha scritto, ci si può fidare della prognosi?


Se le variabili di input sono normalmente distribuite, stazionarie, i residui del modello sono normalmente distribuiti e la precisione di previsione R o R2 è soddisfacente - possiamo! E ne abbiamo bisogno!
 
TheXpert:
Ehm, quindi si scopre che il modello senza residui è un componente deterministico?

Un modello senza residui è un modello che predice i valori della serie senza errori. I residui sono l'errore (la differenza tra il valore predetto e il valore reale). Quindi c'è effettivamente una decomposizione in una componente deterministica (modello di previsione) + rumore (residui normalmente distribuiti)
 
yosuf:
Non capisco cosa intendi per previsione in serie discreta? Il risultato dell'elaborazione dei dati presentati è che la serie discreta ha MO = 0,878649833 ed è significativamente inclinata verso 1. Devo ancora determinare l'alternanza predittiva di uno e/o zero? Un requisito assurdo quando si tratta di serie discrete. Sono sicuro che se si calcola in qualche modo la somma di questa serie e si divide per il numero di "lanci" si ottiene il risultato di cui sopra.


Questa serie contiene 45 zeri e 45 uno. Aspettativa = 0,5.
 
faa1947:

18 è una formula analitica. Calcola il valore della funzione da esso e prendi la differenza dal quoziente. Otteniamo l'errore di lisciatura. Cominciamo a lavorare con questo errore. O mi sono perso qualcosa?
Potete provare. Ecco un indicatore che implementa (18), forse i programmatori saranno in grado di implementare questa operazione?
File:
 
Demi:

Se le variabili di input sono normalmente distribuite, stazionarie, i residui del modello sono normalmente distribuiti e la precisione di previsione R o R2 è soddisfacente - possiamo! E ne abbiamo bisogno!

Non succede nel mercato. Cotier è non stazionario, e la definizione di non stazionarietà che usiamo è troppo stretta per una serie reale.
 
anonymous:

Quella riga contiene 45 zeri e 45 uno. L'aspettativa è di 0,5.
Come si spiega il fatto che RMS abbia portato il ME a 0,8787? Inoltre, se l'ingresso RMS alterna strettamente 0 e 1, allora mostra anche 0,5. Quindi, c'è una circostanza nella serie che avete dato che sposta questo equilibrio verso 1.
 
faa1947:

Non esiste un mercato. Kotier è non stazionario, e la definizione di non stazionarietà che usiamo è troppo stretta per una serie reale.

Beh, allora un modello di regressione sarebbe un'indicazione di partenza. Ci sono molti specialisti che conoscono l'analisi di regressione, ma solo pochi fanno soldi sul mercato.