ベイズ回帰 - このアルゴリズムを使ってEAを作った方はいらっしゃいますか？ - ページ 15

新しいコメント
 
また...頭の中でショートさせることができます。ユスフの曲率の適応は、傾斜したセグメント（ほぼ直線セグメント、その凸は無視できる）に沿って行われ、最終的に水平方向に移動すると予測される。考えてみてください!この種の一回限りの方法論は、二度目は通用しないことがわかった。
 
Yousufkhodja Sultonov:
どうやら、特に短期的には、市場は予想そのものを気にしていないようです。長期的には、年率10-12％という控えめな数字が示されましたが、多くの人はこれに満足することはできません。

長期的か短期的か、どんな違いがあるのでしょうか？時間軸を入れ替えるだけ。

リスク量を考えると10～12％、全く面白くない。

 
Dmitry Fedoseev:
もっと詳しく...これを頭の中でショートさせることができるのです。ユスフ曲線の適応は傾斜区間（ほぼ直線区間、凸は無視できる）で行い、最終的には水平移動の予測になる。考えてみてください!この種の一回限りの方法論は、二度目は通用しないことがわかった。

その後、すべてのデータを入力しても、2015年の予測は変わりません。見てみてください。


 
Yousufkhodja Sultonov:
...そして(18)の場合は、何もしなくても、勝手に最適な状態に調整されるのです。(18)よりも優れたモデルがあらゆる意味でまだ発明 されていないことを認める勇気がないだけでしょう。

(18)について、ノーベル賞委員会はどう言っているのだろうか。それとも、それを認める勇気がないのだろうか。

 
Dmitry Fedoseev:

長期的か短期的か、どんな違いがあるのでしょうか？時間軸を入れ替えるだけ。

リスク量を考えると10～12％、全く面白くない。

リスクはかなり低く、利益率は3～6％程度です。
 
Yury Reshetov:

(18)について、ノーベル賞委員会はどう言っているのだろうか。

由良 考えている暇はないですよ、100年後くらいには正気に戻るでしょう。誰も、残念ながら、まじめに勉強していない。しかし、後世の人はそれを評価するはずです。
 
Dmitry Fedoseev:

そして、ここで何が、どのように混乱するのでしょうか。

何がもっともらしいのか？

可能性があること。

a) モデルの係数

b) モデルそのもの

係数#1が平均0.5、標準偏差0.5、係数#2が平均0.5、標準偏差0.5、係数#3が平均0.5と、係数が一定の分布を持つと仮定した場合。0,1.この仮定は係数の結果に重畳されるため、OLSとの違いがある。リッジ回帰という考え方がありますが、これは係数の取り得る値に制約があるもので、私の理解では、同じ程度の大きさだと思います。

そして、エラーの正常性は、まあ、あるにこしたことはない。一般化線形回帰という のがあるのですが、私は何も知らないのですが、なぜかそこの仮定がすべて回避されているのです。

UPD：イプシロン（係数）値のt統計量を推定する際、モデルの残差に対してシグマ推定を行う。残差の分布が左右対称ではなく、どこかに大きく偏っている場合（理想的には正規分布であるべき）、係数の有意性は成立しなくなる。つまり、モデルのパラメータを信頼することができないのです。したがって、誤差は正規分布と仮定しています。

 
Alexey Burnakov:

好感度です。

1. a) モデルの係数

b) モデルそのもの

2. 係数がこのように分布しているという仮定のもとで、例えば、係数1の平均が0.5、st.dev.0,1.この仮定は係数計算の結果に重畳されるので、OLSとは違いがある。リッジ回帰という考え方がありますが、これは係数の取り得る値に制限をかけるもので、同じような観点からのものだと理解しています。

3.そして、エラーの正常性、まあ、あるにこしたことはない。一般化線形回帰という のがあるのですが、私は何も知らないのですが、なぜかそこの仮定がすべて回避されているのです。

4. UPD：イプシロン（係数）値のt統計量を推定する際、モデルの残差に対してシグマ推定を行う。残差の分布が左右対称ではなく、どこかに大きく偏っている場合（理想的には正規分布であるべき）、係数の有意性は成立しなくなる。つまり、モデルのパラメータを信頼することができないのです。したがって、誤差は正規分布と仮定している。

1.つまり、「モデル係数の尤度を最大化する」あるいは「モデルの尤度を最大化する」ということになる。そこに書いてあるんですか？

2.係数と分布はどう関係しているのでしょうか？なぜ係数の平均を全く数えないのか？

3.なぜ、そのエラーが正常だと思うのでしょうか？分布の対称性があれば十分です。トレンドの最初のほうの感度にしか影響しません。

4.このようなカテゴリーで考えて、本当に理解して書いているのでしょうか？

 
Yousufkhodja Sultonov:
由良 考えている暇はない、100年後には正気に戻るだろう。誰も、残念ながら、まじめに勉強していない。しかし、子孫はそれを評価すべきです。
真に受けることはない。実際、オートメーションに関連するどこかの学部の4年生の期末レポートレベルで問題は解決している。
 
Dmitry Fedoseev:

1.つまり、「モデル係数の尤度を最大化する」あるいは「モデルの尤度を最大化する」となるわけです。そう書いてあるのか？

2.係数と分布はどう関係しているのでしょうか？なぜ係数の平均を全く数えないのか？

3.なぜ、そのエラーが正常だと思うのでしょうか？分布の対称性があれば十分です。トレンドの最初のほうの感度にしか影響しません。

4.そんなカテゴリーで考えて、本当に理解して書いているのでしょうか？

1.尤度が最大になるのは、 : さらに長い数式になります。平均二乗残差の最小値を得たと言うこともできるし、尤度を最大化したと言うこともできる。

2.わからないことがあるかもしれない。係数b1って何？係数b1の標本値の数学的期待値で、一般母集団に関する係数b1のパラメータの知識がない場合、t分布する。線形回帰（通常の最小二乗法）により、係数b1の標準誤差であるE(b)とシグマ(b)の推定値が得られます。モデルの出力に表示されるのは、これらすべての推定値です。そして、E(b)が0からどれだけ有意に異なるかの推定値、t統計量と関連する確率がある。

3.トレンドについては何とも言えません。シンメトリーは重要です。残差のシグマも重要です。また、尖度の係数も重要である。

4.最近、退行についてよく読んでいるので、上に書いたことは理解できます。回帰結果を顧客に報告するのですが、何かを理解しなければなりません。ノンパラメトリックの方が好きですが。

1...8910111213141516171819202122...55
新しいコメント