Всё с точностью до наоборот. Невозможно предсказать поведение одного конкретного индивидуума. Зато на агрегированном уровне поведение толпы из множества индивидуумов предсказывается гораздо проще. На этом построены реклама, выборные технологии, маркетинг и пр.
Вывод изменится, если рассмотреть процесс с определенного момента времени, например, с t= 1. Предположим, что Y 0 — детерминированная величина. В этом случае процесс AR(1) не будет стационарный по данному выше определению. Дисперсия Y и автоковариации будут зависеть от t:
var(Y t) = s, cov (Y t,Y t–t) =c t t.
Однако со временем такой процесс (если только êrê< 1) все больше приближается к стационарному. Его можно назвать асимптотически стационарным.
P.S. смысл есть все же говорить о приращениях, т.к. автор сформулировал задачу именно через приращения
движение цены совершенно не предсказуемо. мы имеем дело не с математикой, а с психологией, и тут никакие формулы не помогут
心理学は（人間の行動のルールとして）最も形式化しやすいものである。
形式化するのが一番難しいのは狂気です（手榴弾を持った猿のように、いつどこで投げられるかわからないのです :o)
どの時間間隔でも、SBは1015から2256まで、あるいは1305から5321までの正規分布となる。一般に、長さが変化するセグメントであれば、正規分布が得られます。
自分でも10回くらい書いています。しかし、それは固定長であり、可変ではありません
では、SBはどのような分布をしているのでしょうか。 非定常ではないのでしょうか。 これらの増分から離れ、別の角度からプロセスを見てみましょう。 明らかに境界のあるベルが見えても、それを形成するプロセスが定常であるとは限りません。
SBが不安定なのは事実です。このことが記載されているリンクを紹介しました。SBは非定常のI(1)過程である。
心理学は（人間の行動のルールとして）最も形式化しやすいものである。
形式化するのが一番難しいのは狂気です（手榴弾を持った猿のように、いつどこで投げられるかわからないのです :o)．
特定の状況下での一人の人間や集団の心理を予測することができる。いろんな事情を抱えた人が何十億といる中で第二に、これこそ統計学が応用できる理由である。
я это уже сам раз 10 написал. Но именно фиксированной длины, а не переменной
もう一度言いますが、いいえ、まさに可変長です。 SBの任意の点から無限大でスタートすると、分布は正規分布になります。
SBプロセスの分布はどうなっているのか」という質問に答えてください。
特定の状況下における一人の人間または集団の心理を予測することができる。いろんな事情を抱えた人が何十億といる中で
まさにその逆です。一個人の行動を予測することは不可能である。しかし、総体的なレベルでは、多くの個人からなる群衆の行動は、はるかに容易に予測できる。広告、選挙技術、マーケティングなどは、この上に成り立っています。
Всё с точностью до наоборот. Невозможно предсказать поведение одного конкретного индивидуума. Зато на агрегированном уровне поведение толпы из множества индивидуумов предсказывается гораздо проще. На этом построены реклама, выборные технологии, маркетинг и пр.
そこが立ち位置なので、トレードの本質は、現在の行動パターンを見極める ことと
その進化に関する知識に基づいて、取引の判断をする。
2つ目のタスクは、類似モデルの最適な判断 ポイントを統計的に見つけることである。
簡単にするために（特定のモデルを特定するのではなく、一度にクラスを特定するために）。
SBプロセスの分布はどうなっているのか」という質問に答えてください。
原理的にはここがhttps://www.mql5.com/go?link=http://hometask.boom.ru/economics/econometrica/5.html、非常にうまく表現されています。
ある時点、例えば t = 1からプロセスを考えると結論が変わってくる。Y0が 決定論的な量であるとする。この場合、プロセスAR(1)は上記の定義では定常でないことになる。Yの 分散と自己共分散はtに 依存することになる。
var(Y t) = s , cov (Y t,Y t-t) = ct t .である。
しかし、時間が経つにつれて、このような過程は（êr ê< 1である限り）次第に定常状態に近くなっていく。
追 記：SB Y t = m +r Y t-1 + e t, t = (-¥,...,0,1,...+¥) という式もあります（e t ~ IID(0,se2) はゼロ期待・分散se2 の独立等分布確率変数だと仮定しています）。
追伸：著者はまさにインクリメントを通して問題を定式化したので、インクリメントについて話す意味はまだある。
В принципе вот здесь https://www.mql5.com/go?link=http://hometask.boom.ru/economics/econometrica/5.html все достаточно хорошо описано.
Вывод изменится, если рассмотреть процесс с определенного момента времени, например, с t = 1. Предположим, что Y 0 — детерминированная величина. В этом случае процесс AR(1) не будет стационарный по данному выше определению. Дисперсия Y и автоковариации будут зависеть от t:
var(Y t) = s , cov (Y t,Y t–t) = c t t.
Однако со временем такой процесс (если только êr ê< 1) все больше приближается к стационарному. Его можно назвать асимптотически стационарным.
P.S. смысл есть все же говорить о приращениях, т.к. автор сформулировал задачу именно через приращения
今でいう偽造ですね。質問はランダムな漫才についてだったのに、うっかり平均回帰プロセスに切り替えてしまったのは、オデッサで言うところの「2つの大きな違い」ですね。