引用における依存性統計（情報理論、相関などの特徴選択法） - ページ 29 1...222324252627282930313233343536...74 新しいコメント СанСаныч Фоменко 2011.09.14 07:46 #281 alexeymosc:. 私自身、ニューラルネットワークの習得に何カ月もかけました ... 私は、かなり複雑なもの（NSにDSPを加えるべき）をマスターしている人々が、自分のビジネスに直接関係する科学をわざわざマスターしようとしないことに驚かされ続けています。 そして、一般的に、このサイトに計量経済学が ないのが理解できないのですが？半年ほど前に検索を開始し、いくつかのリンクを取得しました。エコノメトリックス以外のことについても。 ...元の時系列の定常性を改善するために様々な種類の変換を試みたが、NSはこの現象に敏感で、訓練が不十分であったため 計量経済学の観点からは、NSは平滑化関数に過ぎず、最も成功しているとは言えないと私は考えています。より効率的で管理しやすく、精巧で図解的な平滑化の方法は他にもあります。さらに重要なことは、これらの方法は通常、平滑化の結果を推定することを含んでいるということである。 ...が、定常性のテストは行っていない。 定常性テストはほんの始まりに過ぎない。Dickey-Fullerテストは、ほとんどの場合、何も教えてくれず、常に数字を与えてくれます。一歩一歩進んでいかなければならず、対応する帰無仮説を厳密に否定／受容できる次のステップの結果はほとんどない。例えば、1種類の異分散性の検定に従って2つのモデルを比較すると、異分散性がない確率は30％と40％という2つの数字が得られます。もう一つのタイプの不均一分散性（50％と20％）については、どのモデルが良いかということです。 Alexey Burnakov 2011.09.14 08:04 #282 faa1947:私自身、ニューラルネットワークの習得に何カ月もかけました ... 私は、かなり複雑なもの（NSにDSPを加えるべき）をマスターしている人々が、自分のビジネスに直接関係する科学をわざわざマスターしようとしないことに驚かされ続けています。それにしても、このサイトに計量経済学がないのはなぜなんでしょう？半年ほど前に検索を開始し、いくつかのリンクを取得しました。エコノメトリックス以外のことについても。...元の時系列の定常性を改善するために様々な種類の変換を試みたが、NSはこの現象に敏感で、訓練が不十分であったため計量経済学の観点からは、NSは平滑化関数に過ぎず、私の考えでは、最も成功した関数ではない。より効率的で管理しやすく、精巧で図解的な平滑化の方法は他にもあります。さらに重要なことは、これらの方法は通常、平滑化の結果を推定することを含んでいるということである。...が、定常性のテストは行っていない。定常性テストはほんの始まりに過ぎない。Dickey-Fullerテストは、ほとんどの場合、何も教えてくれず、常に数字を与えてくれます。一歩一歩進んでいかなければならず、対応する帰無仮説を厳密に否定／受容できる次のステップの結果はほとんどない。例えば、1種類の異分散性の検定に従って2つのモデルを比較すると、異分散性がない確率は30％と40％という2つの数字が得られます。もう一つのタイプの不均一分散性（50％と20％）については、どのモデルが良いかということです。また、DSPとは何でしょうか？ 私にとっては、ビジネスばかりではなく、「趣味」という言葉の方がしっくりきますね。私は、経済学でも数学でもなく、統計的手法を用いたリベラルアーツという、違う方向性の仕事をしています。そういう背景があるので、興味のあることは勉強し、足りないものは掘り下げて蓄積していく。雪だるま式に増えていくんです。それは、ただのリリシズムです。 "計量経済学的に言えば、NSは平滑化関数に過ぎず、私の考えでは、最も成功しているとは言えない。より効率的で管理しやすく、精巧で図解的な平滑化の方法は他にもあります。さらに重要なことは、これらの方法は通常、平滑化の結果を推定することを含んでいるということです。" そうとは限りません。ニューラルネットの具体的なアプリケーションを挙げていただきました。厳密な分類、厳密でない分類（確率的な分類）に使うことができるのです。クラスター分析も行う。時系列で関数を近似する作業と合わせて、すべて試しました。 "ディッキー・フラーテストは圧倒的に何も教えてくれないが、数字はいつも教えてくれる" これは、多くの統計的 仮説検定の問題点である。 一般に、私の計量経済学的研究の理解は、少なくともあなたの場合は、ある種の近似曲線や直線をとり、修正されていない正規分布ノイズを得るために、一連の残差を研究することです。そうだろ？ СанСаныч Фоменко 2011.09.14 08:13 #283 alexeymosc:DSPとは？私の場合は、ビジネスばかりではなく、「趣味」という言葉がふさわしいですね。私は違う分野で仕事をしていますが、経済学でも数学でもなく、文系出身で統計学的な手法を使っています。そういう背景があるので、興味のあることは勉強し、足りないものは掘り下げて蓄積していく。雪だるま式に増えていくんです。それは、ただのリリシズムです。"計量経済学的に言えば、NSは平滑化関数に過ぎず、私の考えでは、最も成功しているとは言えない。より効率的で管理しやすく、精巧で図解的な平滑化の方法は他にもあります。さらに重要なことは、これらの方法は通常、平滑化の結果を推定することを含んでいるということです。" そうとは限りません。ニューラルネットの具体的な応用例を挙げていただきました。厳密な分類、厳密でない分類（確率的な分類）に使うことができます。クラスター分析も行う。時系列で関数を近似する作業と合わせて、すべて試しました。 "ディッキー・フラーテストは圧倒的に何も教えてくれないが、数字はいつも教えてくれる" これは、多くの統計的仮説検定の問題点である。一般に、私の計量経済学的研究の理解は、少なくともあなたの場合は、ある種の近似曲線や直線をとり、修正されていない正規分布ノイズを得るために、一連の残差を研究することです。そうだろ？また、DSPとは何でしょうか？ デジタル信号処理。 いつもそうとは限りません。ニューラルネットワークの具体的な応用例を挙げていただきました もちろん、計量経済 学ではもっと広い範囲に及びます。 近似曲線や直線をとり、一連の残差を調べると、修正されていない正規分布のノイズが得られます。そうだろ？ はい、それが目標です。実現には至らなかったが、予測誤差の分散のばらつきが5％以内と、よりロバストなモデルを作ることができるようになった。 Alexey Burnakov 2011.09.14 08:27 #284 faa1947: はい、それが目標です。達成はできなかったものの、予測誤差分散のばらつきが5％以内と、よりロバストなモデルを作ることに成功した。統計モデルで売上を予測するときも、同じことをやっています。モデルの質の評価として - 残差の自己相関と確率密度関数の種類を分析する。また、当然ながらR^2も。これらは、原則として一般的に受け入れられている時系列予測 手法である。 ニューラルネットワークについては、おそらく私はやったことがないので、残差の分析もしたほうがいいと思います。その通りです（近似的な級数曲線をプロットしている場合）。 TIについては、意味のあるラグや他の独立変数を見つけることが理論の役割である。実は、事実上、構築されたモデルに対して残差系列分析も行う必要があるのです。 Vasiliy Sokolov 2011.09.14 08:42 #285 faa1947: よくわからないんです。 計量経済学は非定常過程を扱うので、近似的なアルゴリズムは投稿で説明されています。なぜなら、非定常性により、TS（PF、ドローダウン、その他）のいかなる推定も架空のものであり、将来、TSが預金を売り払うような商の領域が現れるであろうからです。 経済データを測定する科学である計量経済学は、他の非常に立派な科学との違いがありますが、独立した科学であり、一貫して行動することを提案し、それぞれの中間結果をモデルとして固定し、定常残差を得ることを目指し、非定常市場で働くときに将来のTSの安定性推定値を与えます。 ここでは、EURUSDと3つの指標（直線、指数平滑化、Hodrick-Prescottフィルター）の例を示しています。 みんな、経済データの測定には別の科学を使おうよ。計量経済学の教科書を読むのが面倒だからといって、隣の科学から何かを引っ張ってこようとするのはやめよう。わが国では、2000年からそのような教科書がある。つまり、10年以上前から、大学は、経済データを科学的に測定し、「情報依存症」という名のたわごとに悩まされない専門家を輩出してきたのである。 と、とにかく、さっそくやってみましょう。 あなたの主張は明快ですが、計量経済学の問題は、最初に間違った信念や仮定の上に間違った理論や道具が作られ、その道具のために研究対象を現実の市場に置き換え、その二つの異なる研究対象がいかに似ているかという結論が導き出されることにあります。 20-30年後に計量経済学がプトレマイオスの理論のような運命を繰り返さないという確信がどこにあるのだろうか？この理論も、かつては私たちを取り巻く世界を説明するのに非常に適したものでした。 E.ピータース（数学者、この問題をよく理解している数少ない一人）が書いていることを紹介しよう。 そして、計量経済学について、こんなことを書いている。 彼の本には、実践から切り離された理論がどこに行き着くのか、他にも多くの事例が紹介されています。 СанСаныч Фоменко 2011.09.14 08:43 #286 alexeymosc:. 自己相関と確率密度関数のタイプの残差分析。 また、当然ながらR^2も。これらは、原理的には、時系列を予測するための一般的な手法である。 これはあくまでスタートであり、一般的に受け入れられているという意味で、完全なものではありません。ここでは、あくまで使用例ですが、コンプリートを紹介します。係数、残差、安定性の3つの解析グループ。矛盾を調整できれば、推定値が得られるかもしれない。目標は予測であり、それ以外は中間結果であるため、常に予測誤差がある。 Vasiliy Sokolov 2011.09.14 08:50 #287 faa1947:私はいつも、かなり高度なもの（NSにDSPを加えるべき）をマスターしている人たちが、自分のビジネスに直接関係する科学をわざわざマスターしないことに驚かされるのです。経済学は、ビジネスがギャンブルである場合にのみ関係します。カジノオーナーのホームページで、その信奉者を調べてみてください。 СанСаныч Фоменко 2011.09.14 09:43 #288 C-4: 計量経済学がビジネスに関係するのは、そのビジネスがギャンブルビジネスである場合だけです。カジノオーナーのホームページで、その信奉者を調べてみてください。 嘘つけ、本を読め、アルファベットから始めろ。 СанСаныч Фоменко 2011.09.14 09:54 #289 C-4: 彼の本には、実践から切り離された理論がどこに行き着くのか、他にもたくさんの例が書かれています。効率的市場理論は、計量経済学 では考慮 されない。その前提は、すべて「市場は効率的ではない」という事実に基づいている。計量経済学には、マーコウィッツや効率的ポートフォリオの弁明者たちは含まれていない。計量経済学は100年以上の歴史があるが、もともと市場が非定常 であることを前提にしているので、ピータースやマンデルブロなどによって反証されたことはない。 一歩先の予測を正当化し、数歩先の予測を致命的に悪化させる理由を示すのが計量経済学である。 プトレマイオスの友人がいるのはいいことですが、だからといって、計量経済学を否定して、その中に含まれていないものを帰結させる理由にはならないでしょう。 Vasiliy Sokolov 2011.09.14 10:39 #290 faa1947: 嘘つけ、本を読め、アルファベットから始めろ。 こちらこそ、よろしくお願いします。 1...222324252627282930313233343536...74 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
私自身、ニューラルネットワークの習得に何カ月もかけました ...
私は、かなり複雑なもの（NSにDSPを加えるべき）をマスターしている人々が、自分のビジネスに直接関係する科学をわざわざマスターしようとしないことに驚かされ続けています。
そして、一般的に、このサイトに計量経済学が ないのが理解できないのですが？半年ほど前に検索を開始し、いくつかのリンクを取得しました。エコノメトリックス以外のことについても。
...元の時系列の定常性を改善するために様々な種類の変換を試みたが、NSはこの現象に敏感で、訓練が不十分であったため
計量経済学の観点からは、NSは平滑化関数に過ぎず、最も成功しているとは言えないと私は考えています。より効率的で管理しやすく、精巧で図解的な平滑化の方法は他にもあります。さらに重要なことは、これらの方法は通常、平滑化の結果を推定することを含んでいるということである。
...が、定常性のテストは行っていない。
定常性テストはほんの始まりに過ぎない。Dickey-Fullerテストは、ほとんどの場合、何も教えてくれず、常に数字を与えてくれます。一歩一歩進んでいかなければならず、対応する帰無仮説を厳密に否定／受容できる次のステップの結果はほとんどない。例えば、1種類の異分散性の検定に従って2つのモデルを比較すると、異分散性がない確率は30％と40％という2つの数字が得られます。もう一つのタイプの不均一分散性（50％と20％）については、どのモデルが良いかということです。
私自身、ニューラルネットワークの習得に何カ月もかけました ...
私は、かなり複雑なもの（NSにDSPを加えるべき）をマスターしている人々が、自分のビジネスに直接関係する科学をわざわざマスターしようとしないことに驚かされ続けています。
それにしても、このサイトに計量経済学がないのはなぜなんでしょう？半年ほど前に検索を開始し、いくつかのリンクを取得しました。エコノメトリックス以外のことについても。
...元の時系列の定常性を改善するために様々な種類の変換を試みたが、NSはこの現象に敏感で、訓練が不十分であったため
計量経済学の観点からは、NSは平滑化関数に過ぎず、私の考えでは、最も成功した関数ではない。より効率的で管理しやすく、精巧で図解的な平滑化の方法は他にもあります。さらに重要なことは、これらの方法は通常、平滑化の結果を推定することを含んでいるということである。
...が、定常性のテストは行っていない。
定常性テストはほんの始まりに過ぎない。Dickey-Fullerテストは、ほとんどの場合、何も教えてくれず、常に数字を与えてくれます。一歩一歩進んでいかなければならず、対応する帰無仮説を厳密に否定／受容できる次のステップの結果はほとんどない。例えば、1種類の異分散性の検定に従って2つのモデルを比較すると、異分散性がない確率は30％と40％という2つの数字が得られます。もう一つのタイプの不均一分散性（50％と20％）については、どのモデルが良いかということです。
また、DSPとは何でしょうか？
私にとっては、ビジネスばかりではなく、「趣味」という言葉の方がしっくりきますね。私は、経済学でも数学でもなく、統計的手法を用いたリベラルアーツという、違う方向性の仕事をしています。そういう背景があるので、興味のあることは勉強し、足りないものは掘り下げて蓄積していく。雪だるま式に増えていくんです。それは、ただのリリシズムです。
"計量経済学的に言えば、NSは平滑化関数に過ぎず、私の考えでは、最も成功しているとは言えない。より効率的で管理しやすく、精巧で図解的な平滑化の方法は他にもあります。さらに重要なことは、これらの方法は通常、平滑化の結果を推定することを含んでいるということです。"
そうとは限りません。ニューラルネットの具体的なアプリケーションを挙げていただきました。厳密な分類、厳密でない分類（確率的な分類）に使うことができるのです。クラスター分析も行う。時系列で関数を近似する作業と合わせて、すべて試しました。
"ディッキー・フラーテストは圧倒的に何も教えてくれないが、数字はいつも教えてくれる"
これは、多くの統計的 仮説検定の問題点である。
一般に、私の計量経済学的研究の理解は、少なくともあなたの場合は、ある種の近似曲線や直線をとり、修正されていない正規分布ノイズを得るために、一連の残差を研究することです。そうだろ？
DSPとは？
私の場合は、ビジネスばかりではなく、「趣味」という言葉がふさわしいですね。私は違う分野で仕事をしていますが、経済学でも数学でもなく、文系出身で統計学的な手法を使っています。そういう背景があるので、興味のあることは勉強し、足りないものは掘り下げて蓄積していく。雪だるま式に増えていくんです。それは、ただのリリシズムです。
"計量経済学的に言えば、NSは平滑化関数に過ぎず、私の考えでは、最も成功しているとは言えない。より効率的で管理しやすく、精巧で図解的な平滑化の方法は他にもあります。さらに重要なことは、これらの方法は通常、平滑化の結果を推定することを含んでいるということです。"
そうとは限りません。ニューラルネットの具体的な応用例を挙げていただきました。厳密な分類、厳密でない分類（確率的な分類）に使うことができます。クラスター分析も行う。時系列で関数を近似する作業と合わせて、すべて試しました。
"ディッキー・フラーテストは圧倒的に何も教えてくれないが、数字はいつも教えてくれる"
これは、多くの統計的仮説検定の問題点である。
一般に、私の計量経済学的研究の理解は、少なくともあなたの場合は、ある種の近似曲線や直線をとり、修正されていない正規分布ノイズを得るために、一連の残差を研究することです。そうだろ？
また、DSPとは何でしょうか？
デジタル信号処理。
いつもそうとは限りません。ニューラルネットワークの具体的な応用例を挙げていただきました
もちろん、計量経済 学ではもっと広い範囲に及びます。
近似曲線や直線をとり、一連の残差を調べると、修正されていない正規分布のノイズが得られます。そうだろ？
はい、それが目標です。実現には至らなかったが、予測誤差の分散のばらつきが5％以内と、よりロバストなモデルを作ることができるようになった。
はい、それが目標です。達成はできなかったものの、予測誤差分散のばらつきが5％以内と、よりロバストなモデルを作ることに成功した。
統計モデルで売上を予測するときも、同じことをやっています。モデルの質の評価として - 残差の自己相関と確率密度関数の種類を分析する。また、当然ながらR^2も。これらは、原則として一般的に受け入れられている時系列予測 手法である。
ニューラルネットワークについては、おそらく私はやったことがないので、残差の分析もしたほうがいいと思います。その通りです（近似的な級数曲線をプロットしている場合）。
TIについては、意味のあるラグや他の独立変数を見つけることが理論の役割である。実は、事実上、構築されたモデルに対して残差系列分析も行う必要があるのです。
よくわからないんです。
計量経済学は非定常過程を扱うので、近似的なアルゴリズムは投稿で説明されています。なぜなら、非定常性により、TS（PF、ドローダウン、その他）のいかなる推定も架空のものであり、将来、TSが預金を売り払うような商の領域が現れるであろうからです。
経済データを測定する科学である計量経済学は、他の非常に立派な科学との違いがありますが、独立した科学であり、一貫して行動することを提案し、それぞれの中間結果をモデルとして固定し、定常残差を得ることを目指し、非定常市場で働くときに将来のTSの安定性推定値を与えます。
ここでは、EURUSDと3つの指標（直線、指数平滑化、Hodrick-Prescottフィルター）の例を示しています。
みんな、経済データの測定には別の科学を使おうよ。計量経済学の教科書を読むのが面倒だからといって、隣の科学から何かを引っ張ってこようとするのはやめよう。わが国では、2000年からそのような教科書がある。つまり、10年以上前から、大学は、経済データを科学的に測定し、「情報依存症」という名のたわごとに悩まされない専門家を輩出してきたのである。
と、とにかく、さっそくやってみましょう。
あなたの主張は明快ですが、計量経済学の問題は、最初に間違った信念や仮定の上に間違った理論や道具が作られ、その道具のために研究対象を現実の市場に置き換え、その二つの異なる研究対象がいかに似ているかという結論が導き出されることにあります。
20-30年後に計量経済学がプトレマイオスの理論のような運命を繰り返さないという確信がどこにあるのだろうか？この理論も、かつては私たちを取り巻く世界を説明するのに非常に適したものでした。
E.ピータース（数学者、この問題をよく理解している数少ない一人）が書いていることを紹介しよう。
そして、計量経済学について、こんなことを書いている。
彼の本には、実践から切り離された理論がどこに行き着くのか、他にも多くの事例が紹介されています。
自己相関と確率密度関数のタイプの残差分析。 また、当然ながらR^2も。これらは、原理的には、時系列を予測するための一般的な手法である。
これはあくまでスタートであり、一般的に受け入れられているという意味で、完全なものではありません。ここでは、あくまで使用例ですが、コンプリートを紹介します。係数、残差、安定性の3つの解析グループ。矛盾を調整できれば、推定値が得られるかもしれない。目標は予測であり、それ以外は中間結果であるため、常に予測誤差がある。
私はいつも、かなり高度なもの（NSにDSPを加えるべき）をマスターしている人たちが、自分のビジネスに直接関係する科学をわざわざマスターしないことに驚かされるのです。
計量経済学がビジネスに関係するのは、そのビジネスがギャンブルビジネスである場合だけです。カジノオーナーのホームページで、その信奉者を調べてみてください。
彼の本には、実践から切り離された理論がどこに行き着くのか、他にもたくさんの例が書かれています。
効率的市場理論は、計量経済学 では考慮 されない。その前提は、すべて「市場は効率的ではない」という事実に基づいている。計量経済学には、マーコウィッツや効率的ポートフォリオの弁明者たちは含まれていない。計量経済学は100年以上の歴史があるが、もともと市場が非定常 であることを前提にしているので、ピータースやマンデルブロなどによって反証されたことはない。
一歩先の予測を正当化し、数歩先の予測を致命的に悪化させる理由を示すのが計量経済学である。
プトレマイオスの友人がいるのはいいことですが、だからといって、計量経済学を否定して、その中に含まれていないものを帰結させる理由にはならないでしょう。
嘘つけ、本を読め、アルファベットから始めろ。
こちらこそ、よろしくお願いします。