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 5

新しいコメント
 
faa1947:


まず、極めて曖昧なのがデトレンド処理である。グラフを載せろと叱られたことがありますが、このスレッドで使われている残差の導出方法は、その残差の統計が元の系列の統計と同じくらい悪いので、意味がないことが、グラフからわかります。



トピックのタイトルを読んでみてください。Feature Selectionという概念をご存知でしょうか？線形・非線形相関などの統計的手法を適用して、ゼロまたは未来のバーの状態に関する情報を持つ変数を選択することである。
 
alexeymosc:

主観的な制限や慣習、理論を押し付けることなく、対象にアプローチすることを心がけています

そして、幼稚園に行きなさい、そこでは理論がない、しかし、ここでは人々は教育を受けている

 
トピックを荒らす必要はない。ただ、あなたの仕事や教育では、データマイニングという言葉を聞いたことがないというだけのことです。
 
そして、あなたのような人が教育を受けているのなら、学校に戻りなさいとアドバイスしたいですね。
 
alexeymosc:
そして、ここにいるような人が教育を受けているのなら、もう一度机の後ろに座るようにアドバイスします。

お笑い芸人
 
HideYourRichess: そして、私は反論の質問を持って、市場に相対的に、TIを操作する用語情報の公理系の適用性は、すでに確立されている？ すなわち、情報が全く必要でないかを議論するために、それはTIから実際のオブジェクトに情報の概念にしようとする必要があります。もし、同一性が見つかれば、TIのすべての成果の適用が正当化される。そうでない場合は、そうではありません。

また、リターンに関して、それを妨げるものは何でしょうか？離散化できる、ランダムな変数なのです。情報理論の応用としては、かなりまともなモノです。どのようなID検索が可能か？君は戦争ゲームをしているんだ...

faa1947: 私にとってTIは、コーディングと暗号化、そしてその逆プロセスのことです。ここでは、TIからと思われる数式をもとに、実際に意味のある情報を導き出そうとするものである。このような操作には、分析以外にも、私たちが見ているものが本当に見えていて、話題の作者だけが見ている幻影ではないことを証明する他の科学があります。

そして、この作業において私にとってのTIは、主にデータマイニングの ためのツールです。このデータをどうするかは、また別の問題です。重要なのは、肉眼では見えないものが本当に見えているかということです。また、他の科学とはどのようなものですか？

記事では 、引用の増分に統計的な相関があると結論づけている。これらの依存性の1つはよく知られていることで、増分の条件付き分散(d[t])の前の増分の値(r[t-1], r[t-2], ...)と分散(d[t-1], ... )への依存性である。

統計的な依存性を見出した理由は、ボラティリティの高さにあると思われる。

GARCH(p,q) のようです。モデルのどのようなオーダーについて話すことができるのか。

また、リターンのみであった場合、そこでのボラティリティはどのように見ていますか？

ところで、アドバイスいただいた半変量の本は、依存関係の順序を確定するのになかなか役に立つかもしれませんね。

 
数学、アーチの修正の束に加え、他の多くのボラティリティモデルがあります。garchでは1;1が最もよく使われるが、このようなモデルから良い結果を期待しない方が良い。
 
(1,1)は確かにおかしいですね。特に、少なくとも数百のラグで依存関係が見出されたことを考えると（これは平均的な相互情報の場合ですが）。
 
トピックに積極的に参加されている 方に悪気はないのです。プールやジムなどがある飛行機のジョークを思い出しますね。「そして今、このようなものを使って、私たちは離陸に挑戦しようとしているのです」。問題はアイドルではなく、アプリケーション面はどうなのか？つまり、どの時点で理論から実践への移行が計画されているのか。
 
sayfuji:
トピックに積極的に参加されている方に悪気はないのです。プールやジムなどがある飛行機のジョークを思い出しますね。「そして今、このようなものを使って、私たちは離陸に挑戦しようとしているのです」。問題はアイドルではなく、アプリケーション面はどうなのか？つまり、どの時点で理論から実践への移行が計画されているのか。

スライド、スライド...) これも逸話からです。
123456789101112...74
新しいコメント