흥미로운 연구 대상입니다. 이 주제를 반영하여 나는 거시경제 데이터를 역학에서 분석할 필요가 있다는 결론에 도달했습니다. 제 생각에는 실업수당 청구 가 증가했다고 말하기에는 충분하지 않습니다. 이는 계절적 변동 때문일 수 있고 단기적으로 발생할 수 있기 때문입니다. 자연 - 시장은 시장에서 우세한 추세에 따라 반응할 수도 있고 그렇지 않을 수도 있습니다. 따라서 추세를 뒤집을 수 있는 능력이라는 측면에서 지표의 강점을 탐색해 볼까요? 지그재그로 가거나 차트의 추세 반전 지점을 결정하고 수정만 하고 전환점 이전 3일 이내에 거시 경제 지표의 출력을 찾고 이미 그러한 지표 그룹을 수집하고 이러한 지표가 표시한 내용을 분석하고 그런 다음 패턴을 찾으십시오. 지표가 시장 반전의 이유가 될 때마다 그런 것은 아닙니다. 잠재성, 시장 추세 및 과거 기간의 지표, 기타 경제 지표의 조합이 중요합니다.
-Aleks- : 흥미로운 연구 대상입니다. 이 주제를 반영하여 나는 거시경제 데이터를 역학에서 분석할 필요가 있다는 결론에 도달했습니다. 제 생각에는 실업수당 청구 가 증가했다고 말하기에는 충분하지 않습니다. 이는 계절적 변동 때문일 수 있고 단기적으로 발생할 수 있기 때문입니다. 자연 - 시장은 시장에서 우세한 추세에 따라 반응할 수도 있고 그렇지 않을 수도 있습니다. 따라서 추세를 뒤집을 수 있는 능력이라는 측면에서 지표의 강점을 탐색해 볼까요? 지그재그로 가거나 차트의 추세 반전 지점을 결정하고 수정만 하고 전환점 이전 3일 이내에 거시 경제 지표의 출력을 찾고 이미 그러한 지표 그룹을 수집하고 이러한 지표가 표시한 내용을 분석하고 그런 다음 패턴을 찾으십시오. 지표가 시장 반전의 이유가 될 때마다 그런 것은 아닙니다. 잠재성, 시장 추세 및 과거 기간의 지표, 기타 경제 지표의 조합이 중요합니다.
꽤 흥미로운 아이디어입니다. 즉, 추세의 중단에만 집중하고 이러한 중단에 영향을 미치는 주요 지표를 결정합니다.
나는 오랫동안 이상치에 대해 생각해 왔다. 무시해야 하거나 반대로 더 많은 관심을 기울여야 합니다. 회귀의 고전 이론은 그것들을 무시하도록 가르칩니다. 하지만 가끔은 추세 주변의 작은 가격 변동이 노이즈인 것 같고, 클래식 회귀가 가장 주목합니다. 이상치는 아마도 더 중요한 신호일 것입니다. 그러나 이상값에 더 많은 가중치를 부여하는 모델을 구축하려는 모든 시도(예: u>1 선택)는 더 높은 rms 예측 오류로 이어졌습니다. 이상치를 평활화하면 예측 오류가 더 작아졌습니다.
따라서 입력 변수의 전체 목록을 수동으로 고려하고 "이 입력 변수는 그럴 가능성이 가장 높고 이 변수는 그렇지 않을 것"이라고 직관적으로 결정하거나 다른 고려 사항을 기반으로 결정해야 합니다.
... 특정 목록을 펜으로 선택하고 알고리즘으로 필터링하여 목록을 얻었습니다. 더욱이, 그러한 목록의 값은 근본적인 성격을 띠고 있습니다. 이러한 "영향력 있는" 초기 데이터 세트를 사용하는 모델(저는 3가지 다른 유형의 모델을 사용합니다)에는 주요 매복 인 과적합 속성이 없습니다 . "잡음" 초기 데이터 사용의 주요 결과인 과적합입니다.
그들은 히스토리의 샘플 내 섹션을 선택하고 샘플 외 섹션을 확인 했습니까? 전체 세그먼트에 대해 예측 변수를 선택한 다음 동일한 세그먼트의 일부에 대해 샘플을 벗어난 오류를 계산했다면 이것은 미래를 내다보는 것입니다.
gpwr : 그들은 히스토리의 샘플 내 섹션을 선택하고 샘플 외 섹션을 확인 했습니까? 전체 세그먼트에 대해 예측 변수를 선택한 다음 동일한 세그먼트의 일부에 대해 샘플을 벗어난 오류를 계산했다면 이것은 미래를 내다보는 것입니다.
더 거칠다.
나는 큰 관심을 가지고 스레드를 따르고 있습니다.
-Aleks-의 게시물을 보면 방향 또는 크기 중 무엇을 예측할지 명확하지 않습니다. "방향"이면 분류 모델이고 "값"이면 회귀 모델이며 다른 ARIMA 및 ARCH에 문제가 있습니다. 미분의 도움으로 추세를 제거하는 것이 문제를 완전히 해결하는 것은 아니며 거시 경제학에서 계절성이 혼동됩니다 ....
예측 변수 선택에 대한 -Aleks- 의 아이디어는 매우 궁금합니다. 일반적으로 첫 번째 단계에서 두 가지 예비 단계를 수행합니다.
꽤 흥미로운 아이디어입니다. 즉, 추세의 중단에만 집중하고 이러한 중단에 영향을 미치는 주요 지표를 결정합니다.
나는 오랫동안 이상치에 대해 생각해 왔다. 무시해야 하거나 반대로 더 많은 관심을 기울여야 합니다. 회귀의 고전 이론은 그것들을 무시하도록 가르칩니다. 하지만 가끔은 추세 주변의 작은 가격 변동이 노이즈인 것 같고, 클래식 회귀가 가장 주목합니다. 이상치는 아마도 더 중요한 신호일 것입니다. 그러나 이상값에 더 많은 가중치를 부여하는 모델을 구축하려는 모든 시도(예: u>1 선택)는 더 높은 rms 예측 오류로 이어졌습니다. 이상치를 평활화하면 예측 오류가 더 작아졌습니다.
아이디어를 개발하려면 여러 지표를 출시 빈도로 나눌 필요가 있습니다. 지표가 덜 자주 나올수록 시장에 영향을 미치는 기간이 길어지므로 이를 확인해야 합니다. 개인적으로 시각적으로 표시되는 정보와 시간이 지남에 따라 변화하는 역학을 인식하는 것이 더 쉽습니다. 편의를 위해 지표를 MT에 그래프 형태로 전송해야하지만 (나의 꿈) 이러한 지표는 동기화되어야합니다. 뉴스가 한 달에 한 번 나온다고 가정해 봅시다. 그러면 더 낮은 기간은 어떻습니까? 옵션으로 표시기에서 표시기까지 막대로 선형 함수를 채우십시오. 이렇게 하면 MT에서 이동 벡터가 명확하게 표시됩니다. 벡터를 알면 모션 벡터와 그 변화(지그재그를 따라 상품 가격 벡터의 휴식 시간에 상대적인 휴식 시간)로 분석할 수 있습니다. 따라서 지연을 고려하고 경제 지표 출구에서 가격 할인과의 편차 비율을 계산할 수 있습니다. 아직 아이디어가 있지만 사용에 대한 증거는 그 자리에서 이미 이해할 수 있습니다. 일반적으로 많은 경제 데이터에는 지난 달 또는 작년과 관련된 상대적 지표 가 있습니다. 또 다른 아이디어 - 아마도 추세 변화에 영향을 미치는 것은 데이터 자체가 아니라 예상 데이터 또는 과거 역학과의 편차 - 여기에서 확인할 수도 있습니다 - 지표 움직임의 과거 역학을 변화 (강력 벡터를 따라 또는 반대 방향으로 변경 - SMA의 도움으로도) 지연이 있는 가격 이동 벡터의 변화를 살펴봅니다. 이 모든 작업이 한 사람의 능력 안에 있는지 확신할 수 없습니다. 명확한 실행 계획과 중간 결과를 분석하는 방법론, 토론하는 작업이 평생의 작업이 될 수 있으며 이에 대한 답을 얻을 수 있습니다. 과거 경제 지표가 시장에 어떤 영향을 미쳤는지 ... 그러나 개발 된 방법론을 사용하면 현재 시장 움직임에서 패턴을 찾을 수 있습니다.
흥미로운 연구 대상입니다. 이 주제를 반영하여 나는 거시경제 데이터를 역학에서 분석할 필요가 있다는 결론에 도달했습니다. 제 생각에는 실업수당 청구 가 증가했다고 말하기에는 충분하지 않습니다. 이는 계절적 변동 때문일 수 있고 단기적으로 발생할 수 있기 때문입니다. 자연 - 시장은 시장에서 우세한 추세에 따라 반응할 수도 있고 그렇지 않을 수도 있습니다. 따라서 추세를 뒤집을 수 있는 능력이라는 측면에서 지표의 강점을 탐색해 볼까요? 지그재그로 가거나 차트의 추세 반전 지점을 결정하고 수정만 하고 전환점 이전 3일 이내에 거시 경제 지표의 출력을 찾고 이미 그러한 지표 그룹을 수집하고 이러한 지표가 표시한 내용을 분석하고 그런 다음 패턴을 찾으십시오. 지표가 시장 반전의 이유가 될 때마다 그런 것은 아닙니다. 잠재성, 시장 추세 및 과거 기간의 지표, 기타 경제 지표의 조합이 중요합니다.
꽤 흥미로운 아이디어입니다. 즉, 추세의 중단에만 집중하고 이러한 중단에 영향을 미치는 주요 지표를 결정합니다.
나는 오랫동안 이상치에 대해 생각해 왔다. 무시해야 하거나 반대로 더 많은 관심을 기울여야 합니다. 회귀의 고전 이론은 그것들을 무시하도록 가르칩니다. 하지만 가끔은 추세 주변의 작은 가격 변동이 노이즈인 것 같고, 클래식 회귀가 가장 주목합니다. 이상치는 아마도 더 중요한 신호일 것입니다. 그러나 이상값에 더 많은 가중치를 부여하는 모델을 구축하려는 모든 시도(예: u>1 선택)는 더 높은 rms 예측 오류로 이어졌습니다. 이상치를 평활화하면 예측 오류가 더 작아졌습니다.
따라서 입력 변수의 전체 목록을 수동으로 고려하고 "이 입력 변수는 그럴 가능성이 가장 높고 이 변수는 그렇지 않을 것"이라고 직관적으로 결정하거나 다른 고려 사항을 기반으로 결정해야 합니다.
... 특정 목록을 펜으로 선택하고 알고리즘으로 필터링하여 목록을 얻었습니다. 더욱이, 그러한 목록의 값은 근본적인 성격을 띠고 있습니다. 이러한 "영향력 있는" 초기 데이터 세트를 사용하는 모델(저는 3가지 다른 유형의 모델을 사용합니다)에는 주요 매복 인 과적합 속성이 없습니다 . "잡음" 초기 데이터 사용의 주요 결과인 과적합입니다.
그들은 히스토리의 샘플 내 섹션을 선택하고 샘플 외 섹션을 확인 했습니까? 전체 세그먼트에 대해 예측 변수를 선택한 다음 동일한 세그먼트의 일부에 대해 샘플을 벗어난 오류를 계산했다면 이것은 미래를 내다보는 것입니다.
더 거칠다.
나는 큰 관심을 가지고 스레드를 따르고 있습니다.
-Aleks-의 게시물을 보면 방향 또는 크기 중 무엇을 예측할지 명확하지 않습니다. "방향"이면 분류 모델이고 "값"이면 회귀 모델이며 다른 ARIMA 및 ARCH에 문제가 있습니다. 미분의 도움으로 추세를 제거하는 것이 문제를 완전히 해결하는 것은 아니며 거시 경제학에서 계절성이 혼동됩니다 ....
예측 변수 선택에 대한 -Aleks- 의 아이디어는 매우 궁금합니다. 일반적으로 첫 번째 단계에서 두 가지 예비 단계를 수행합니다.
1. -Aleks- 가 선택한 상당히 큰 독립 변수 집합입니다.
2. 회귀를 구축하고 중요하지 않은 계수가 있는 모든 변수를 삭제했습니다.
마지막 단계는 정말 쉽지 않습니다. 내가 쓴 모든 것은 독립 변수 사이에 상관 관계가 없다는 것을 전제로 했습니다. 그리고 항상 0.7 이상의 상관 관계가 있으며 폐기된 예측 변수 목록은 이것이 수행되는 순서 에 따라 다릅니다.
그 후에 다음을 보고 결정할 수 있습니다.
정지 요구 사항은 매우 엄격하며 완전히 정당화되지 않습니다.
.
그리고 "정상이 없는" 모델은 자체적으로 잘 작동합니다.)
이것은 회귀뿐만 아니라 신경 모델, ARMA 등 모든 모델에 대해 말할 수 있습니다. 입력과 출력 사이에 연결이 없으면 모든 모델이 예측을 생성하지만 정확하지 않은 예측만 생성합니다.
크거나 작은 양의 입력 데이터는 모두 상대적입니다.
꽤 흥미로운 아이디어입니다. 즉, 추세의 중단에만 집중하고 이러한 중단에 영향을 미치는 주요 지표를 결정합니다.
나는 오랫동안 이상치에 대해 생각해 왔다. 무시해야 하거나 반대로 더 많은 관심을 기울여야 합니다. 회귀의 고전 이론은 그것들을 무시하도록 가르칩니다. 하지만 가끔은 추세 주변의 작은 가격 변동이 노이즈인 것 같고, 클래식 회귀가 가장 주목합니다. 이상치는 아마도 더 중요한 신호일 것입니다. 그러나 이상값에 더 많은 가중치를 부여하는 모델을 구축하려는 모든 시도(예: u>1 선택)는 더 높은 rms 예측 오류로 이어졌습니다. 이상치를 평활화하면 예측 오류가 더 작아졌습니다.
따라서 지연을 고려하고 경제 지표 출구에서 가격 할인과의 편차 비율을 계산할 수 있습니다. 아직 아이디어가 있지만 사용에 대한 증거는 그 자리에서 이미 이해할 수 있습니다.
일반적으로 많은 경제 데이터에는 지난 달 또는 작년과 관련된 상대적 지표 가 있습니다.
또 다른 아이디어 - 아마도 추세 변화에 영향을 미치는 것은 데이터 자체가 아니라 예상 데이터 또는 과거 역학과의 편차 - 여기에서 확인할 수도 있습니다 - 지표 움직임의 과거 역학을 변화 (강력 벡터를 따라 또는 반대 방향으로 변경 - SMA의 도움으로도) 지연이 있는 가격 이동 벡터의 변화를 살펴봅니다.
이 모든 작업이 한 사람의 능력 안에 있는지 확신할 수 없습니다. 명확한 실행 계획과 중간 결과를 분석하는 방법론, 토론하는 작업이 평생의 작업이 될 수 있으며 이에 대한 답을 얻을 수 있습니다. 과거 경제 지표가 시장에 어떤 영향을 미쳤는지 ... 그러나 개발 된 방법론을 사용하면 현재 시장 움직임에서 패턴을 찾을 수 있습니다.
아이디어를 개발하려면 여러 지표를 발표 빈도로 나눌 필요가 있습니다. 지표가 덜 자주 나올수록 시장에 더 오래 영향을 미칠 것입니다.
아니요. 미국에서 가장 영향력 있는 것은 UR과 FOMC 회의 비율입니다. 그들은 월간입니다.
실업 데이터가 공식화되면 FRS 회의록은 숫자 형식으로 공식화 될 수 없습니다.
그렇지 않으면 두 손가락처럼 될 것입니다 ...
이렇게 많은 수의 변수에 대해 65개의 관측값은 매우 적습니다.
최소 i*10 관찰 + 순방향 테스트의 경우 15-20%.
아니요. 미국에서 가장 영향력 있는 것은 UR과 FOMC 회의 비율입니다. 그들은 월간입니다.
실업 데이터가 공식화되면 FRS 회의록은 숫자 형식으로 공식화 될 수 없습니다.
그렇지 않으면 두 손가락처럼 될 것입니다 ...