HOUST1F 또는 PRFI와 같은 지표를 하나만 사용하면 이미 모델이 공개 예측보다 더 정확할 것입니다. 몇 가지 소비자 지표와 수익률 곡선을 추가하면 슈퍼 모델이 생깁니다.
아래는 1959년 이후 GDP 및 S&P 500 성장률 차트입니다. 마이너스 GDP 성장률(불황) 동안 S&P500의 하락을 부정하는 것은 불가능합니다.
당신은 어떻게 든 내 게시물에 선택적으로 반응합니다.
당연히 주어진 일정은 트램과 같습니다. 트램을 타면 모두가 승객에게 가고 멈 춥니 다. .... 그리고 승객 사이에는 단 하나의 연결이 있습니다. 그들은 같은 트램에 있습니다 - 우리의 경우 같은 경제에서
지수와 GDP는 해당 국가의 경제 상황에서 파생되며 이들 사이에는 아무런 관련이 없습니다.
2008년의 위기는 부동산 위기로, 이 위기로부터 GDP와 지수의 수치가 뒤따랐고, 그 외 많은 수치가 트램을 탄 승객들로 가득 찼다. 그리고 지수는 GDP를 따르지 않으며 GDP는 지수를 따르지 않습니다. 기껏해야 동기적으로(항상 그런 것은 아니지만 - 이전에 제공한 차트에서 볼 수 있음) 전체 그림을 반영합니다.
경제에는 미래의 움직임을 결정하는 프로세스가 있으며 많은 지표가 이러한 움직임을 반영합니다.
오늘날 미국 경제의 깊은 움직임은 무엇입니까?
개인적으로 나는 미국 경제 의 주요 문제가 제로 금리라고 믿는 사람들과 함께합니다. 전체 사회 부문(보험 및 연기금)은 국채 투자로부터 이익을 얻었습니다. 제로 비율에서 이러한 조직은 필요한 이익을 얻지 못합니다. 이러한 유형의 조직이 파산하기 시작하면 닷컴이 아닌 다른 차원의 문제가 발생합니다. 그건 그렇고, GDP와 모든 지수는 정확히 같은 방향(아래로, 세로로)으로 갈 것입니다.
지수와 GDP는 해당 국가의 경제 상황에서 파생되며 이들 사이에는 아무런 관련이 없습니다.
2008년의 위기는 부동산 위기로, 이 위기로부터 GDP와 지수의 수치가 뒤따랐고, 그 외 많은 수치가 트램을 탄 승객들로 가득 찼다. 그리고 지수는 GDP를 따르지 않으며 GDP는 지수를 따르지 않습니다. 기껏해야 동기적으로(항상 그런 것은 아니지만 - 이전에 제공한 차트에서 볼 수 있음) 전체 그림을 반영합니다.
경제에는 미래의 움직임을 결정하는 프로세스가 있으며 많은 지표가 이러한 움직임을 반영합니다.
오늘날 미국 경제의 깊은 움직임은 무엇입니까?
개인적으로 나는 미국 경제 의 주요 문제가 제로 금리라고 믿는 사람들과 함께합니다. 전체 사회 부문(보험 및 연기금)은 국채 투자로부터 이익을 얻었습니다. 제로 요율로 이러한 조직은 필요한 이익을 얻지 못합니다. 이러한 유형의 조직이 파산하기 시작하면 닷컴이 아닌 다른 차원의 문제가 될 것입니다. 그건 그렇고, GDP와 모든 지수는 정확히 같은 방향(아래로, 세로로)으로 갈 것입니다.
말한 모든 것에 동의합니다. GDP 하락으로 시장지수가 떨어진다고 하는 곳을 찾아봤는데 안나오더군요. 두 하락 모두 당신이 올바르게 말했듯이 경제 상황을 반영합니다. 시장 지수의 하락은 예측하기 어렵고 GDP의 하락은 예측하기가 훨씬 쉽습니다. 지수와 GDP의 하락은 동시에 발생하기 때문에(내 관찰에 따르면 지수는 GDP보다 1/4 먼저 하락하기 시작하지만 직접 작성했습니다) GDP 하락을 예측하여 지수의 하락을 예측할 수 있습니다. 내가 여기서하고있는 일입니다. 주택 착공은 시장과 GDP보다 훨씬 일찍 하락하기 시작합니다. 따라서 최후의 수단으로 좋은 S&P500 및 GDP 모델을 만들지 못하면 HOUST와 주택 가격을 관찰하고 하락할 때 시장에서 나갈 것입니다. 지금까지 이것은 관찰되지 않았습니다. HOUST가 160만~170만 명을 돌파하면 유심히 지켜보겠다. HOUST가 120만~130만 아래로 떨어지면 자연스럽게 과거 경기 침체가 시작되었습니다.
오늘날 경제의 문제가 무엇인지에 관해서는 민간 부채가 계속해서 큰 문제라고 생각합니다. 은행은 빚을 갚을 수 없는 사람들에게 계속해서 돈을 빌려준다. 미국에서는 은행이 미쳐 신용 카드를 열 때 구매에 대해 할인을 제공합니다. 모든 브랜드 매장에는 자체 신용 카드가 있습니다. Walmart, Target, Macy's, Starbuks 및 기타 수백 개가 있습니다. 중국의 GDP 대비 민간부채 비율은 경기 침체 이전 미국보다 훨씬 더 높은 수준에 도달했습니다. 아마도 중국은 다음 경기 침체의 원인이 될 것입니다.
오늘날 경제의 문제가 무엇인지에 관해서는 민간 부채가 계속해서 큰 문제라고 생각합니다. 은행은 빚을 갚을 수 없는 사람들에게 계속해서 대출을 해준다. 미국에서는 은행이 미쳐 신용 카드를 열 때 구매에 대해 할인을 제공합니다. 모든 브랜드 매장에는 자체 신용 카드가 있습니다. Walmart, Target, Macy's, Starbuks 및 기타 수백 개가 있습니다. 중국의 GDP 대비 민간부채 비율은 경기 침체 이전 미국보다 훨씬 더 높은 수준에 도달했습니다. 아마도 중국은 다음 경기 침체의 원인이 될 것입니다.
중국의 GDP에 관해서는 어제 "흥미롭고 유머러스한" 분기의 비디오에 나와 있습니다. 만물의 일반 이론에 따르면 중국의 GDP 성장률은 2/3의 거듭제곱으로 시간에 비례합니다(t-t0).
예측자를 단계별로 반복해 보겠습니다. 먼저, 평균의 절대 증분을 정규화하여 위에서 설명한 대로 모든 데이터를 변환합니다. 그런 다음 역사를 통해 선형 회귀를 사용하여 변환된 GDP의 예측 오류를 살펴보겠습니다. 다음은 예측 오차를 증가시켜 정렬된 상위 10개 예측자의 목록입니다.
'시리즈'
'지연'
'오류'
'코르 코프'
'상호정보'
'설명'
'A012RC1Q027SBEA'
하나
0.785084491
0.521239874
0.207278508
'민간 고정 투자: 주거: 구조물'
'PRFI'
하나
0.785370338
0.52030199
0.205244075
'민간 주택 고정 투자'
'A756RC1Q027SBEA'
하나
0.788998988
0.513150108
0.203337794
'신규 건축물에 대한 민간 고정 투자: 주거용 건축물'
'DFDHRA3Q086SBEA'
하나
0.792817832
0.509246158
0.238935402
'실질 개인소비지출 : 내구재 : 가구 및 내구생활용품(체인형 수량지수)'
'W988RC1Q027SBEA'
하나
0.792819625
0.512427741
0.209527444
'민간 총투자: 가계 및 기관'
'A713RX1Q020SBEA'
하나
0.79292839
0.511152419
0.227008161
'국내 바이어들에게 리얼 파이널 세일'
'B713RA3Q086SBEA'
하나
0.792933677
0.511052828
0.227015597
'국내 구매자에게 실질 최종판매(체인형 수량지수)'
'W791RC1Q027SBEA'
하나
0.795610445
0.509720881
0.220612324
'국내순투자 : 민간 : 가계·기관'
'A943RC1Q027SBEA'
하나
0.799721554
0.493581939
0.198662644
'민간 고정 투자: 주거: 구조물: 영구 부지'
'A011RE1Q156NBEA'
하나
0.802124995
0.476308607
0.198071775
'국내총생산 비중:민간총투자:고정투자:주거'
보시다시피 투자 주제, 특히 부동산 및 가정용 장비에서 많은 예측 변수가 있습니다. 예측 오차가 가장 작은 예측 변수는 GDP와의 상관 계수도 가장 높으며 상호 정보도 높습니다. A012RC1Q027SBEA 또는 PRFI는 첫 번째 모델 예측 변수로 적합합니다. 예를 들어, PRFI(1)에 대한 변환된 GDP의 의존도 그래프가 어떻게 보이는지 봅시다.
점의 색상은 시간에 따라 스펙트럼을 따라 부드럽게 변합니다. 예를 들어 파란색 점은 같은 기간에 속합니다. 그래프에서 알 수 있듯이 시간이 지남에 따라 GDP의 PRFI 의존도에는 큰 변화가 없습니다. 이 경우 선형 의존성은 비선형 의존성보다 나쁘지 않고 단순하기 때문에 바람직합니다. 그런데 여기에서 입력 데이터가 너무 시끄러울 때 비선형 신경망이 재무 모델에서 이점을 제공하는지 여부에 대해 논의할 수 있습니다.
이제 PRFI(1)를 기반으로 한 과거 및 미래 GDP 예측을 살펴보겠습니다.
꽤 나쁘지 않고 은행 예측보다 하나의 예측 변수가 더 좋습니다. 역사의 모든 과거 순간에 그 순간까지 사용 가능한 GDP 및 PRFI 데이터가 사용되었기 때문에 이러한 예측에는 미래 예측이 없습니다. 미래를 엿볼 수 있는 유일한 방법은 예측 변수 자체를 선택하는 것입니다(PRFI는 역사적으로 선택되었습니다).
계속 진행합니다. 두 번째 예측 변수의 선택은 그렇게 간단하지 않습니다. 단계적 회귀의 변형을 사용하고 있습니다. 아이디어는 첫 번째 예측 변수와 이를 기반으로 하는 GDP 모델을 찾은 후 GDP에서 해당 모델을 빼는 것입니다. 결과 잔차는 두 번째 예측 변수를 찾는 새로운 모델 시리즈가 되는 식입니다. 수학에 익숙한 사람들은 완전한 행복을 위해 이러한 방식으로 선택된 모든 예측 변수가 직교(예측 변수 간의 상관 관계가 0)여야 한다는 것을 알고 있습니다. 이는 대부분의 경제 지표의 경우가 아닙니다. 그러나 이것에 대한 몇 가지 방법이 있으며 나중에 논의될 것입니다.
따라서 나머지가 있습니다(GDP에서 첫 번째 예측 변수를 기반으로 하는 모델을 뺀 값). 우리는 사용 가능한 모든 예측자를 반복하기 시작하고 잔차 예측 오차와 상관 관계 및 잔차와의 상호 정보를 계산합니다. 다음 표를 얻습니다(처음 11개의 예측 변수만 표시됨).
'지연'
'오류'
'코르 코프'
'상호정보'
pred2
삼
0.726557236
0.284915131
0.127184886
pred3
삼
0.726787378
0.315902493
0.130087104
pred4
2
0.727334208
0.277286708
0.128992973
pred5
하나
0.728784473
0.308420433
0.129030595
pred6
삼
0.729279452
0.292608987
0.134332245
pred7
삼
0.729297628
0.283750358
0.125613004
pred8
하나
0.732298245
0.314324885
0.152677285
pred9
하나
0.732362897
0.301421196
0.134899474
pred10
하나
0.732917749
0.290449918
0.126357606
pred11
하나
0.7342473
0.307902294
0.16423315
pred12
2
0.734315072
0.327789051
0.165246136
이 경우 예측 오차는 이 표에 있는 첫 번째 예측자와 각 예측자의 총 오차입니다. 여기서 두 번째 예측 변수의 선택은 신중하게 이루어져야 합니다. pred2는 첫 번째 예측 변수(PRFI 또는 pred1)와 결합할 때 가장 작은 오류를 제공하지만 이 예측 변수의 상관 계수와 상호 정보는 높지 않습니다. Pred12가 더 유망해 보여서 선택하겠습니다. 나머지 대 pred12 그래프:
즉, 예상 미국 GDP의 선택된 부분에 대해 "앙골라에서 식중독으로 병원에 입원한 환자 수" 변수가 매우 적합할 수 있지만 분명히 기능적 관계는 없습니다.
Expert Advisors를 최적화 할 때 비슷한 문제가 자주 발생했습니다. 예를 들어, 10년의 역사 동안 Expert Advisor를 최적화하고 최상의 결과를 얻은 다음 그러한 설정에서 아무 것도 얻지 못할 수 있습니다. 문제는 발견한 설정으로 EA가 9년 동안 바보가 될 수 있고, 그 다음에는 설정이 우연히 일치하여 많은 이익을 가져오는 동안 단 1주일 만에 성공할 수 있다는 것입니다. 그리고 이러한 사고는 앞으로 다시 일어나지 않을 것입니다. 좋은 해결책은 전체 거래 내역을 연도로 나누고, 각 연도에 대해 별도로 이익을 계산하고, 최악의 연간 결과를 취하는 것입니다.
최상의 상관 관계를 찾으려면 MAX(error(2000-2016), error(2000), error(2001), ..., error(2014), error(2015))와 같은 오류 함수를 사용합니다. 나는 통계를 위해이 접근 방식을 시도하지 않았기 때문에 아무 것도 보장하지 않습니다.
매우 큰 입력 변수 집합이 있는 경우 예측 변수의 선택된 구간에 가장 적합한 것을 항상 선택할 수 있지만 요인과 요인 사이에 기능적 종속성이 실제로 존재한다는 사실은 아닙니다. 예측 기능.
즉, 예상 미국 GDP의 선택된 부분에 대해 "앙골라에서 식중독으로 병원에 입원한 환자 수" 변수가 매우 적합할 수 있지만 분명히 기능적 관계는 없습니다.
다시 한 번 - 모든 것은 엿보기 없이(변수 선택에서도) 앞으로만 결정됩니다.
많은 변수의 함정.
동의합니다. 여기 어딘가에 직접 썼습니다. 전체 역사에서 예측 변수를 선택한 다음 동일한 역사에서 순방향 테스트를 사용하는 것은 거래자에서 과학자에 이르기까지 모든 사람이 하는 자기기만입니다. 경제 예측에 대해 작성된 많은 기사는 선택된 예측 변수 목록으로 시작한 다음 "훌륭한" 결과를 보고합니다. 트레이더는 "과거에 일했다"는 이유로 바운스 또는 브레이크아웃과 같은 전략을 선택하고 전략 자체의 선택이 전체 역사에 대한 연구를 기반으로 한다는 것을 깨닫지 못한 채 미래에 작동하고 과거의 앞으로의 테스트를 보여주기를 바랍니다. 순방향 테스트에 대한 기록을 포함합니다. 저에게 GDP 및 시장 모델의 전방 테스트는 미래가 될 것이므로 이 스레드를 열었습니다. 예측을 게시하고 실시간으로 어떻게 실현되었는지 확인합니다. 작업이 완료되지 않았습니다. 비선형 데이터 변환 에 대한 많은 아이디어가 있습니다. 예를 들어, HOUST와 같은 일부 예측 변수는 일부 임계값 함수를 통해 GDP 성장에 영향을 미칩니다.
이 규모로 눈으로 보기가 너무 어렵습니다.
한 번 다변수 모델을 실행했지만 모델의 정확도가 공개 예측보다 낮았습니다.
HOUST1F 또는 PRFI와 같은 지표를 하나만 사용하면 이미 모델이 공개 예측보다 더 정확할 것입니다. 몇 가지 소비자 지표와 수익률 곡선을 추가하면 슈퍼 모델이 생깁니다.
아래는 1959년 이후 GDP 및 S&P 500 성장률 그래프입니다. 마이너스 GDP 성장률(불황) 동안 S&P500의 하락을 부정하는 것은 불가능합니다.
"슈퍼모델" 저와 제 자신이 많습니다. 어떤 이유에서인지 정방향 테스트만이 발표된 예측보다 더 나쁜 예측 정확도를 보여줍니다.
HOUST1F 또는 PRFI와 같은 지표를 하나만 사용하면 이미 모델이 공개 예측보다 더 정확할 것입니다. 몇 가지 소비자 지표와 수익률 곡선을 추가하면 슈퍼 모델이 생깁니다.
아래는 1959년 이후 GDP 및 S&P 500 성장률 차트입니다. 마이너스 GDP 성장률(불황) 동안 S&P500의 하락을 부정하는 것은 불가능합니다.
당신은 어떻게 든 내 게시물에 선택적으로 반응합니다.
당연히 주어진 일정은 트램과 같습니다. 트램을 타면 모두가 승객에게 가고 멈 춥니 다. .... 그리고 승객 사이에는 단 하나의 연결이 있습니다. 그들은 같은 트램에 있습니다 - 우리의 경우 같은 경제에서
지수와 GDP는 해당 국가의 경제 상황에서 파생되며 이들 사이에는 아무런 관련이 없습니다.
2008년의 위기는 부동산 위기로, 이 위기로부터 GDP와 지수의 수치가 뒤따랐고, 그 외 많은 수치가 트램을 탄 승객들로 가득 찼다. 그리고 지수는 GDP를 따르지 않으며 GDP는 지수를 따르지 않습니다. 기껏해야 동기적으로(항상 그런 것은 아니지만 - 이전에 제공한 차트에서 볼 수 있음) 전체 그림을 반영합니다.
경제에는 미래의 움직임을 결정하는 프로세스가 있으며 많은 지표가 이러한 움직임을 반영합니다.
오늘날 미국 경제의 깊은 움직임은 무엇입니까?
개인적으로 나는 미국 경제 의 주요 문제가 제로 금리라고 믿는 사람들과 함께합니다. 전체 사회 부문(보험 및 연기금)은 국채 투자로부터 이익을 얻었습니다. 제로 비율에서 이러한 조직은 필요한 이익을 얻지 못합니다. 이러한 유형의 조직이 파산하기 시작하면 닷컴이 아닌 다른 차원의 문제가 발생합니다. 그건 그렇고, GDP와 모든 지수는 정확히 같은 방향(아래로, 세로로)으로 갈 것입니다.
지수와 GDP는 해당 국가의 경제 상황에서 파생되며 이들 사이에는 아무런 관련이 없습니다.
2008년의 위기는 부동산 위기로, 이 위기로부터 GDP와 지수의 수치가 뒤따랐고, 그 외 많은 수치가 트램을 탄 승객들로 가득 찼다. 그리고 지수는 GDP를 따르지 않으며 GDP는 지수를 따르지 않습니다. 기껏해야 동기적으로(항상 그런 것은 아니지만 - 이전에 제공한 차트에서 볼 수 있음) 전체 그림을 반영합니다.
경제에는 미래의 움직임을 결정하는 프로세스가 있으며 많은 지표가 이러한 움직임을 반영합니다.
오늘날 미국 경제의 깊은 움직임은 무엇입니까?
개인적으로 나는 미국 경제 의 주요 문제가 제로 금리라고 믿는 사람들과 함께합니다. 전체 사회 부문(보험 및 연기금)은 국채 투자로부터 이익을 얻었습니다. 제로 요율로 이러한 조직은 필요한 이익을 얻지 못합니다. 이러한 유형의 조직이 파산하기 시작하면 닷컴이 아닌 다른 차원의 문제가 될 것입니다. 그건 그렇고, GDP와 모든 지수는 정확히 같은 방향(아래로, 세로로)으로 갈 것입니다.
말한 모든 것에 동의합니다. GDP 하락으로 시장지수가 떨어진다고 하는 곳을 찾아봤는데 안나오더군요. 두 하락 모두 당신이 올바르게 말했듯이 경제 상황을 반영합니다. 시장 지수의 하락은 예측하기 어렵고 GDP의 하락은 예측하기가 훨씬 쉽습니다. 지수와 GDP의 하락은 동시에 발생하기 때문에(내 관찰에 따르면 지수는 GDP보다 1/4 먼저 하락하기 시작하지만 직접 작성했습니다) GDP 하락을 예측하여 지수의 하락을 예측할 수 있습니다. 내가 여기서하고있는 일입니다. 주택 착공은 시장과 GDP보다 훨씬 일찍 하락하기 시작합니다. 따라서 최후의 수단으로 좋은 S&P500 및 GDP 모델을 만들지 못하면 HOUST와 주택 가격을 관찰하고 하락할 때 시장에서 나갈 것입니다. 지금까지 이것은 관찰되지 않았습니다. HOUST가 160만~170만 명을 돌파하면 유심히 지켜보겠다. HOUST가 120만~130만 아래로 떨어지면 자연스럽게 과거 경기 침체가 시작되었습니다.
https://research.stlouisfed.org/fred2/series/HOUST
오늘날 경제의 문제가 무엇인지에 관해서는 민간 부채가 계속해서 큰 문제라고 생각합니다. 은행은 빚을 갚을 수 없는 사람들에게 계속해서 돈을 빌려준다. 미국에서는 은행이 미쳐 신용 카드를 열 때 구매에 대해 할인을 제공합니다. 모든 브랜드 매장에는 자체 신용 카드가 있습니다. Walmart, Target, Macy's, Starbuks 및 기타 수백 개가 있습니다. 중국의 GDP 대비 민간부채 비율은 경기 침체 이전 미국보다 훨씬 더 높은 수준에 도달했습니다. 아마도 중국은 다음 경기 침체의 원인이 될 것입니다.
오늘날 경제의 문제가 무엇인지에 관해서는 민간 부채가 계속해서 큰 문제라고 생각합니다. 은행은 빚을 갚을 수 없는 사람들에게 계속해서 대출을 해준다. 미국에서는 은행이 미쳐 신용 카드를 열 때 구매에 대해 할인을 제공합니다. 모든 브랜드 매장에는 자체 신용 카드가 있습니다. Walmart, Target, Macy's, Starbuks 및 기타 수백 개가 있습니다. 중국의 GDP 대비 민간부채 비율은 경기 침체 이전 미국보다 훨씬 더 높은 수준에 도달했습니다. 아마도 중국은 다음 경기 침체의 원인이 될 것입니다.
중국의 GDP에 관해서는 어제 "흥미롭고 유머러스한" 분기의 비디오에 나와 있습니다. 만물의 일반 이론에 따르면 중국의 GDP 성장률은 2/3의 거듭제곱으로 시간에 비례합니다(t-t0).
예측자를 단계별로 반복해 보겠습니다. 먼저, 평균의 절대 증분을 정규화하여 위에서 설명한 대로 모든 데이터를 변환합니다. 그런 다음 역사를 통해 선형 회귀를 사용하여 변환된 GDP의 예측 오류를 살펴보겠습니다. 다음은 예측 오차를 증가시켜 정렬된 상위 10개 예측자의 목록입니다.
보시다시피 투자 주제, 특히 부동산 및 가정용 장비에서 많은 예측 변수가 있습니다. 예측 오차가 가장 작은 예측 변수는 GDP와의 상관 계수도 가장 높으며 상호 정보도 높습니다. A012RC1Q027SBEA 또는 PRFI는 첫 번째 모델 예측 변수로 적합합니다. 예를 들어, PRFI(1)에 대한 변환된 GDP의 의존도 그래프가 어떻게 보이는지 봅시다.
점의 색상은 시간에 따라 스펙트럼을 따라 부드럽게 변합니다. 예를 들어 파란색 점은 같은 기간에 속합니다. 그래프에서 알 수 있듯이 시간이 지남에 따라 GDP의 PRFI 의존도에는 큰 변화가 없습니다. 이 경우 선형 의존성은 비선형 의존성보다 나쁘지 않고 단순하기 때문에 바람직합니다. 그런데 여기에서 입력 데이터가 너무 시끄러울 때 비선형 신경망이 재무 모델에서 이점을 제공하는지 여부에 대해 논의할 수 있습니다.
이제 PRFI(1)를 기반으로 한 과거 및 미래 GDP 예측을 살펴보겠습니다.
꽤 나쁘지 않고 은행 예측보다 하나의 예측 변수가 더 좋습니다. 역사의 모든 과거 순간에 그 순간까지 사용 가능한 GDP 및 PRFI 데이터가 사용되었기 때문에 이러한 예측에는 미래 예측이 없습니다. 미래를 엿볼 수 있는 유일한 방법은 예측 변수 자체를 선택하는 것입니다(PRFI는 역사적으로 선택되었습니다).
계속 진행합니다. 두 번째 예측 변수의 선택은 그렇게 간단하지 않습니다. 단계적 회귀의 변형을 사용하고 있습니다. 아이디어는 첫 번째 예측 변수와 이를 기반으로 하는 GDP 모델을 찾은 후 GDP에서 해당 모델을 빼는 것입니다. 결과 잔차는 두 번째 예측 변수를 찾는 새로운 모델 시리즈가 되는 식입니다. 수학에 익숙한 사람들은 완전한 행복을 위해 이러한 방식으로 선택된 모든 예측 변수가 직교(예측 변수 간의 상관 관계가 0)여야 한다는 것을 알고 있습니다. 이는 대부분의 경제 지표의 경우가 아닙니다. 그러나 이것에 대한 몇 가지 방법이 있으며 나중에 논의될 것입니다.
따라서 나머지가 있습니다(GDP에서 첫 번째 예측 변수를 기반으로 하는 모델을 뺀 값). 우리는 사용 가능한 모든 예측자를 반복하기 시작하고 잔차 예측 오차와 상관 관계 및 잔차와의 상호 정보를 계산합니다. 다음 표를 얻습니다(처음 11개의 예측 변수만 표시됨).
이 경우 예측 오차는 이 표에 있는 첫 번째 예측자와 각 예측자의 총 오차입니다. 여기서 두 번째 예측 변수의 선택은 신중하게 이루어져야 합니다. pred2는 첫 번째 예측 변수(PRFI 또는 pred1)와 결합할 때 가장 작은 오류를 제공하지만 이 예측 변수의 상관 계수와 상호 정보는 높지 않습니다. Pred12가 더 유망해 보여서 선택하겠습니다. 나머지 대 pred12 그래프:
구름이 더 흐려졌습니다. pred1 및 pred12를 기반으로 한 예측:
역사의 모든 과거 순간에 그 순간까지 사용 가능한 GDP 및 PRFI 데이터가 사용되었기 때문에 이러한 예측에는 미래 예측이 없습니다. 미래를 엿볼 수 있는 유일한 방법은 예측 변수 자체를 선택하는 것입니다(PRFI는 역사적으로 선택되었습니다).
미래를 내다보고 있습니다. 유감이지만 이것은 엿보기입니다.
매우 큰 입력 변수 집합이 있는 경우 예측 변수의 선택된 구간에 가장 적합한 것을 항상 선택할 수 있지만 요인과 요인 사이에 기능적 종속성이 실제로 존재한다는 사실은 아닙니다. 예측 기능.
즉, 예상 미국 GDP의 선택된 부분에 대해 "앙골라에서 식중독으로 병원에 입원한 환자 수" 변수가 매우 적합할 수 있지만 분명히 기능적 관계는 없습니다.
다시 한 번 - 모든 것은 엿보기 없이(변수 선택에서도) 앞으로만 결정됩니다.
많은 변수의 함정.
즉, 예상 미국 GDP의 선택된 부분에 대해 "앙골라에서 식중독으로 병원에 입원한 환자 수" 변수가 매우 적합할 수 있지만 분명히 기능적 관계는 없습니다.
Expert Advisors를 최적화 할 때 비슷한 문제가 자주 발생했습니다. 예를 들어, 10년의 역사 동안 Expert Advisor를 최적화하고 최상의 결과를 얻은 다음 그러한 설정에서 아무 것도 얻지 못할 수 있습니다. 문제는 발견한 설정으로 EA가 9년 동안 바보가 될 수 있고, 그 다음에는 설정이 우연히 일치하여 많은 이익을 가져오는 동안 단 1주일 만에 성공할 수 있다는 것입니다. 그리고 이러한 사고는 앞으로 다시 일어나지 않을 것입니다. 좋은 해결책은 전체 거래 내역을 연도로 나누고, 각 연도에 대해 별도로 이익을 계산하고, 최악의 연간 결과를 취하는 것입니다.
최상의 상관 관계를 찾으려면 MAX(error(2000-2016), error(2000), error(2001), ..., error(2014), error(2015))와 같은 오류 함수를 사용합니다. 나는 통계를 위해이 접근 방식을 시도하지 않았기 때문에 아무 것도 보장하지 않습니다.
미래를 내다보고 있습니다. 유감이지만 이것은 엿보기입니다.
매우 큰 입력 변수 집합이 있는 경우 예측 변수의 선택된 구간에 가장 적합한 것을 항상 선택할 수 있지만 요인과 요인 사이에 기능적 종속성이 실제로 존재한다는 사실은 아닙니다. 예측 기능.
즉, 예상 미국 GDP의 선택된 부분에 대해 "앙골라에서 식중독으로 병원에 입원한 환자 수" 변수가 매우 적합할 수 있지만 분명히 기능적 관계는 없습니다.
다시 한 번 - 모든 것은 엿보기 없이(변수 선택에서도) 앞으로만 결정됩니다.
많은 변수의 함정.