faa1947 : 위의 이 주제에 게시된 결과는 이러한 방식으로 얻은 것입니다. 이익률은 1보다 약간 높습니다. 모델이 예측 가능성이 없다는 결론에 도달하고 부딪쳤습니다. 평활화를 위해 labda = 1인 HP가 사용되었습니다. 어쩌면 여기. 그러나 "예측 가능성"이 무엇을 의미하는지 명확하지 않습니다. 테스터에서 일어나는 일을 보면 모델이 추세를 유지하지 않으며 잘못된 반전에 대한 것이 아닙니다.
(1) 문제는 예측의 결과가 아닙니다. 그는 나에게 전혀 관심이 없다. 시간이 지남에 따라 모델의 계수가 작동하는 방식입니다. 최소한 역학의 그래프를 표시할 수 있습니다.
나는 기뻐할 이유가 없는 프로그램의 평가를 더 자세히 살펴보았다. 내가 결과를 올바르게 이해했다면 EW는 모델이 일반적으로 가짜임을 보여줍니다.
(1) 계수 -0.48, 오류 RMSD 0.12, 예를 들어 -4.89 오류 RMSD 0.9 -2.9 오류 RMSE 1.0 등 이것은 매우 큰 실수입니다. 매우 큰 실수입니다. 그들은 평가를 무효화하기 직전에 있습니다. 대략적으로 말하면, 계수는 속도에 몇 번 맞습니다.
(2) 첫 번째 계수에 대한 t 통계가 매우 큽니다. 어떤 의미에서든 모델 - 그냥 남았습니다. 그건 그렇고, 당신은 HP 모델에 대해 어떤 "트렌드"를 취했 습니까?
(3) 예, 매개변수가 0이 아닐 확률을 평가할 필요는 없습니다. 예, 0이 아닌 것이 분명합니다.
(4) R-제곱, 정확한 추정치가 아닌 이유를 설명했는데 이 경우에는 전혀 볼 수 없습니다. 말 그대로 가격 편차의 규모가 정규화되지 않고 킬로미터의 견적에서 300만큼 멀어지고 가격이 나올 것이라고 말합니다. 예, 회피 통계 내에서 예, 그러나 당신은 그것으로부터 아무 것도 얻지 못할 것입니다, 당신은 잃을 뿐입니다
나는 기뻐할 이유가 없는 프로그램의 평가를 더 자세히 살펴보았다. 내가 결과를 올바르게 이해했다면 EW는 모델이 일반적으로 가짜임을 보여줍니다.
(1) 계수 -0.48, 오류 RMSD 0.12, 예를 들어 -4.89 오류 RMSD 0.9 -2.9 오류 RMSE 1.0 등 이것은 매우 큰 실수입니다. 매우 큰 실수입니다. 그들은 평가를 무효화하기 직전에 있습니다. 대략적으로 말하면, 계수는 속도에 몇 번 맞습니다.
(2) 첫 번째 계수에 대한 t 통계가 매우 큽니다. 어떤 의미에서든 모델 - 그냥 남았습니다. 그건 그렇고, 당신은 HP 모델에 대해 어떤 "트렌드"를 취했 습니까?
(3) 예, 매개변수가 0이 아닐 확률을 평가할 필요는 없습니다. 예, 0이 아닌 것이 분명합니다.
(4) R-제곱, 정확한 추정치가 아닌 이유를 설명했는데 이 경우에는 전혀 볼 수 없습니다. 말 그대로 가격 편차의 규모가 정규화되지 않고 킬로미터의 견적에서 300만큼 멀어지고 가격이 나올 것이라고 말합니다. 예, 회피 통계 내에서, 예, 그러나 당신은 그것으로부터 아무 것도 얻지 못할 것입니다, 당신은 잃을 뿐입니다
알겠습니다. 이해가 안 되는 부분이 있으면 나중에 알아보겠습니다.
(1)....이것은 매우 큰 실수입니다.
네. 개별 확률을 위해.
(2) 첫 번째 계수에 대한 t 통계가 매우 큽니다 .
잘못된. T-통계 = 승산/RMS
첫 번째 계수는 어떤 식으로든 모델을 설명하지 않습니다.
번으로 처음으로 설명합니다. 우리는 100 / t-통계가 필요하며 % 단위의 오류가 발생합니다. 그러나 이것은 다른 계수에 대한 문제를 해결하지 못합니다.
그리고 HP 모델에 대해 어떤 "트렌드"를 취했 습니까?
추세가 없습니다. HP - 나머지 노이즈를 얻기 위해 부드럽게 합니다.
(4) 정확한 추정치가 아닌 R-제곱,
아이디어가 맞습니다. DW는 약 2이며 나머지는 정규 분포를 따릅니다. 회귀 오류 = 11핍도 있지만 종속 변수 오류 = 212핍
위의 이 주제에 게시된 결과는 이러한 방식으로 얻은 것입니다. 이익률은 1보다 약간 높습니다. 모델이 예측 가능성이 없다는 결론에 도달하고 부딪쳤습니다. 평활화를 위해 labda = 1인 HP가 사용되었습니다. 어쩌면 여기. 그러나 "예측 가능성"이 무엇을 의미하는지 명확하지 않습니다. 테스터에서 일어나는 일을 보면 모델이 추세를 유지하지 않으며 잘못된 반전에 대한 것이 아닙니다.
(1) 문제는 예측의 결과가 아닙니다. 그는 나에게 전혀 관심이 없다. 시간이 지남에 따라 모델의 계수가 작동하는 방식입니다. 최소한 역학의 그래프를 표시할 수 있습니다.
(2) HP는 필터(Hodrick-Prescott)인가? 그러면 더 나쁘다.
(2) HP는 필터(Hodrick–Prescott)이고, 그 다음은 더 나쁩니다.
네. 처음에는 중요하지 않은 것 같았습니다. 나머지 문제를 해결해야 합니다. 나는 결정했다. 그리고 지금 나는 의심합니다. HP에 대한 유효한 청구가 있습니까?
1) 예측 결과에 질문이 없습니다. 그는 나에게 전혀 관심이 없다. 시간이 지남에 따라 모델의 계수가 작동하는 방식입니다. 당신은 적어도 그들의 역학의 그래프를 보여줄 수 있습니다 .
마지막으로 진짜 질문입니다. 보여 주었다. 매우 흥미로운. 이제 다시 열심히 포스팅을 해보려고 합니다.
~에
У Вас имеются обоснованные претензии к НР?
뭐해! 나는 프레스콧에 대해 불만이 없습니다. 내가 프레스콧을 얼마나 존경하는지 알잖아요, 프레스콧은 머리에요, 그의 입에 손가락을 넣지 마세요...
마지막으로 진짜 질문
젠장, 예전처럼 내가 여기 널 방해하고 온갖 쓰레기를 물어봤어.
이제 다시 열심히 포스팅을 해보려고 합니다.
예, 귀찮게하지 마십시오. 왜 귀중한 킬로 칼로리를 낭비합니까 ...
모델:
kotir hp1(-1 ~ -2) hp1_d(-1 ~ -1) eq1_hp2(-1 ~ -3) eq1_hp2_d(-1 ~ -4)
괄호 안은 시차입니다. 각각의 새 막대 에서 지연 수를 조정합니다.
HP_d - 견적과 HP의 차이.
eq1_HP2 - 할당량과 레벨 간의 HP 평활화 차이 hp1(-1 ~ -2) hp1_d(-1 ~ -1)
eq1_hp2_d( -1 ~ -4) '마지막 나머지입니다.
이분산성이 있으면 GARCH를 모델링합니다.
GARCH 추정이 없으면 방정식을 얻습니다.
KOTIR = C(1)*HP1(-1) + C(2)*HP1(-2) + C(3)*HP1_D(-1) + C(4)*EQ1_HP2(-1) + C(5) *EQ1_HP2(-2) + C(6)*EQ1_HP2(-3) + C(7)*EQ1_HP2_D(-1) + C(8)*EQ1_HP2_D(-2) + C(9)*EQ1_HP2_D(-3) + C(10)*EQ1_HP2_D(-4 )
많은 확률
작지만 많습니다. 거의 안정적입니다.
그러나 여기에 계수의 추정치가 있습니다. 그들 중 일부는 큰 오류에 있습니다. 100%를 t-통계의 값으로 나눈 필요
~에게
뭐해! 나는 프레스콧에 대해 불만이 없습니다. 내가 프레스콧을 얼마나 존경하는지 알잖아요, 프레스콧은 머리에요, 그의 입에 손가락을 넣지 마세요...
젠장, 예전처럼 내가 여기 널 방해하고 온갖 쓰레기를 물어봤어.
예, 귀찮게하지 마십시오. 왜 귀중한 킬로 칼로리를 낭비합니까 ...
음, 너무 감동적입니다!
물론 계수는 매우 귀중한 정보입니다. 그리고 당신의 의견은 매우 흥미 롭습니다. 당신은 처음으로 질문했고, 그런 의미에서 "드디어"
음, 너무 감동적입니다!
물론 계수는 매우 귀중한 정보입니다. 그리고 당신의 의견은 매우 흥미 롭습니다. 당신은 처음으로 질문했고, 그런 의미에서 "드디어"
아무것도 안보이게 :o( 최소한 엑셀은 데이터로 줘, 내가 직접 그래프를 만들어, 내가 분석할 수 있어)
거의 안정적입니다.
그들은 모두 비뚤어져 있습니다. 어떻게 "거의 안정적"입니까?
아무것도 안보이게 :o( 최소한 엑셀은 데이터로 줘, 내가 직접 그래프를 만들어, 내가 분석할 수 있어)
그들은 모두 비뚤어져 있습니다. 어떻게 "거의 안정적"입니까?
동봉합니다. 코티르는 EURUSD입니다. 우리는 달러 인덱스의 역수 값으로 예측합니다.
각 계수에 대해 계수의 값과 이 계수의 오차
동봉합니다. 코티르는 EURUSD입니다. 우리는 달러 인덱스의 역수 값으로 예측합니다.
각 계수에 대해 계수의 값과 이 계수의 오차
나는 기뻐할 이유가 없는 프로그램의 평가를 더 자세히 살펴보았다. 내가 결과를 올바르게 이해했다면 EW는 모델이 일반적으로 가짜임을 보여줍니다.
(1) 계수 -0.48, 오류 RMSD 0.12, 예를 들어 -4.89 오류 RMSD 0.9 -2.9 오류 RMSE 1.0 등 이것은 매우 큰 실수입니다. 매우 큰 실수입니다. 그들은 평가를 무효화하기 직전에 있습니다. 대략적으로 말하면, 계수는 속도에 몇 번 맞습니다.
(2) 첫 번째 계수에 대한 t 통계가 매우 큽니다. 어떤 의미에서든 모델 - 그냥 남았습니다. 그건 그렇고, 당신은 HP 모델에 대해 어떤 "트렌드"를 취했 습니까?
(3) 예, 매개변수가 0이 아닐 확률을 평가할 필요는 없습니다. 예, 0이 아닌 것이 분명합니다.
(4) R-제곱, 정확한 추정치가 아닌 이유를 설명했는데 이 경우에는 전혀 볼 수 없습니다. 말 그대로 가격 편차의 규모가 정규화되지 않고 킬로미터의 견적에서 300만큼 멀어지고 가격이 나올 것이라고 말합니다. 예, 회피 통계 내에서 예, 그러나 당신은 그것으로부터 아무 것도 얻지 못할 것입니다, 당신은 잃을 뿐입니다
알겠습니다. 이해가 안 되는 부분이 있으면 나중에 알아보겠습니다.
나는 기뻐할 이유가 없는 프로그램의 평가를 더 자세히 살펴보았다. 내가 결과를 올바르게 이해했다면 EW는 모델이 일반적으로 가짜임을 보여줍니다.
(1) 계수 -0.48, 오류 RMSD 0.12, 예를 들어 -4.89 오류 RMSD 0.9 -2.9 오류 RMSE 1.0 등 이것은 매우 큰 실수입니다. 매우 큰 실수입니다. 그들은 평가를 무효화하기 직전에 있습니다. 대략적으로 말하면, 계수는 속도에 몇 번 맞습니다.
(2) 첫 번째 계수에 대한 t 통계가 매우 큽니다. 어떤 의미에서든 모델 - 그냥 남았습니다. 그건 그렇고, 당신은 HP 모델에 대해 어떤 "트렌드"를 취했 습니까?
(3) 예, 매개변수가 0이 아닐 확률을 평가할 필요는 없습니다. 예, 0이 아닌 것이 분명합니다.
(4) R-제곱, 정확한 추정치가 아닌 이유를 설명했는데 이 경우에는 전혀 볼 수 없습니다. 말 그대로 가격 편차의 규모가 정규화되지 않고 킬로미터의 견적에서 300만큼 멀어지고 가격이 나올 것이라고 말합니다. 예, 회피 통계 내에서, 예, 그러나 당신은 그것으로부터 아무 것도 얻지 못할 것입니다, 당신은 잃을 뿐입니다
알겠습니다. 이해가 안 되는 부분이 있으면 나중에 알아보겠습니다.
(1)....이것은 매우 큰 실수입니다.
네. 개별 확률을 위해.
(2) 첫 번째 계수에 대한 t 통계가 매우 큽니다 .
잘못된. T-통계 = 승산/RMS
첫 번째 계수는 어떤 식으로든 모델을 설명하지 않습니다.
번으로 처음으로 설명합니다. 우리는 100 / t-통계가 필요하며 % 단위의 오류가 발생합니다. 그러나 이것은 다른 계수에 대한 문제를 해결하지 못합니다.
그리고 HP 모델에 대해 어떤 "트렌드"를 취했 습니까?
추세가 없습니다. HP - 나머지 노이즈를 얻기 위해 부드럽게 합니다.
(4) 정확한 추정치가 아닌 R-제곱,
아이디어가 맞습니다. DW는 약 2이며 나머지는 정규 분포를 따릅니다. 회귀 오류 = 11핍도 있지만 종속 변수 오류 = 212핍
그러나 여기에 예측 결과가 있습니다
% = 5.7%의 평균 오류에 유의하십시오!!!!