그 의미를 논할 정도로 통계적 이점을 얻으려면 100건의 거래가 필요하지 않고 몇 배는 더 많은 수만 건이 필요합니다.
N 개의 거래가 있다고 가정하면 통계적 이점(2% * N)은 sqrt(N)보다 최소 2배 이상 커야 합니다. 동시에 통계적 이점의 유의성을 약 95% 확신할 수 있습니다.
이 기계의 97% 품질은 무엇입니까(HP에 대해 말하는 경우)? 공식이 있습니까?
mo 및 분산의 통계적 추정치의 유의성은 분산 자체와 트랜잭션 수의 루트에 따라 달라지며 이점(mo)에 따라 달라집니다. 저것들. 한 시스템의 비율이 다른 시스템의 비율보다 2배 높으면 동일한 추정 정확도를 위해 mo와 sko는 첫 번째 시스템에서 4배 더 많은 트랜잭션이 필요합니다. 물론 모든 것이 신뢰 구간 (폭)에서 더 능숙하게 설명됩니다. mo 및 분산의 CI 추정 폭은 분산 자체와 트랜잭션 수의 루트에 따라 다릅니다.
추신: 이것은 물론 고정 분포의 모든 것입니다. 비정상성의 경우 CI는 일반적으로 정의되지 않습니다. 최소한 시간적 정상성 또는 이에 대한 근사치가 필요합니다.
오류의 비정상성이 예측 추정에 어떻게 영향을 미칠 수 있는지 잘 모르겠습니다. 오류는 궁극적으로 Value at Risk!의 맥락에서 모델의 위험 이상에 영향을 미치지 않습니까?
나는 다음과 같은 정상성의 정의를 사용합니다: 대략 일정한 mo와 표준편차. 다음은 차트 중 하나입니다.
샘플 외 예측에서(그리고 우리는 그러한 변형만 고려함) 다른 오류 이상값을 얻지 못할 것이라는 보장은 무엇입니까? 또한 오류가 거의 일정하다는 것을 확인하고(차트에서 25핍의 스프레드가 일정합니까?), 예측 실행에 대한 신뢰 구간 의 형태로 위험에 대해 이야기하면서 포즈를 취하거나 예측을 일정하다고 생각하고 이 수치를 확고히 믿으십시오.
mo 및 분산의 통계적 추정치의 유의성은 분산 자체와 트랜잭션 수의 루트에 따라 달라지며 이점(mo)에 따라 달라집니다. 저것들. 한 시스템의 비율이 다른 시스템의 비율보다 2배 높으면 동일한 추정 정확도를 위해 mo와 sko는 첫 번째 시스템에서 4배 더 많은 트랜잭션이 필요합니다. 물론 모든 것이 신뢰 구간(폭)에서 더 능숙하게 설명됩니다. mo 및 분산의 CI 추정 폭은 분산 자체와 트랜잭션 수의 루트에 따라 다릅니다.
이제 이해하기 시작했습니다. 더 높은 s.c.o. m.d 값에 대한 요구 사항이 클수록. 그 통계적 의미를 확인하기 위해. s.c.o용 그것의 m.o.의 현재 모형. 너무 작아서 통계적으로 유의미하지 않아 이러한 모델을 사용할 수 없습니다.
이제 이해하기 시작했습니다. 더 높은 s.c.o. m.d 값에 대한 요구 사항이 클수록. 그 통계적 의미를 확인하기 위해. s.c.o용 그것의 m.o.의 현재 모형. 너무 작아서 통계적으로 유의미하지 않아 이러한 모델을 사용할 수 없습니다.
에 대한. 예측 테스트(또는 TS)의 결과로 mo 및 sko의 추정치를 얻습니다. 이는 2개의 숫자입니다. 실제로 이것은 잘못된 것입니다. 두 개의 간격이 있고 결과 값이 중간점입니다. 저것들. mo=10 포인트를 얻었다면 실제로 mo=10+-delta입니다. 이 델타는 비율에 따라 다릅니다. 값이 클수록 델타와 트랜잭션 수(루트)가 커집니다. 저것들. 델타는 속도/SQRT(N)에 정비례합니다.
만약 모. 는 10점과 동일하며 s.c.d. - 100이면 이론적으로 전체 수익성이 너무 오래 기다려야 할 수 있습니다.
예측 자체가 모델의 수학적 기대 가 아닌가요?
오류가 고정되어 있으면 모든 것이 정상입니다. 여러 번 나는 매우 복잡한 모양의 오류 그래프를 작성하고 인용했습니다.
오류의 비정상성이 예측 추정에 어떻게 영향을 미칠 수 있는지 잘 모르겠습니다. 오류는 궁극적으로 Value at Risk!의 맥락에서 모델의 위험 이상에 영향을 미치지 않습니까?
그 의미를 논할 정도로 통계적 이점을 얻으려면 100건의 거래가 필요하지 않고 몇 배는 더 많은 수만 건이 필요합니다.
N 개의 거래가 있다고 가정하면 통계적 이점(2% * N)은 sqrt(N)보다 최소 2배 이상 커야 합니다. 동시에 통계적 이점의 유의성을 약 95% 확신할 수 있습니다.
이 기계의 97% 품질은 무엇입니까(HP에 대해 말하는 경우)? 공식이 있습니까?
mo 및 분산의 통계적 추정치의 유의성은 분산 자체와 트랜잭션 수의 루트에 따라 달라지며 이점(mo)에 따라 달라집니다. 저것들. 한 시스템의 비율이 다른 시스템의 비율보다 2배 높으면 동일한 추정 정확도를 위해 mo와 sko는 첫 번째 시스템에서 4배 더 많은 트랜잭션이 필요합니다. 물론 모든 것이 신뢰 구간 (폭)에서 더 능숙하게 설명됩니다. mo 및 분산의 CI 추정 폭은 분산 자체와 트랜잭션 수의 루트에 따라 다릅니다.
추신: 이것은 물론 고정 분포의 모든 것입니다. 비정상성의 경우 CI는 일반적으로 정의되지 않습니다. 최소한 시간적 정상성 또는 이에 대한 근사치가 필요합니다.
오류의 비정상성이 예측 추정에 어떻게 영향을 미칠 수 있는지 잘 모르겠습니다. 오류는 궁극적으로 Value at Risk!의 맥락에서 모델의 위험 이상에 영향을 미치지 않습니까?
나는 다음과 같은 정상성의 정의를 사용합니다: 대략 일정한 mo와 표준편차. 다음은 차트 중 하나입니다.
샘플 외 예측에서(그리고 우리는 그러한 변형만 고려함) 다른 오류 이상값을 얻지 못할 것이라는 보장은 무엇입니까? 또한 오류가 거의 일정하다는 것을 확인하고(차트에서 25핍의 스프레드가 일정합니까?), 예측 실행에 대한 신뢰 구간 의 형태로 위험에 대해 이야기하면서 포즈를 취하거나 예측을 일정하다고 생각하고 이 수치를 확고히 믿으십시오.
오류의 비정상성이 예측 추정에 어떻게 영향을 미칠 수 있는지 잘 모르겠습니다. 오류는 궁극적으로 Value at Risk!의 맥락에서 모델의 위험 이상에 영향을 미치지 않습니까?
예측값은 미래 시리즈의 추정값이고 오차는 분산(sco)입니다. 사실, 가격 증분의 일부 미래 분포가 예측됩니다. 이 분포가 비정상적이면 mo 추정치나 분산 추정치 모두 신뢰할 수 없습니다. 저것들. 예측을 신뢰할 수 없습니다
mo 및 분산의 통계적 추정치의 유의성은 분산 자체와 트랜잭션 수의 루트에 따라 달라지며 이점(mo)에 따라 달라집니다. 저것들. 한 시스템의 비율이 다른 시스템의 비율보다 2배 높으면 동일한 추정 정확도를 위해 mo와 sko는 첫 번째 시스템에서 4배 더 많은 트랜잭션이 필요합니다. 물론 모든 것이 신뢰 구간(폭)에서 더 능숙하게 설명됩니다. mo 및 분산의 CI 추정 폭은 분산 자체와 트랜잭션 수의 루트에 따라 다릅니다.
이제 이해하기 시작했습니다. 더 높은 s.c.o. m.d 값에 대한 요구 사항이 클수록. 그 통계적 의미를 확인하기 위해. s.c.o용 그것의 m.o.의 현재 모형. 너무 작아서 통계적으로 유의미하지 않아 이러한 모델을 사용할 수 없습니다.
MO 및 분산의 통계적 추정치의 중요성
나는 이것에 완전히 동의하지만 나에게 질문은 흥미 롭습니다. 샘플 밖에서는 어떻게됩니까?
샘플 외부의 예측을 충족할 확률을 높이려면 샘플 내에서 무엇을 분석해야 합니까?
오류를 계산하고 이에 대한 고정성을 요구하는 것으로 충분합니까?
그리고 마지막 질문. 예측 범위는 무엇입니까? 한 단계 또는 여러 단계? 여러 단계가 있는 경우 그러한 가능성을 결정하는 것은 무엇입니까?
이제 이해하기 시작했습니다. 더 높은 s.c.o. m.d 값에 대한 요구 사항이 클수록. 그 통계적 의미를 확인하기 위해. s.c.o용 그것의 m.o.의 현재 모형. 너무 작아서 통계적으로 유의미하지 않아 이러한 모델을 사용할 수 없습니다.
에 대한. 예측 테스트(또는 TS)의 결과로 mo 및 sko의 추정치를 얻습니다. 이는 2개의 숫자입니다. 실제로 이것은 잘못된 것입니다. 두 개의 간격이 있고 결과 값이 중간점입니다. 저것들. mo=10 포인트를 얻었다면 실제로 mo=10+-delta입니다. 이 델타는 비율에 따라 다릅니다. 값이 클수록 델타와 트랜잭션 수(루트)가 커집니다. 저것들. 델타는 속도/SQRT(N)에 정비례합니다.
오류를 계산하고 이에 대한 고정성을 요구하는 것으로 충분합니까?