C-4 : 비정상 데이터에서 어떻게 고정 오류를 기대할 수 있는지 명확하지 않습니까? 위에서 제시한 그래프에서 오류 값은 분명히 최종 분산의 속성을 가지고 있지 않습니다. 즉, 결과의 분산(예: sd 또는 N의 제곱근)을 기반으로 추정치를 적용하는 것이 최소한 의심스럽습니다. ).
이 주제에서 사용된 모델은 다음과 같은 내 아이디어를 사용하지 않습니다. 처음에는 kotir = 추세 + 노이즈 + 순환성을 믿습니다.
그들은 주기적으로 작업하는 방법을 몰라서 버립니다.
추세가 없으면 예측이 불가능합니다.
추세(지표 HP 4 지연)를 강조 표시하고 노이즈(2 지연)를 고려합니다. 이제 이 모델의 나머지 부분을 살펴보십시오. 그것은 순전히 소음인가, 아니면 그 안에 트렌드가 남아 있는가? 추세가 있으면 이 나머지에서 추세를 선택합니다. 더 이상 소음이 없을 때까지. 예측할 수 없습니다. 이제 소음은 무엇입니까? 이것이 귀하의 질문이있는 곳입니다. 25핍의 스윙으로 차트에 노이즈가 있습니다. 분을 예측하는 것은 불가능하지만 며칠은 가능합니다.
손익계수에 따른 강건성은 최종 추정치이지만, 분석 단계에서 어느 정도 건설적이었으면 하는 바램입니다.
TAP에는 Taylor 확장이 있습니다. 예측 범위는 이 확장의 파생 상품 수와 동일하다고 명시되어 있습니다.
비유를 하자면 파생 상품은 모델의 잔차이고 예측 범위는 잔차의 반복 횟수이며 무시하거나 모델링할 수 있습니다(예: GARCH).
예측 범위는 분석을 위한 샘플 크기에 따라 다릅니다. 일반적으로 지평선은 이 샘플보다 작습니다. 저것들. N개의 막대 창을 분석하고 이를 기반으로 예측을 작성하면 예측 범위가 <N 막대인 것이 논리적입니다. 물론 분석된 데이터의 절반 크기에 대한 예측을 수행해야 하는 것과 같은 보편적인 종속성을 찾는 것은 순진하지만 특정 시스템 내에서 이러한 종속성은 순전히 통계적으로 검색될 수 있습니다.
PS 예측 오류를 정상으로 만드는 것은 문제가 되지 않습니다. 이렇게하려면 시간 만 예측할 수 없습니다. 한 막대 앞서 있지만 가격 출구를 사용하여 어리석은 사람들은 이익을 얻고 손실을 막습니다. 물론 개별 예측의 오차는 고정적일 것입니다. 일련의 거래 결과에 따르면 일반적인 경우에는 결과가 동일하지 않습니다. 일반적으로 모델에서는 한 예측의 오차가 아니라 일련의 N 예측의 총 오차를 평가할 수 있습니다. 이론적으로 비정상성이 존재한다면 더 명확해질 것입니다.
예측 범위는 분석을 위한 샘플 크기에 따라 다릅니다. 일반적으로 지평선은 이 샘플보다 작습니다. 저것들. N개의 막대 창을 분석하고 이를 기반으로 예측을 작성하면 예측 범위가 <N 막대인 것이 논리적입니다. 물론 분석된 데이터의 절반 크기에 대한 예측을 수행해야 하는 것과 같은 보편적인 종속성을 찾는 것은 순진하지만 특정 시스템 내에서 이러한 종속성은 순전히 통계적으로 검색될 수 있습니다.
나는 완전히 동의할 수 없다.
샘플 크기는 다른 고려 사항에서 가져와야 합니다.
우리는 샘플을 취하고 모델 매개변수를 평가한 다음 샘플을 두 부분으로 나누고 이 부분에서 모델 매개변수를 평가합니다. 모델 매개변수가 변경되지 않은 경우 OK, 변경된 경우 다시 나눕니다. 결과적으로 무언가가 남아 있으면 예측이 가능하고 그렇지 않은 경우 그때까지 기다릴 것입니다.
우리는 샘플을 취하고 모델 매개변수를 평가한 다음 샘플을 두 부분으로 나누고 이 부분에서 모델 매개변수를 평가합니다. 모델 매개변수가 변경되지 않은 경우 OK, 변경된 경우 다시 나눕니다. 결과적으로 무언가가 남아 있으면 예측이 가능하고 그렇지 않은 경우 그때까지 기다릴 것입니다.
그것은 분석을 위한 표본 크기의 선택이 아니라 예측 기간에 관한 것이었습니다. 일반적으로 나는 그가 d.b가 아니라고 생각합니다. 시간이 고정되어 있지만 그 값이 무엇에 의존하는지 정말로 논의하고 싶다면 분석된 샘플의 크기가 요인 중 하나입니다.
나는 이것에 완전히 동의하지만 나에게 질문은 흥미 롭습니다. 샘플 밖에서는 어떻게됩니까?
예측에 견고성 속성이 있는 경우 예측 분포의 매개변수, 즉 mo(예측 값) 및 sko(오차)가 모두 유지됩니다.
오류가 기록에서 고정적이어야 한다는 사실은 예측의 견고성에 대한 테스트입니다.
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?
이러한 문제는 예보의 목표기능(품질평가) 도입 없이는 해결될 수 없다고 생각합니다. 예를 들어, 이익 요소. 그리고 시스템 매개변수의 변경에 따른 변경에 대한 추가 평가(각각이 있음). 극한값에 접근할 때 목적 함수의 단조 증가.
비정상 데이터에서 어떻게 고정 오류를 기대할 수 있는지 명확하지 않습니까? 위에서 제시한 그래프에서 오류 값은 분명히 최종 분산의 속성을 가지고 있지 않습니다. 즉, 결과의 분산(예: sd 또는 N의 제곱근)을 기반으로 추정치를 적용하는 것이 최소한 의심스럽습니다. ).
이 주제에서 사용된 모델은 다음과 같은 내 아이디어를 사용하지 않습니다. 처음에는 kotir = 추세 + 노이즈 + 순환성을 믿습니다.
그들은 주기적으로 작업하는 방법을 몰라서 버립니다.
추세가 없으면 예측이 불가능합니다.
추세(지표 HP 4 지연)를 강조 표시하고 노이즈(2 지연)를 고려합니다. 이제 이 모델의 나머지 부분을 살펴보십시오. 그것은 순전히 소음인가, 아니면 그 안에 트렌드가 남아 있는가? 추세가 있으면 이 나머지에서 추세를 선택합니다. 더 이상 소음이 없을 때까지. 예측할 수 없습니다. 이제 소음은 무엇입니까? 이것이 귀하의 질문이있는 곳입니다. 25핍의 스윙으로 차트에 노이즈가 있습니다. 분을 예측하는 것은 불가능하지만 며칠은 가능합니다.
예측에 견고성 속성이 있는 경우 예측 분포의 매개변수, 즉 mo(예측 값) 및 sko(오차)가 모두 저장됩니다.
오류가 기록에서 고정적이어야 한다는 사실은 예측의 견고성에 대한 테스트입니다.
손익계수에 따른 강건성은 최종 추정치이지만, 분석 단계에서 어느 정도 건설적이었으면 하는 바램입니다.
TAP에는 Taylor 확장이 있습니다. 예측 범위는 이 확장의 파생 상품 수와 동일하다고 명시되어 있습니다.
비유를 하자면 파생 상품은 모델의 잔차이고 예측 범위는 잔차의 반복 횟수입니다. GARCH와 같이 무시하거나 시뮬레이션할 수 있는 나머지를 얻으면 중지합니다.
손익계수에 따른 강건성은 최종 추정치이지만, 분석 단계에서 어느 정도 건설적이었으면 하는 바램입니다.
TAP에는 Taylor 확장이 있습니다. 예측 범위는 이 확장의 파생 상품 수와 동일하다고 명시되어 있습니다.
비유를 하자면 파생 상품은 모델의 잔차이고 예측 범위는 잔차의 반복 횟수이며 무시하거나 모델링할 수 있습니다(예: GARCH).
예측 범위는 분석을 위한 샘플 크기에 따라 다릅니다. 일반적으로 지평선은 이 샘플보다 작습니다. 저것들. N개의 막대 창을 분석하고 이를 기반으로 예측을 작성하면 예측 범위가 <N 막대인 것이 논리적입니다. 물론 분석된 데이터의 절반 크기에 대한 예측을 수행해야 하는 것과 같은 보편적인 종속성을 찾는 것은 순진하지만 특정 시스템 내에서 이러한 종속성은 순전히 통계적으로 검색될 수 있습니다.
1) 수익 요인에 의한 견고성 - 이것은 최종 평가이지만 분석 단계에서 건설적인 부분이 있었으면 합니다.
2) TAR에는 Taylor 확장이 있습니다. 예측 범위는 이 분해의 파생 상품 수와 동일하다고 명시되어 있습니다.
3) 유사점을 도출하면 파생 상품은 모델의 나머지 부분이고 예측 범위는 잔차의 반복 횟수입니다. GARCH와 같이 무시하거나 시뮬레이션할 수 있는 나머지를 얻으면 중지합니다.
1) 목적 함수를 구성하십시오 --- 그것이 무엇이며 어떻게 존재하는지 - 최적화 이론에 관한 책을 보십시오. (아마 도움이 되지는 않겠지만)
2) 완전 넌센스!!! 나는 처음으로, 그리고 여기에서 그리고 당신에게서만 그런 진술을 듣습니다. 앞으로 이러한 실수를 하지 않기 위해 정의를 두 번 이상 읽으십시오. (TAR을 무엇이라고 합니까? 정말 자동 조절 이론을 말씀하시는 건가요?)
3) 그리고 다시: 완전 넌센스!!!
.
경제학자, 먼저 기본 사항(예: 파생 상품이 무엇인지)을 이해한 다음 계속 진행합니다. 그리고 상태 공간을 이해하려면 비교할 수 없을 정도로 더 많은 사전 지식이 필요합니다.
예측 범위는 분석을 위한 샘플 크기에 따라 다릅니다. 일반적으로 지평선은 이 샘플보다 작습니다. 저것들. N개의 막대 창을 분석하고 이를 기반으로 예측을 작성하면 예측 범위가 <N 막대인 것이 논리적입니다. 물론 분석된 데이터의 절반 크기에 대한 예측을 수행해야 하는 것과 같은 보편적인 종속성을 찾는 것은 순진하지만 특정 시스템 내에서 이러한 종속성은 순전히 통계적으로 검색될 수 있습니다.
나는 완전히 동의할 수 없다.
샘플 크기는 다른 고려 사항에서 가져와야 합니다.
우리는 샘플을 취하고 모델 매개변수를 평가한 다음 샘플을 두 부분으로 나누고 이 부분에서 모델 매개변수를 평가합니다. 모델 매개변수가 변경되지 않은 경우 OK, 변경된 경우 다시 나눕니다. 결과적으로 무언가가 남아 있으면 예측이 가능하고 그렇지 않은 경우 그때까지 기다릴 것입니다.
1) 목적 함수를 구성하십시오 --- 그것이 무엇이며 어떻게 존재하는지 - 최적화 이론에 관한 책을 보십시오. (아마 도움이 되지는 않겠지만)
2) 완전 넌센스!!! 나는 처음으로, 그리고 여기에서 그리고 당신에게서만 그런 진술을 듣습니다. 앞으로 그런 실수를 하지 않으려면 정의를 두 번 이상 읽으십시오. (TAR을 무엇이라고 합니까? 정말 자동 조절 이론을 말씀하시는 건가요?)
3) 그리고 다시: 완전 넌센스!!!
나는 완전히 동의할 수 없다.
샘플 크기는 다른 고려 사항에서 가져와야 합니다.
우리는 샘플을 취하고 모델 매개변수를 평가한 다음 샘플을 두 부분으로 나누고 이 부분에서 모델 매개변수를 평가합니다. 모델 매개변수가 변경되지 않은 경우 OK, 변경된 경우 다시 나눕니다. 결과적으로 무언가가 남아 있으면 예측이 가능하고 그렇지 않은 경우 그때까지 기다릴 것입니다.
그것은 분석을 위한 표본 크기의 선택이 아니라 예측 기간에 관한 것이었습니다. 일반적으로 나는 그가 d.b가 아니라고 생각합니다. 시간이 고정되어 있지만 그 값이 무엇에 의존하는지 정말로 논의하고 싶다면 분석된 샘플의 크기가 요인 중 하나입니다.
경제학자, 먼저 기본 사항(예: 파생 상품이 무엇인지)을 이해한 다음 계속 진행합니다. 그리고 상태 공간을 이해하려면 비교할 수 없을 정도로 더 많은 사전 지식이 필요합니다.