전체 문제는 예측 방법이 실제로 앞으로 작동한다면 아무도 그것을 게시하지 않을 것이라는 것입니다(작동을 멈출 때까지). 그래서 우리가 보는 것은 대부분 폐기물입니다. 예를 들어, 과거 데이터에 대한 동일한 VAR 모델은 모든 정확도를 보여줄 수 있지만 다시 매개변수 선택 ... 하지만 설명할 내용이 있다는 것은 이미 알고 있습니다.
alsu : 전체 문제는 예측 방법이 실제로 앞으로 작동한다면 아무도 그것을 게시하지 않을 것이라는 것입니다(작동을 멈출 때까지). 그래서 우리가 보는 것은 대부분 폐기물입니다. 예를 들어, 과거 데이터에 대한 동일한 VAR 모델은 모든 정확도를 보여줄 수 있지만 다시 매개변수 선택 ... 하지만 설명할 내용이 있다는 것은 이미 알고 있습니다.
나는 전혀 이해하지 못했습니다. 이 모델은 거시 경제 연구를 위해 개발되었습니다. 예를 들어, 거래자가 아니라 중앙 은행에 흥미가 있습니다.
alsu : 전체 문제는 예측 방법이 실제로 앞으로 작동한다면 아무도 그것을 게시하지 않을 것이라는 것입니다(작동을 멈출 때까지). 그래서 우리가 보는 것은 대부분 폐기물입니다. 예를 들어, 과거 데이터에 대한 동일한 VAR 모델은 모든 정확도를 보여줄 수 있지만 다시 매개변수 선택 ... 하지만 설명할 내용이 있다는 것은 이미 알고 있습니다.
위에 게시된 링크가 나에게 뉴스임을 인정해야 합니다. 이제 동일한 VAR과 같은 모델을 만드는 것이 스토리의 일부일 뿐이라는 것을 이해합니다. 거의 모든 모델이 제공하는 예측은 여전히 사용할 수 있어야 합니다. 그리고 이것은 모델 자체를 만드는 것보다 덜 문제입니다. 그것이 바로 위의 링크에 대한 것입니다.
또한, 이러한 링크는 시계열 예측 에 대한 방대한 문헌이 있음을 보여줍니다. 이 문헌은 특히 2008년 이후로 꽃을 피웠습니다. 6개월 전, 구글에서 일기예보를 검색했고 한심한 링크를 얻었지만 당신에게는 모든 것이 잘못되었습니다.
alsu : 그래서 우리가 보고 있는 것은 대부분 폐기물입니다. 예를 들어, 과거 데이터에 대한 동일한 VAR 모델은 모든 정확도를 나타낼 수 있지만 다시 매개변수 선택 ... 그러나 설명할 내용이 있다는 것은 이미 알고 있습니다.
동의할 수 없습니다.
모델의 고전은 폐기물이 아니며 동일한 VAR, ARIMA, ARCH 등입니다. 이것은 모델이 아니라 모델을 구축하기 위한 도구입니다. 따라서 19의 핵심은 폐기물이라고 주장할 수 있습니다. 여기에서 지표를 대량으로 사용하면 쇠퇴로 이어지는 TA와 혼동됩니다.
인용 분석에서 모델이 선택되는 TS를 구축해 보십시오. 일부 섹션에는 AR이 있고 다른 섹션에는 ARMA가 있으며 세 번째 섹션에는 ARMA + GARCH가 있으며 수학이 전혀 없는 섹션이 있습니다. 소유하고 있는 모델의 수가 많을수록 적용할 항목이 없는 영역은 작아집니다.
그건 그렇고, Sims 방법은 개발되지 않았지만 거시 경제 데이터에 적용되었습니다. VAR은 그보다 수십 년 전부터 알려져 있었습니다.
"Vector autoregression(VAR, Vector AutoRegression)은 이 시리즈의 현재 값이 동일한 시계열의 과거 값에 의존하는 여러 시계열 의 역학 모델입니다. 이 모델은 Christopher Sims가 제안했습니다. " (씨)
"Christopher Sims(Sims, 1980)는 벡터 자기회귀(VAR)와 같은 구성을 만들었습니다." (C)
예? 내가 틀릴 수도 있습니다. 그리고 누가 그것을 개발했습니까?
그런 것. 일반적으로 그는 "...왜 일반 자기회귀를 사용하는데, 작동하지 않습니다."라는 기사를 썼습니다. 벡터를 더 잘하자! 글쎄, 우리가 포럼에 있는 것처럼.
글쎄, 사실, 그가 노벨상을 수상한 그의 작품에는 전혀 쓰여 있지 않습니다.
"Vector autoregression(VAR, Vector AutoRegression)은 여러 시계열의 역학 모델로, 이 시리즈의 현재 값이 동일한 시계열의 과거 값에 의존합니다. 이 모델은 Christopher Sims가 제안했습니다. " (씨)
"Christopher Sims(Sims, 1980)는 벡터 자기회귀(VAR)와 같은 구성을 만들었습니다." (C)
예? 내가 틀릴 수도 있습니다. 그리고 누가 그것을 개발했습니까?
글쎄, 사실, 그가 노벨상을 수상한 그의 작품에는 전혀 쓰여 있지 않습니다.
전체 문제는 예측 방법이 실제로 앞으로 작동한다면 아무도 그것을 게시하지 않을 것이라는 것입니다(작동을 멈출 때까지). 그래서 우리가 보는 것은 대부분 폐기물입니다. 예를 들어, 과거 데이터에 대한 동일한 VAR 모델은 모든 정확도를 보여줄 수 있지만 다시 매개변수 선택 ... 하지만 설명할 내용이 있다는 것은 이미 알고 있습니다.
나는 전혀 이해하지 못했습니다. 이 모델은 거시 경제 연구를 위해 개발되었습니다. 예를 들어, 거래자가 아니라 중앙 은행에 흥미가 있습니다.
전체 문제는 예측 방법이 실제로 앞으로 작동한다면 아무도 그것을 게시하지 않을 것이라는 것입니다(작동을 멈출 때까지). 그래서 우리가 보는 것은 대부분 폐기물입니다. 예를 들어, 과거 데이터에 대한 동일한 VAR 모델은 모든 정확도를 보여줄 수 있지만 다시 매개변수 선택 ... 하지만 설명할 내용이 있다는 것은 이미 알고 있습니다.
위에 게시된 링크가 나에게 뉴스임을 인정해야 합니다. 이제 동일한 VAR과 같은 모델을 만드는 것이 스토리의 일부일 뿐이라는 것을 이해합니다. 거의 모든 모델이 제공하는 예측은 여전히 사용할 수 있어야 합니다. 그리고 이것은 모델 자체를 만드는 것보다 덜 문제입니다. 그것이 바로 위의 링크에 대한 것입니다.
또한, 이러한 링크는 시계열 예측 에 대한 방대한 문헌이 있음을 보여줍니다. 이 문헌은 특히 2008년 이후로 꽃을 피웠습니다. 6개월 전, 구글에서 일기예보를 검색했고 한심한 링크를 얻었지만 당신에게는 모든 것이 잘못되었습니다.
동의할 수 없습니다.
모델의 고전은 폐기물이 아니며 동일한 VAR, ARIMA, ARCH 등입니다. 이것은 모델이 아니라 모델을 구축하기 위한 도구입니다. 따라서 19의 핵심은 폐기물이라고 주장할 수 있습니다. 여기에서 지표를 대량으로 사용하면 쇠퇴로 이어지는 TA와 혼동됩니다.
인용 분석에서 모델이 선택되는 TS를 구축해 보십시오. 일부 섹션에는 AR이 있고 다른 섹션에는 ARMA가 있으며 세 번째 섹션에는 ARMA + GARCH가 있으며 수학이 전혀 없는 섹션이 있습니다. 소유하고 있는 모델의 수가 많을수록 적용할 항목이 없는 영역은 작아집니다.
나는 전혀 이해하지 못했습니다. 이 모델은 거시 경제 연구를 위해 개발되었습니다. 예를 들어, 거래자가 아니라 중앙 은행에 흥미가 있습니다.