그러나 더 심각한 고려 사항도 있습니다. 분석 평활선의 공식(추세 제거보다 정확함)은 표본 크기에 따라 크게 달라집니다. 2000년 이후 EURUSD의 샘플을 살펴보겠습니다. 직선 형태의 추세를 선택합시다. 거의 수평선이지만 약 2500핍의 편차가 있습니다! 이것은 정확히 기계가 쓰는 것입니다 - 병원의 평균 온도. 그러나 필터를 사용하면 수십 핍의 분산을 얻을 수 있습니다. 우리는 10년의 시간 간격으로 거래하지 않기 때문에 50-100개의 관측치를 평활화할 때 직선으로 통과할 수 있습니다. 그러나 일부 추정에는 더 많은 관찰이 필요합니다. 파고들지 않기 위해 항상 필터를 적용합니다. 순전히 실용적인 고려 사항입니다.
이것은 초기 시리즈의 추세를 낮추기 위해 이해할 수 있지만 주식의 경우 한 방향으로의 추세와 다소 일정한 추세가 바람직합니다.
stationary은 무슨 뜻인가요? 어떻게 결정되나요?
글쎄, 여기 - 당신은 1 학년 프로그램을 반복해야합니다 ...... 그리고 나는 "비밀 지식"의 모든 캐리어가 학교 커리큘럼을 알고 있다고 생각했지만 충분히 긴 시리즈를 조각으로 자르고 MO를 비교할 수 없습니다 그리고 편차? 너무 어렵다?
허훌리에이터를 줘?
stationary은 무슨 뜻인가요? 어떻게 정의됩니까?
가장 간단한 정의는 mo = 상수, 분산 = 상수입니다.
그것은 많은 단위 루트 테스트에 의해 결정됩니다.
뭐가 어렵나요? "trend"라는 문자 대신 "НР"를 썼습니다.
그러나 더 심각한 고려 사항도 있습니다. 분석 평활선의 공식(추세 제거보다 정확함)은 표본 크기에 따라 크게 달라집니다. 2000년 이후 EURUSD의 샘플을 살펴보겠습니다. 직선 형태의 추세를 선택합시다. 거의 수평선이지만 약 2500핍의 편차가 있습니다! 이것은 정확히 기계가 쓰는 것입니다 - 병원의 평균 온도. 그러나 필터를 사용하면 수십 핍의 분산을 얻을 수 있습니다. 우리는 10년의 시간 간격으로 거래하지 않기 때문에 50-100개의 관측치를 평활화할 때 직선으로 통과할 수 있습니다. 그러나 일부 추정에는 더 많은 관찰이 필요합니다. 파고들지 않기 위해 항상 필터를 적용합니다. 순전히 실용적인 고려 사항입니다.
이것은 초기 시리즈의 추세를 낮추기 위해 이해할 수 있지만 주식의 경우 한 방향으로의 추세와 다소 일정한 추세가 바람직합니다.
가장 간단한 정의는 mo = 상수, 분산 = 상수입니다.
그것은 많은 단위 루트 테스트에 의해 결정됩니다.
글쎄, 여기 - 당신은 1 학년 프로그램을 반복해야합니다 ...... 그리고 나는 "비밀 지식"의 모든 캐리어가 학교 커리큘럼을 알고 있다고 생각했지만 충분히 긴 시리즈를 조각으로 자르고 MO를 비교할 수 없습니다 그리고 편차? 너무 어렵다?
허훌리에이터를 줘?
그래서 mo=constant 및variance=constant에서 어떤 모델이 되어야 하고 어떤 결정적 구성 요소가 되어야 하는지는 절대적으로 명확합니다. 저것들. 선형 추세.
그래서 mo=constant 및variance=constant에서 어떤 모델이 되어야 하고 어떤 결정적 구성 요소가 되어야 하는지는 절대적으로 명확합니다. 저것들. 선형 추세.
글쎄, 사실, 고정성은 MO이고 분산은 일정하지 않지만 물론 떠야하지만 특정 한계를 넘어서는 안됩니다 .......
글쎄, 사실, 고정성은 MO이고 분산은 일정하지 않지만 물론 떠야하지만 특정 한계를 넘어서는 안됩니다 .......
글쎄, 나는 위에서 자동으로 대답했다.
그래서 당신은 씁니다 :
"잔차의 정규성이 없는 모델은 시리즈가 고정되어 있으면 정확하고 특정 정확도로 적절할 것입니다."
계열이 정상이면 추세(mo)를 빼면 나머지가 정상이 됩니다. 저것들. 잔차 분석은 분포의 견고성 또는 정상성에 대한 평가입니다(실제로는 동일함).
PS 첫 번째 차이는 고정적이며 주식 계열 자체에는 단위 루트가 있습니다.
글쎄, 잔차가 정규 분포를 따르지 않는 당신의 관점에서 "좋은"의 예를 들어라.
상향 기울기로 추세선을 그립니다. 이제 균일, 일반, 이항, 코시, 기하학적 , 로지스틱, 포아송, 와이불, .....(계속?)
그리고 이제 추세 구성 요소가 잔액 분포 유형에 따라 달라지는지 생각하십시오.
상향 기울기로 추세선을 그립니다. 이제 균일, 정규, 이항, 코시, 기하, 로지스틱, 포아송, 와이불, .....(계속?)
그리고 이제 추세 구성 요소가 잔액 분포 유형에 따라 달라지는지 생각하십시오.
아니오, 그렇지 않습니다. 하지만 이 멋진 추세에서 벗어나 kolyan을 알게 된다면... 우리는 여기서 그를 알고 싶지 않습니다. 그것이 무엇인지에 관한 것입니다.
상향 기울기로 추세선을 그립니다. 이제 균일, 정규, 이항, 코시, 기하, 로지스틱, 포아송, 와이불, .....(계속?)
그리고 이제 추세 구성 요소가 잔액 분포 유형에 따라 달라지는지 생각하십시오.
팬케이크, 일반적으로 NR의 형태로 소음에 대한 연설도있었습니다. 그러나 Cauchy의 배포로 나는 그런 쓰레기를 거래하지 않을 것입니다. 왜냐하면. 분산 및 mo는 정의되지 않습니다. 추세 구성 요소를 식별 하고 신뢰하는 것입니다.
상향 기울기로 추세선을 그립니다. 이제 균일, 정규, 이항, 코시, 기하, 로지스틱, 포아송, 와이불, .....(계속?)