Matstat Econometria Matan - página 3
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
A propósito, seria interessante ver imagens semelhantes à que deu em
, para o caso particular em que a taxa de câmbio mudou quase por saltos e limites.
Basicamente, o que é de esperar.
Mas pelo menos agora compreendo o que é o quê.
Alexei, surgiu uma questão deste tipo.
Cavei em fórmulas econométricas, e em muitas fórmulas há uma variável que é o ruído branco.
Por definição, o ruído branco tem características perfeitas, a presença de normalidade com uma variação constante de uma.
Obviamente, este ruído branco não se encontra provavelmente na realidade. Então a questão é:
na prática, o que é usado como ruído branco?
Este ruído branco tem alguma coisa a ver com os dados introduzidos? Por exemplo, tomar os resíduos como ruído, mas depois as condições de normalidade e dispersão seriam violadas.
Ou deve ser realmente ruído estranho que pode simplesmente ser gerado aleatoriamente com características especificadas?
Ou será esse o objectivo, obter características de ruído branco a partir dos resíduos? Ou seja, a normalidade existe, a variância é constante, não há autocorrelação.
O que é que a normalidade e a dispersão têm a ver com isso? O ruído branco é caracterizado por uma função delta de autocorrelação Dirac. Isso fá-lo sentir-se melhor? Estava a brincar... embora seja verdade (sobre a função delta de Dirac).
Um gerador de números aleatórios uniformemente distribuídos - isso é ruído branco para si - é tudo. Gama - o que quiser, faça-o: A*2.0*(MathRand()/32767-0.5).
Em geral, existe o Google e pode encontrar muitas coisas interessantes com ele: https://ru.wikipedia.org/wiki/Белый_шум
O que é que a normalidade e a dispersão têm a ver com isso? O ruído branco é caracterizado por uma função delta de autocorrelação Dirac. Isso fá-lo sentir-se melhor?
Estava a brincar... embora seja verdade (sobre a função delta de Dirac).
Um gerador de números aleatórios uniformemente distribuídos - isso é ruído branco para si - é tudo. Gama - o que quiser, faça-o: A*2.0*(MathRand()/32767-0.5).
Na verdade, pode pesquisar no Google e encontrar um monte de coisas interessantes: https://ru.wikipedia.org/wiki/Белый_шум
Não convincente.
Tenho informações diferentes sobre o assunto.
Se os elementos da série wt são independentemente distribuídos igualmente (i.i.d.) valores com média igual a 0 e variação igual a σ2,
e sem autocorrelação Cor(wi,wj)≠0, ∀i≠j, então a série wt é ruído branco.
Como presumo, o oscilador é necessário para simulações de teste, por assim dizer, para verificação.
Talvez tenha entendido mal a expressão igualmente distribuída (i.i.d)?Na prática, o gerador não deve ser utilizado.
E isso não significa quesão normalmente distribuídos ?
Não convincente.
Tenho informações diferentes sobre isto.
Se os elementos da série wt são independentemente distribuídos igualmente (i.i.d.) valores com média igual a 0 e variação igual a σ2,
e sem autocorrelação Cor(wi,wj)≠0, ∀i≠j, então a série wt é ruído branco.
Como presumo, o oscilador é necessário para simulações de teste, por assim dizer, para verificação.
Talvez tenha entendido mal a expressão igualmente distribuída (i.i.d)?Na prática, contudo, o oscilador não deve ser utilizado.
E isso não significa quesão normalmente distribuídos ?
O ruído branco é MO constante, variância constante e função de autocovariância zero (as observações não estão correlacionadas umas com as outras). Um processo fracamente estacionário.
Se as observações tiverem uma distribuição normal, o processo torna-se estritamente estacionário e os coeficientes de autocorrelação também terão uma distribuição normal.
Ruído branco - MO constante, variância constante e função de autocovariância zero (as observações não estão correlacionadas umas com as outras). Um processo fracamente estacionário.
Se as observações tiverem uma distribuição normal, o processo torna-se estritamente estacionário e os coeficientes de autocorrelação também terão uma distribuição normal.
Aí está. Obrigado.
Um processo fracamente estacionário.
Processo rigorosamente estacionário.
Há uma diferença. Dependendo de as observações terem ou não uma distribuição normal.
Mas a questão era um pouco diferente.
O que é usado como ruído na prática? Residuais?
Aí. Obrigado.
Processo ligeiramente estacionário.
Processo rigorosamente estacionário.
Há uma diferença. Dependendo de as observações terem ou não uma distribuição normal.
Mas a questão era um pouco diferente.
O que é usado como ruído na prática? Residuais?
Não compreendo bem a pergunta - porquê usar o ruído branco?
Se quiser uma série deste tipo, pode gerar uma série SB em Excel ou outro programa e pegar nas suas primeiras diferenças - que seriam o ruído branco.
Se uma estimativa aproximada for apropriada - as primeiras diferenças das séries de preços são também quase Ruído Branco
Qual é a expectativa do ruído branco? É constante e o mesmo em todos os valores da gama. Se o calcular pela fórmula, será 0 - não há argumentos aqui, a matemática é uma ciência silenciosa - não vai jurar de volta.
O ruído branco é estacionário. Embora seja bastante tolo dizer que é estacionário, é um ruído branco - isso diz tudo.
A palavra "igual" está mais próxima no significado de"uniforme" do que de "normal". E de qualquer forma, como pode um único elemento ser de alguma forma distribuído? Uma definição absurda. Ou quais são os elementos? Pedaços de uma fila? Porque diabos estamos sequer a falar de pedaços (elementos)?
Não compreendo bem a pergunta - porquê usar o ruído branco?
Se precisar de tal série, pode gerar uma série SB em Excel ou outro programa e tirar as suas primeiras diferenças - que seriam o ruído branco.
Se uma estimativa aproximada se encaixa - as primeiras diferenças de uma série de preços são também quase Ruído Branco.
Se houver um componente de ruído branco na fórmula, este deve ser isolado. mesmo que o sinal útil já esteja visível))
Todas as séries numéricas estão divididas em três tipos - determinísticas, aleatórias e estocásticas.
TheorWer lida com séries aleatórias - a tarefa é decompor uma série aleatória numa componente determinista e estocástica. Grosseiramente falando, modelo + ruído branco.