Índice Hearst - página 38
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
Anexei o texto. Infelizmente, as fórmulas e a parte teórica não se revelaram.
Mas o processo de encaixe FARIMA é descrito especificamente
O ACF nos gráficos é estranho. Não se parece em nada com um mercado.
O ACF nos gráficos é estranho. Não se parece em nada com o mercado.
Parece ótimo. Já vi muitos destes para o cotier original, não suas variações.
Para mim, a questão é diferente.
A questão é a precisão do modelo.
O modelo absolutamente preciso é o próprio quociente.
Você pode pegar um modelo muito impreciso na forma de uma linha reta. E depois uma curva, e depois algo mais a considerar ...... Onde parar. Quanto mais preciso o modelo, mais ele está ligado aos dados utilizados para construí-lo (encaixe). Daí. Precisamos de um modelo como o FARIMA? Talvez seja redundante? Alisamento, ARMA para o resíduo, e talvez (não necessariamente) ARCH para o resíduo?
Você pode identificar esta memória muito longa em qualquer aspas. Mas a ACF não é apropriada aqui.
Peters dá uma definição interessante de memória longa. Leia-o. Há muitas informações interessantes em seus livros sobre este assunto. Segundo ele, tais processos não podem ser medidos por ACF trivial. A ACF trabalha em uma escala de 5-6 desfasamentos e é isso. Se H é expresso como uma partícula móvel com propagação igual à raiz quadrada de distância, então obtemos um caso especial de distribuição normal StdDev = Sqrt(T) = T^(0,5). Agora, se a dispersão da partícula estiver ligeiramente acima ou abaixo de 0,5, é possível em um e apenas um caso: a partícula deve lembrar seu estado passado e, portanto, tal processo possuirá uma memória. Isto é, H não é uma característica da ação externa, mas depende do estado anterior do processo. E se a trajetória de fuga for preservada, significa que ela depende de valores anteriores e o período de memória pode ser calculado. E acontece frequentemente que em todas as escalas de cálculos o ângulo de inclinação não muda e, ao mesmo tempo, não é igual a 0,5. Neste caso, diz-se que o processo é um verdadeiro processo Hearst com memória infinita. Exceto que a ACF não mostrará tal coisa.
Não posso concordar com o destacado. Há duas alternativas sobre o que é o portador de informações sobre o passado: ou é a partícula que se lembra de seu estado passado, ou é o ambiente que se lembra do estado da partícula. Dado que o ambiente externo é geralmente um objeto muito mais complexo, e a partícula pode ser um ponto material, eu preferiria concordar com a segunda opção.
Não posso concordar com o destacado. Há duas alternativas sobre o que é o portador de informações sobre o passado: ou é a partícula que se lembra de seu estado passado, ou é o ambiente que se lembra do estado da partícula. Dado que o ambiente externo é geralmente um objeto muito mais complexo, e a partícula pode ser um ponto material, eu preferiria concordar com a segunda opção.
Se considerarmos o desvio do elétron em uma malha de cristal de silício, ele será expresso pela lei com H=0,5. Mas se adicionarmos ao cristal n ou p admixture obtemos um outro caráter: a chamada difusão anômala para a qual H será essencialmente diferente de 0,5. Obviamente, neste caso, H é exatamente uma característica do meio. A propósito, os átomos de impureza são distribuídos através do volume de semicondutores estatisticamente fractal, de modo que tal vagabundagem também é chamada de vagabundagem fractal.
Que efeito isso teria em nosso caso? Quero dizer, que diferença faz para nós se a memória é armazenada em um ponto material ou em algum ambiente externo?
A diferença está provavelmente na abordagem da modelagem: para construir um modelo teórico, é bom ter alguma explicação fundamental do que está acontecendo, de modo a não apontar dedos no céu. Se acreditarmos que alguns fatores são resultado de um ambiente externo, nós os procuraremos lá (com base em nossa experiência de vida), e tendo-os encontrado, poderemos oferecer um modelo de influência mais adequado. Se o fator for interno, então usaremos algumas considerações sobre a estrutura interna do sistema. Em outras palavras, as forças internas e externas são descritas por diferentes equações, e seria bom saber com qual delas estamos lidando.
Especificamente.
Temos autoregressão. Estritamente kotir. Nada externamente. Este é um fator interno?
Temos uma regressão, segundo a qual nossa cotação é modelada com base em outras citações, por exemplo EURUSD= GBPUSD+...... Mas estas são, por assim dizer, variáveis homogêneas. É um fator externo?
Agora adicionamos a hora do dia à regressão e à atividade modelo, dependendo da hora do dia. Pode haver muitas dessas variáveis "externas". E isto é completamente externo?
Não vejo um lugar para a teoria das partículas e o ambiente externo.
Está lá, mas quem vai fazer isso aqui?
Não, não existe tal teoria.
Você tem que partir de uma descrição verbal do modelo.
E estes são processos econômicos em grande número variável e inter-relações variáveis. Cotier é a realização deste processo. Não é um processo browniano no qual uma molécula se move e colide, ou seja, é um objeto independente com suas próprias propriedades.
Especificamente.
Temos autoregressão. Estritamente kotir. Nada de fora. Este é um fator interno?
Temos uma regressão, segundo a qual nossa cotação é modelada com base em outras citações, por exemplo EURUSD= GBPUSD+...... Mas estas são, por assim dizer, variáveis homogêneas. É um fator externo?
Agora adicionamos a hora do dia à regressão e à atividade modelo, dependendo da hora do dia. Pode haver muitas dessas variáveis "externas". E isto é completamente externo?
Não vejo um lugar para a teoria das partículas e o ambiente externo.
A regressão pode ser construída sobre qualquer coisa, e este método é chamado de regra de ouro. A questão é se podemos dizer antecipadamente que, de muitos modelos de regressão possíveis, este descreverá melhor o comportamento do quociente por algumas razões. Descreva estes motivos matematicamente. Escrever uma equação de diferença, calcular analiticamente os coeficientes de regressão - para que fique claro quais representam a influência de fatores externos, quais caracterizam as propriedades internas do sistema, e quais combinam fatores internos e externos.
Tente, por exemplo, construir uma equação de diferença de um dos sistemas mais simples - um circuito oscilante. Em termos de regressão, este será um modelo ARMA e seus coeficientes serão uma combinação de parâmetros do próprio circuito e do sinal de entrada:
Y(k) = 2*a*cos(w0)*Y(k+1) - Y(k+2) + X(k) - a*sin(w0)*X(k+1)
Aqui X é a influência externa desconhecida, Y é a resposta observada, a é o parâmetro de amortecimento, w0 é a freqüência natural de oscilação