Obtenção de uma BP estacionária a partir de um preço BP - página 2
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
Será que alguém já teve que fazer barulho branco nas conversões de preços?
Sobre o doji.Borrão de nerds. Seu próprio cérebro não é suficiente para perceber que tudo no link que você citou é um disparate?
Continue lendo, e passo a citar: "Limitações. Lembre-se que o modelo ARPSS só é adequado para séries estacionárias (média, variância e autocorrelação são aproximadamente constantes ao longo do tempo); para séries não estacionárias, tomar diferenças. É recomendado ter pelo menos 50 observações no arquivo de dados brutos. Assume-se também que os parâmetros do modelo são constantes, ou seja, não mudam com o tempo. "(não quero discutir o número de 50 observações, porque é claro até para um tolo neste fórum que 50 transações não são um resultado)
Supondo que tenhamos uma série não estacionária, pegamos os resíduos - delta(x). Os próprios resíduos, como sugerido neste "trabalho" nerd, devem atender aos requisitos, e passo a citar: "contendo apenas ruído sem componentes sistemáticos".
Que se lixe. Que haja barulho. O ruído em si não pode ser previsto de forma alguma. Portanto, é inútil fazer uma aproximação. Mas ela tem a propriedade, e cito: "Os resíduos devem ser normalmente distribuídos e ter MO=0".
Portanto, em vez de ruído, tomamos seu MO=0.
Substitui-la na previsão: previsão(tempo + i + j) = preço_appr(tempo + i + j) + delta_appr(tempo + i + j) = preço_appr(tempo + i + j) + 0 = preço_appr(tempo + i + j)
Portanto, a previsão sobre ruído é a primeira aproximação: preço_appr(x). E a primeira aproximação, como eu disse no terceiro poste deste fio, é um ajuste nu. O resultado é:
Previsão botânica = encaixe
Por que tanto alvoroço? Pegue ZigZaz e basta, essa cauda que treme - espere até que ela pare de tremer. E falando sério: este novo modelo de série estacionário pode representar o modelo original não estacionário. Quando discutem ARPSS, discutem também os intervalos de confiança entre a BP original e seu modelo. Não sei dizer onde estão os botânicos e os zoólogos.
Será que alguém já teve que fazer barulho branco nas conversões de preços?
Em sua forma pura, ninguém. O ruído branco tem amplitudes iguais em todos os harmônicos, de 0 a infinito. Não se encontra na natureza em sua forma pura, pois não existem condições acústicas ideais nas quais nenhum harmônico não seja amenizável.
Para verificar o ruído branco, você pode pegar os primeiros harmônicos N e comparar suas amplitudes. Se eles são mais ou menos os mesmos, então a BP é ruidosa.
Ограничения. Следует напомнить, что модель АРПСС является подходящей только для рядов, которые являются стационарными (среднее, дисперсия и автокорреляция примерно постоянны во времени); для нестационарных рядов следует брать разности. Рекомендуется иметь, как минимум, 50 наблюдений в файле исходных данных. Также предполагается, что параметры модели постоянны, т.е. не меняются во времени.
O autor do artigo escreveu alguns disparates, porque o modelo mencionado, e os modelos progenitores, podem ser perfeitamente utilizados para séries não-estacionárias (os coeficientes serão apenas não-estacionários). Erros significativos de previsão encontram-se em outro lugar - em um descompasso significativo entre a distribuição da fonte e o modelo utilizado. Em outras palavras, a condição necessária é que as distribuições do ARPSS e as séries de preços coincidam, o que, naturalmente, não é o caso na natureza.
PS: a propósito, alguma falha, seleção de citação não funciona Hmmm, seleção de citação funciona, mas separada da seleção de texto (IE7),
Borrão de nerds. Seu próprio cérebro não é suficiente para perceber que tudo no link que você citou é um disparate?
Continue lendo, e passo a citar: "Limitações. Lembre-se que o modelo ARPSS só é adequado para séries estacionárias (média, variância e autocorrelação são aproximadamente constantes ao longo do tempo); para séries não estacionárias, tomar diferenças. É recomendável ter pelo menos 50 observações no arquivo de dados de origem. Assume-se também que os parâmetros do modelo são constantes, ou seja, não mudam com o tempo. "(não quero discutir o número de 50 observações, porque é claro até para um tolo neste fórum que 50 transações não são um resultado)
Suponha que tenhamos uma série não estacionária, pegamos os resíduos - delta(x). Os próprios resíduos, como sugerido neste "trabalho" nerd, devem atender aos requisitos, e passo a citar: "contendo apenas ruído sem componentes sistemáticos".
Que se lixe. Que haja barulho. O ruído em si não é previsível de forma alguma. Portanto, é inútil fazer uma aproximação. Mas ela tem a propriedade, e cito: "Os resíduos devem ser normalmente distribuídos e ter MO=0".
Portanto, em vez de ruído, tomamos seu MO=0.
Substitui-la na previsão: previsão(tempo + i + j) = preço_appr(tempo + i + j) + delta_appr(tempo + i + j) = preço_appr(tempo + i + j) + 0 = preço_appr(tempo + i + j)
Portanto, a previsão sobre ruído é a primeira aproximação: preço_appr(x). E a primeira aproximação, como eu disse no terceiro poste deste fio, é um ajuste nú. O resultado é:
Previsão botânica = ajuste.
Este é um teste de adequação do modelo de previsão. Os resíduos não podem ser tomados somente de primeira ordem. Isto é, delta2(tempo + i) = Aberto[tempo + i] - previsão(tempo + i). O método só diz que o modelo de previsão é adequado. No seu caso, o modelo de previsão é a previsão. Isto é
"4. Verificação de delta(x) para ruído branco. Se for barulhento, vovó chata. Se não fizer barulho, continue".
não é um vagabundo, é o oposto - o modelo de previsão é bom. Os resíduos não têm nenhum componente sistemático, são independentes. Enquanto este não for o caso, você pode construir modelos extrapolando os resíduos para o infinito. É um critério de parada que tenhamos chegado ao que estamos procurando.
É difícil descobrir por si mesmo? ;)
E para verificar o ruído branco, você pode pegar os primeiros harmônicos N e comparar suas amplitudes. Se eles são mais ou menos os mesmos, então a BP é ruidosa.
Você não prefere calcular a ACF?
Este é um teste de adequação do modelo de previsão. Os resíduos não podem ser tomados somente de primeira ordem. Isto é, delta2(tempo + i) = Aberto[tempo + i] - previsão(tempo + i).
Mais uma vez é um absurdo.
Como resultado, obtemos: delta2(x) = delta(x), porque, previsão(x) = preço_appr(x).
É muito difícil de descobrir por si mesmo?
Não seria melhor calcular a ACF?
Por que não prestamos atenção à cauda na ZZ? É uma previsão, com certeza. E você ainda tem que provar que o tem.
Mais uma vez, isto é um absurdo.
O resultado é: delta2(x) = delta(x), porque, previsão(x) = preço_appr(x).
É assim tão difícil de descobrir por si mesmo?
Pensar um pouco mais :) Só porque o MO de uma variável aleatória = 0 não significa que o próprio CB possa ser substituído por zero, como você inteligentemente faz :) :)