Equação de regressão - 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
Bem, obter uma distribuição empírica dos erros quando aproximada por um polinômio. E compará-lo com o normal. Preste atenção especial aos rabos, não à parte central.
Estamos falando de selecionar os melhores (no sentido de MNC) parâmetros polinomiais?
Ou estamos falando em escolher os melhores em um sentido diferente?
Ou estamos falando sobre a exatidão do polinômio para a aproximação?
Pedi uma explicação sobre a ineficiência do MNC para calcular parâmetros de uma função pré-selecionada (afinal, a razão para a espessuras pode estar em uma função infeliz :).
E se existem procedimentos igualmente simples para determinar estes parâmetros - fico feliz em conhecê-los.
Mas estou surpreso com a formulação da pergunta: como há caudas em erros, não é bom MNC...
;)
É melhor usar LAD ou regressão de quantis. Isto é mais complicado (você terá que codificar muito mais, e você terá que conectá-lo à ciência), mas funciona...
O quê, a verdade para citações funciona? Há evidências objetivas para isso?
P.S. Imho, qualquer aproximação fingindo extrapolar assume estacionaridade. Os rabos gordos (novamente imho) representam apenas quebras de estacionariedade, ou seja, a tentativa de levá-los em conta não acrescentará nada de concreto à previsão. Assim, ampliará os intervalos de confiança, tornando a previsão inútil, e de que nos servirá?
Mas tudo isso é raciocínio especulativo, eu ficaria feliz em ver alguns dados reais para refutá-lo.
P.S. Imho, qualquer aproximação fingindo extrapolar assume estacionaridade. Os rabos gordos (novamente, imho) representam apenas descontinuidades de estacionaridade, ou seja, tentar contabilizá-los não acrescentará nada de concreto à previsão. Assim, ampliará os intervalos de confiança, tornando a previsão inútil, e de que nos servirá?
Mas tudo isso é raciocínio especulativo, eu ficaria feliz em ver os dados reais para refutá-lo.
A avaliação dos parâmetros de regressão na análise de múltiplas moedas pode não envolver extrapolação "direta", e levar estes parâmetros em conta, por exemplo, em negociações em pares menos líquidos - permite obter alguma vantagem estatística (porque não negociamos no mercado, mas com base em cotações DT).
Mas a propagação é muito grande...
Mas, no entanto - se as majors se moverem significativamente, os menores se comportarão como "escritos".
;)
FreeLance:
Mas, no entanto - se houver movimento significativo nas majors, os menores se comportarão como 'escritos'.
O quê, a verdade para citações funciona? Há evidências objetivas para isso?
P.S. Imho, qualquer aproximação fingindo extrapolar assume estacionaridade. Os rabos gordos (novamente imho) representam apenas quebras de estacionariedade, ou seja, a tentativa de levá-los em conta não acrescentará nada de concreto à previsão. Assim, ampliará os intervalos de confiança, tornando a previsão inútil, e de que nos servirá?
Mas tudo isso é raciocínio especulativo, eu adoraria ver dados reais desmentidos.
Vou tentar explicar teoricamente, pois não estou pronto para apresentar meus cálculos, pois eles são brutos.
Durante minha pesquisa tentei apresentar a série temporal de preços como uma soma de dois processos estacionários (!): a) Gaussiano com correlações significativas até 2-3 contagens (a rigor, é quase estacionário, porque as características ainda são um pouco "flutuantes") e b) fluxo Poisson de respostas a influências externas. O primeiro é o que todos sabemos que é. A segunda é exatamente o que você chamou de "descontinuidades de estacionariedade" e que produz rabos exponenciais grossos. Mas se levarmos este modelo particular em consideração, verifica-se que a não-estacionariedade do fluxo de citação que vemos na tela é aparente - na verdade, a soma dos dois processos estacionários é estacionária tanto no sentido amplo como no sentido estreito.
Ao nos aproximarmos do MNC forçamos o polinômio de regressão a "agarrar-se" não apenas à parte normal do processo, mas também aos outliers de Poisson, daí a baixa eficiência de previsão que, de modo geral, precisamos para . Por outro lado, ao tomarmos os polinômios de quantis nos livramos da segunda parte, Poisson, do processo completamente: os quantis simplesmente não respondem a ele, e absolutamente. Assim, identificando os lugares onde a regressão dá tentativas significativas, podemos assim localizar quase online "fracassos" com um alto grau de certeza (prevê-los provavelmente ainda não é possível, pois não existe um modelo apropriado, pelo menos, eu não tenho:).
Vou dar meus resultados comparativos (muito) (foram feitos pela metade manualmente): a eficiência da localização de descontinuidade de estacionalidades (freqüência de sua detecção correta na primeira barra) para MNC é de cerca de 0,55-0,6, para quantiles - 0,85 e mais (há muito trabalho a ser feito aqui). Este é o ganho.
Ao nos aproximarmos da ANM, forçamos o polinômio de regressão a "se apegar" não apenas à parte normal do processo, mas também aos outliers de Poisson, daí a baixa eficiência de previsão que, de modo geral, precisamos para . Por outro lado, ao tomarmos os polinômios de quantis nos livramos da segunda parte, Poisson, do processo completamente: os quantis simplesmente não respondem a ele, e absolutamente. Assim, identificando os lugares onde a regressão dá tentativas significativas, podemos assim localizar quase online "falhas" com um alto grau de certeza (provavelmente ainda não podemos prevê-las, pois não existe um modelo apropriado, pelo menos para mim:)
Hmmm. então é exatamente o oposto, não um alargamento do intervalo de confiança, mas um estreitamento. Muito interessante, tenho que lê-lo, obrigado.
Sobre ser estacionário e o processo de descontinuidade, é claro que se quer discutir. Mas não há argumentos, então só há uma coisa para se pensar.
Talvez você também tenha resolvido o problema do tempo? :) Refiro-me ao problema de escolher o tamanho da janela.
Em minha pesquisa tentei representar a série temporal de preços como uma soma de dois processos estacionários (!): a) um gaussiano com correlações significativas até 2-3 contagens (a rigor, é quase estacionário, pois as características "flutuam" um pouco) e b) um fluxo Poisson de respostas a influências externas. O primeiro é o que todos sabemos que é. A segunda é apenas o que você chamou de "descontinuidades de estacionaridade" e o que realmente leva à formação de espessas caudas exponenciais.
Interessante, interessante. Candidato, você se lembra do meu fio na Ilha Habitada sobre um metamodelo com um processo quase estacionário (difusores lá, também o coelho do chapéu que tiramos)? Algo muito semelhante. Afinal de contas, a noosfera existe e os pensamentos nela são comuns.
Talvez você também tenha resolvido o problema do tempo? :) Estou me referindo ao problema de selecionar um tamanho de janela.