Econometria: um passo à frente na previsão - página 42
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
Concordo plenamente com isso, mas para mim a pergunta interessante é: o que acontece fora da amostra?
Se sua previsão tem a propriedade de robustez, então os parâmetros da distribuição prevista se manterão, tanto mo (valor previsto) quanto sk (erro).
O fato de exigir que o erro seja estacionário na história é o teste para a robustez da previsão.
O que você precisa analisar dentro de uma amostra para aumentar a probabilidade de desempenho de previsão fora da amostra?
O cálculo do erro e a exigência de estacionaridade é suficiente para ele?
E uma última pergunta. Qual é o horizonte de previsão? Por um passo ou por vários passos? Se várias etapas, como é determinada essa possibilidade?
Não creio que estas questões sejam resolvidas sem a introdução de uma função de previsão de metas (pontuação de qualidade). Por exemplo, o fator de lucro. E mais uma estimativa de sua mudança dependendo das mudanças nos parâmetros do sistema (e todos os tem). Crescimento monotônico da função alvo ao se aproximar de um extremo.
Eu não entendo como você pode esperar um erro estacionário em dados não estacionários? No gráfico que você postou acima a magnitude do erro obviamente não possui as propriedades da variância finita, o que torna pelo menos questionável a aplicação a ela de estimativas baseadas na dispersão de resultados (de s.c.o. ou a raiz quadrada de N).
O modelo utilizado nesta linha não utiliza minha idéia, que é a seguinte: inicialmente consideramos que kotir = tendência + ruído + ciclicidade.
A ciclicidade não pode ser tratada, então ela é descartada
Se não há tendência, então não é possível fazer previsões.
Selecionamos a tendência (indicador HP 4 lags) e levamos em conta o ruído (2 lags). Agora veja o resíduo deste modelo. Isto é puro ruído, ou ainda há uma tendência? Se ainda houver uma tendência, extraímos a tendência deste resíduo. Desde que não haja mais barulho. Não se pode prever. Agora, que barulho? É aqui que entra sua pergunta. Na tabela, há um ruído com a faixa de 25 pips. Você não pode prever os minutos, mas pode prever os dias.
Se sua previsão tem a propriedade de robustez, então os parâmetros da distribuição prevista se manterão, tanto mo (valor previsto) quanto sk (erro).
O fato de exigir que o erro seja estacionário na história é o teste de robustez da previsão.
Robustez no fator de lucro é a estimativa final, mas seria desejável alguma construtividade na fase de análise.
A TAP tem uma decomposição Taylor. Argumenta-se que o horizonte de previsão é igual ao número de derivados nesta decomposição.
Se fizermos uma analogia: a derivada é o resíduo do modelo, então o horizonte de previsão é o número de iterações do resíduo. Paramos quando recebemos um resíduo que podemos negligenciar ou modelar, por exemplo, o GARCH.
Robustez no fator de lucro é a estimativa final, mas eu gostaria de ter um pouco de construtividade na fase de análise.
Há uma decomposição de Taylor na TAP. Argumenta-se que o horizonte de previsão é igual ao número de derivados nesta decomposição.
Se fizermos uma analogia: a derivada é o resíduo do modelo, então o horizonte de previsão é o número de iterações do resíduo que podemos negligenciar ou modelar, por exemplo, GARCH.
o horizonte de previsão depende do tamanho da amostra a ser analisada. Como regra, o horizonte é menor do que esta amostra. Ou seja, se você analisar uma janela de barras N e fizer uma previsão com base nela, seria lógico que o horizonte de previsão seja <N barras. Claro que seria ingênuo procurar uma dependência universal como uma previsão deve ser feita para metade do tamanho dos dados analisados, mas dentro de um sistema particular podemos procurar tal dependência em termos puramente estatísticos.
1) Robustez no fator de lucro é uma estimativa finita, mas eu gostaria de alguma construção na fase de análise.
2) A TAP tem uma decomposição Taylor. Argumenta-se que o horizonte de previsão é igual ao número de derivados nesta decomposição.
3) Se fizermos uma analogia: a derivada é o resíduo do modelo, o horizonte de previsão é o número de iterações do resíduo. Paramos quando recebemos um resíduo que podemos negligenciar ou modelar, por exemplo, o GARCH.
1) Faça uma função alvo --- o que é e como é - veja em um livro sobre teoria da otimização. (embora seja pouco provável que isso o ajude).
2) Besteira!!! Esta é a primeira vez que ouço tais declarações, e somente aqui e de vocês. Para evitar fazer tais bloopers de agora em diante, leia as definições pelo menos duas vezes. (O que você chama de TAR? Você está se referindo à teoria do controle automático?)
3) E mais uma vez: Mentira!!!
.
Econometrista, entenda primeiro o básico (por exemplo, o que é um derivado) antes de seguir em frente. E você precisa de incomparavelmente mais conhecimento prévio para poder lidar com o espaço dos estados.
o horizonte de previsão depende do tamanho da amostra a ser analisada. Como regra, o horizonte é menor do que esta amostra. Ou seja, se você analisar uma janela de barras N e fizer uma previsão com base nela, é lógico que o horizonte de previsão é <N barras. Claro que seria ingênuo procurar uma dependência universal como uma previsão deve ser feita para metade do tamanho dos dados analisados, mas dentro de um sistema particular podemos procurar tal dependência em termos puramente estatísticos.
Não posso concordar plenamente.
O tamanho da amostra deve ser retirado de outras considerações.
Pegaremos uma amostra e estimaremos os parâmetros do modelo, e então dividiremos a amostra em 2 partes e estimaremos os parâmetros do modelo nessas partes. Se os parâmetros do modelo não mudaram, OK, se eles mudaram, nós os dividimos novamente. Se sobrar algo como resultado, o prognóstico é possível, e se não houver, esperamos.
1) Invente uma função alvo --- o que é e como é - procure-a em um livro sobre teoria da otimização. (embora seja pouco provável que isso o ajude).
2) Besteira!!! Esta é a primeira vez que ouço tais declarações, e somente aqui e de vocês. Para evitar fazer tais bloopers de agora em diante, leia as definições pelo menos duas vezes. (O que você chama de TAR? Você está se referindo à teoria do controle automático?)
3) Novamente: Mentira!!!!
Não posso concordar plenamente.
O tamanho da amostra deve ser retirado de outras considerações.
Pegamos a amostra e estimamos os parâmetros do modelo, e então dividimos a amostra em 2 partes e estimamos os parâmetros do modelo nestas partes. Se os parâmetros do modelo não mudaram, OK, se eles mudaram, nós os dividimos novamente. Se sobrar algo como resultado, o prognóstico é possível, e se não houver, esperamos.
Não se tratava de selecionar um tamanho de amostra para a análise, mas do horizonte de previsão. Não acho que deva ser fixado a tempo, mas se você realmente quer discutir de que depende, então o tamanho da amostra é um dos fatores
Econometrista, obtenha primeiro o básico (por exemplo, o que é um derivado), e depois siga em frente. E você precisa de muito mais conhecimento prévio para poder lidar com o espaço dos estados.