Econometria: um passo à frente na previsão - página 74

 
C-4:

Diz o testador de estratégia, que o iniciante se recusa teimosamente a reconhecer

Eu fiz e farei. Ele a implementou em EViews e tabulou os resultados.

E ao mesmo tempo, ele se pergunta por que seu modelo não funciona. Por que se preocupar com toda essa confusão com R^2 etc. quando testes simples são muito mais objetivos e nos dizem o que é o que é o que.

Antes de testar um carro em uma pista, o cálculo dos parafusos e porcas é feito. Sem esses cálculos, ninguém testará nada. Os testes são necessários, mas de um carro devidamente projetado.

Meu modelo difere de um veículo TA por ter algum conjunto de propriedades com características numéricas próprias.

Meu objetivo: desde as propriedades mensuráveis do modelo para inferir a capacidade preditiva do modelo

Convidou a todos para discutir este problema.

Eu não tenho o objetivo de vazar modelos de trabalho para o coletivo. Aqueles que desejam me aprisionar em algo ou lucrar às minhas custas são livres.

 
avtomat:
há uma regra básica nas estatísticas - deve haver pelo menos 300 pontos - esse é o limite inferior.

É apenas uma questão de opinião. Tudo depende do que estamos contando e de qual é a distribuição.
 
Avals:

é um "nobrainer". Tudo depende do que estamos contando e de qual é a distribuição.
É claro. Isto é apenas como um primeiro guia, para a focalização inicial.
 
Avals:



Assim como todos os outros valores estatísticos e critérios numéricos - estimativas precisas são necessárias. O intervalo de confiança é uma maneira de fazer isso. 116 observações não é suficiente para acreditar nos resultados da atribuição ou não atribuição de uma distribuição ao normal, qualquer que seja o critério aplicado.

Como você não o analisa? Seu artigo diz isso em 1.3.

Logo no início da análise que citei para as pessoas que procuram citações estacionárias. Se a não-estacionariedade é o axioma para você, então você não precisa verificar a normalidade da análise.

O fator de lucro em 400 negócios é o mesmo que em 40?

É claro que 400 é melhor. Você pode fazer um histórico de 400, mas eu terei uma resposta mais razoável à minha pergunta sobre a adequação do modelo. Estou tentando inferir a capacidade preditiva do modelo a partir das características numéricas de suas propriedades. Em seus termos: você tirou uma conclusão sobre a capacidade de tendências em dados históricos. Essa conclusão pode ser extrapolada sobre uma amostra? Essa é uma pergunta muito interessante. Qualquer informação dentro de uma amostra é inútil se não for retida pelo menos uma etapa fora da amostra.

 
faa1947:

É claro que 400 é melhor. Posso publicar a história a 400, mas vou obter uma resposta mais razoável à questão da adequação do modelo. Estou tentando chegar a uma conclusão sobre a capacidade de previsão do modelo a partir das características numéricas de suas propriedades. Em seus termos: você tirou uma conclusão sobre a capacidade de tendências em dados históricos. Essa conclusão pode ser extrapolada sobre uma amostra? Essa é uma pergunta muito interessante. Qualquer informação dentro de uma amostra é inútil se não for retida pelo menos uma etapa fora da amostra.

Esta é uma estimativa de robustez. Formalmente, algumas características estatísticas são mantidas, inclusive fora da amostra de teste. Mas a solução formal leva a que o sistema seja detectado tarde demais, ou não seja detectado de forma alguma. Portanto, é necessário ser mais flexível, mas este não é o tema do ramo que parece
 
Reshetov:

Continuar. O resíduo não é estacionário porque se o modelo adaptado a uma única amostra for testado em qualquer outra amostra independente, o resíduo não é mais uma constante. É possível fazer ajustes para outras amostras, mas depois desses ajustes, obtemos um modelo diferente para cada amostra individual.

Mais uma vez, repito para os especialmente dotados: a estacionaridade só pode ser revelada por coincidência de dados estatísticos sobre amostras diferentes e independentes. E não existe tal coincidência.

O truque com as manipulações econométricas é que eles encontraram um método para ajustar um modelo a uma amostra de tal forma que todos os resíduos dessa amostra são aproximadamente iguais. Mas como tal truque só ocorre para uma única amostra e em outras amostras o modelo dá resultados diferentes, o residual não é estacionário, mas apenas ajustado a uma única amostra. Os modelos economométricos não podem extrapolar o futuro porque ainda não possuem dados históricos (que só aparecerão no futuro) que possam ser ajustados ao modelo.

Isto é o mesmo que um indicador redesenhado - ajustando suas leituras a dados específicos, modificando-os retroativamente.


Eu não tenho o objetivo de alocar um resíduo que será estacionário em conjunto com os resíduos futuros. Eu não conheço o futuro e estou interessado no futuro exatamente um passo à frente no próximo bar fora da amostra.

A idéia é a seguinte: Construímos um modelo para a amostra disponível. O final da construção do modelo é o resíduo estacionário para essa amostra. Não tiro nenhuma conclusão sobre a estacionaridade de resíduos futuros e não preciso deles. Estou tentando construir um modelo de tal forma que suas características sejam suficientes para exatamente uma barra à frente. Isso é tudo, não mais. Eu previ esta barra. Quando ela chega, começo a construir o modelo novamente. O algoritmo inteiro desde o início. Se você olhar para a tabela, você pode ver que o deslocamento por uma barra muda o número de defasagens. É como um algoritmo de adaptação.

Eu não estou fazendo nada retrospectivamente. Citei propositadamente na tabela de resumo dados sobre as extraordinárias qualidades do modelo ao olhar para o futuro. E com eles os resultados quando a previsão é estritamente a próxima barra fora da amostra.

 
Avals:

Não estou sugerindo aumentar a janela para o cálculo dos coeficientes de regressão. A janela para isso não é definida por sua convergência a um número. Estou falando do número de observações e de como isso afeta a precisão das estimativas dos critérios e estimativas estatísticas que você aplica

Fez estimativas para amostras H1 de 40 a 300. A partir de 118 (esta é uma semana) o fator de lucro é quase inalterado, os coeficientes se estabilizam.

Uma coisa é clara: o modelo com propriedades ideais não funciona, e a razão disso eu não entendo

 

Desculpe, iniciador do tópico, toftop um pouco, mas como minha pergunta está relacionada a estatísticas, não está realmente fora de questão.

Não sei onde conheci um roteiro que coleta estatísticas para instrumentos, alguém pode me dizer, por favor. Estou interessado em um instrumento com a relação máxima de retorno para propagação. Grosso modo, estou interessado no instrumento com o maior número de candelabros com o máximo de sombras superior e inferior.

 
joo:

Desculpe, iniciador do tópico, toftop um pouco, mas como minha pergunta está relacionada a estatísticas, não está realmente fora de questão.

Não sei onde conheci um roteiro que coleta estatísticas para instrumentos, alguém pode me dizer, por favor. Estou interessado em um instrumento com a relação máxima de retorno para propagação. Grosso modo, estou interessado no instrumento com o maior número de candelabros com o máximo de sombras superior e inferior.

Eu não sei.
 
faa1947:

Não tenho o objetivo de isolar um resíduo que esteja estacionário em conjunto com resíduos futuros.

Você, como adepto da seita econométrica, não pode ter tal objetivo, pois o futuro expõe o ajuste e, portanto, compromete as crenças religiosas. Mas a definição matemática de estacionaridade sempre implica que a estaaridade é a independência dos valores de variação e expectativa em relação à amostra, futuro ou passado ou o que quer que seja. Qualquer coisa que dependa de uma amostra é, por definição matemática, não-estacionária.

faa1947:

Estou tentando construir um modelo para que suas características sejam suficientes para exatamente uma barra à frente. É isso, não mais. Eu prevejo esta barra. Quando chega a hora, começo a construir o modelo novamente.

Isto é um excesso de oferta, ou seja, ajustes retrospectivos. Este é exatamente o mesmo truque que os indicadores do redesenho. Um modelo sem exageros deve produzir resíduos estacionários independentemente da amostra, então podemos falar sobre a estacionaridade dos resíduos produzidos pelo modelo.