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
Não se desvie do assunto.
Isolamos o componente determinístico. E quanto ao resíduo? Verificamos novamente o componente determinístico. A causa é antiga. Vá para o barulho. Obtenha o ruído sem o componente determinístico, podemos raciocinar.
Para séries não estacionárias, este componente determinístico mudará muito com o tempo. Métodos adaptativos devem ser aplicados para prever
Para séries não estacionárias, este componente determinístico mudará muito no decorrer do tempo. Para a previsão, métodos adaptativos devem ser aplicados
Se você olhar para o tópico primeiro, verá detalhes da idéia a seguir e cálculos práticos para ele.
Idéia:
1. encaixar o modelo na amostra
2. previsão 1 passo à frente
3. Uma vez que o fato chegue, encaixe novamente em uma amostra deslocada.
4 previsão 1 passo à frente novamente.
Havia uma tabela à direita dos parâmetros do modelo (lags) e você pode ver que os parâmetros do modelo mudam quase todas as vezes.
Se você olhar para o tópico primeiro, verá detalhes da idéia a seguir e cálculos práticos para ele.
Idéia:
1. encaixar o modelo na amostra
2. previsão 1 passo à frente
3. quando o fato vier, novamente encaixando em uma amostra deslocada.
4 previsão 1 passo à frente novamente.
Havia uma tabela à direita dos parâmetros do modelo (lags) e você pode ver que os parâmetros do modelo mudam quase todas as vezes.
Então é isso mesmo - instabilidade, maldição para o chão)))))
Nada de bom pode sair disso. Toda esta adaptação à pseudo-estacionariedade é apenas xamanismo. Esta série ainda será não-estacionária, não importa como você a viole. Muito fortemente não estacionário ou fortemente não estacionário ou fraco ou fortemente não estacionário - não há métodos de previsão confiáveis. Todas as estatísticas matemáticas são desenvolvidas com base na hipótese de estacionaridade e ergodicidade.
Então é isso - não-estacionariedade, maldição para o chão)))))
Nada de bom pode vir disso. Toda esta redução à pseudo-estacionariedade é xamanismo. Esta série ainda será não-estacionária, não importa o quanto você a force. Muito fortemente não estacionário ou fortemente não estacionário ou fraco ou fortemente não estacionário - não há métodos de previsão confiáveis. Todas as estatísticas matemáticas se baseiam na hipótese de estacionaridade e ergodicidade.
Há totais para o fator de lucro superiores a 1, mas isso é pouco consolador, já que foram piores.
Não quero desistir. Talvez um mau alisamento, talvez os regressores errados? Ou uma interpretação errada da previsão? Precisamos investigar isso. Foi para isso que eu abri uma filial.
Mathemat:
O que será que a ergodicidade tem a ver com isso? Explique isso para mim, Demi: talvez eu esteja acostumado a entendê-lo de alguma outra forma.Para processos ergódicos, tanto a expectativa, variância e função de autocorrelação calculada a partir de uma realização, será a mesma para qualquer outra realização.
(Citação parcial.)
Se uma série é não-estacionária, portanto não-ergódica
E você ainda pretende manter um modelo que é altamente insustentável nos parâmetros principais?
Demi: Тогда и только тогда, когда стохастический процесс является эргодическим
Bem, em primeiro lugar, todas estas são palavras gerais que já conheço.
Em segundo lugar, olhar para o processo de cotação como um conjunto de realizações não era o ponto. A realização é uma, parada completa. Pelo menos em econometria.
Terceiro, e mais importante: como pode ser verificado, ergodicidade, se não podemos fazer outras realizações possíveis? (Se pudéssemos fazer isso, poderíamos fazer um testador ideal, que seria capaz de verificar cem por cento da robustez de qualquer TC, pois teríamos, grosso modo, tantos dados de entrada quanto necessário, ou seja, infinito).
faa1947: Eu nãoestou aderindo ao modelo, estou aderindo ao método.
OK, a questão é a mesma, mas ao método.
OK, a mesma pergunta, mas ao método.