Eu gostaria de compartilhar o link - página 5
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
Hmm.
Parece que sua linha vermelha é uma derivada do azul.
como você o calculou, pode me mostrar a fórmula? Então, isso se tornará claro de imediato.
hpf(lambda = 13) dx hp1 @hp13_d Hodrick-Prescott filter with different lambda
hpf(lambda = 200) dx hp2 @hpn_d
hp1_d = hpn_d - hp13_d ' Diferença entre dois ruídos
hp1_d_D = d(hp1_d) Incremento do ruído
Hmm
Parece que sua linha vermelha é uma derivada da azul.
E é. Eu não entendo como isso aconteceu:
E é. Eu não entendo como isso aconteceu:
Não entendo porque há tantos ramos na econometria...
sobre a série derivada, não importa o quão distorcido você fique. a não-estacionariedade vai aparecer em todos os lugares... parece apenas diferente...
Se alguma coisa, eu preferiria olhar nesta direção para ver como os dados de alta freqüência do último período podem afetar a precisão de um modelo de regressão construído sobre dados de baixa freqüência. Outra variante - tentar usar um cronograma irregular para a regressão: na aplicação a Idosos e na presença de dados de baixa freqüência faz sentido, e há suspeitas de que tal modelo será pelo menos uma ordem de magnitude mais precisa. E talvez até seja mais lucrativo).
(Sobre malhas não uniformes - pode-se fazer uma analogia distante com os métodos de integração numérica; quem sabe, sabe que a escolha das malhas gaussianas permite elevar a ordem de aproximação de n para 2*n-1 emcomparação com os métodos de interpolação com o mesmo número de nós).
Além disso - seria muito interessante trabalhar com a função de erros de regressão. Ainda não cheguei a esse ponto...
Em resumo, a idéia é tomar a soma ponderada dos quadrados ao invés da função tradicional que minimizamos - soma dos quadrados de erros, e fazer uma ponderação inversamente proporcional à raiz quadrada do tempo. Vamos colocar a equação da diferença autoregressiva para dar ao erro menor quanto mais próximo estivermos do valor previsto da série, e a lei do erro médio decrescente será consistente com o comportamento da série (lembre-se de que a dispersão de dados no fundo da história cresce como sqrt(t)).
O resultado deve ser mais suave e mais preciso do que com um simples feiticeiro. Tudo isso está até agora no nível da intuição, mas raramente me decepciona em tais questões))
Alguém pode se dar ao trabalho de verificar? Eu mesmo entendo que levarei meia hora ou uma hora para fazer tudo isso, mas sábado...
Além disso, seria muito interessante trabalhar sobre a funcionalidade de erro de regressão. Ainda não cheguei a esse ponto...
Em resumo, a idéia é que ao invés de uma função tradicional, que minimizamos - a soma dos quadrados de erros, devemos tomar uma soma ponderada de quadrados, e a ponderação deve ser inversamente proporcional à raiz quadrada da época. Vamos colocar a equação da diferença autoregressiva para dar ao erro menor quanto mais próximo estivermos do valor previsto da série, e a lei do erro médio decrescente será consistente com o comportamento da série (lembre-se de que a dispersão de dados no fundo da história cresce como sqrt(t)).
O resultado deve ser mais suave e mais preciso do que um simples feiticeiro. Tudo isso está até agora no nível da intuição, mas raramente me decepciona em tais questões)).
Alguém pode se dar ao trabalho de verificar? Eu mesmo entendo que levarei meia hora ou uma hora para fazer tudo isso, mas sábado...
Existem fórmulas?
Embora isso possa ser deduzido, é claro.
Não entendo porque há tantos ramos na econometria...
sobre a série derivada, não importa o quão distorcido você fique... haverá não-estacionariedade em todos os lugares... parece apenas diferente...
O problema é que nos exemplos acima a não-estacionariedade desapareceu e não está claro para onde ela foi.
entre exemplos desapareceu (parece ser um hodrick ou outra coisa)... mas de outra forma a série parece ser não-estacionária...
ou quer dizer (se forem os mesmos) tomar o anterior e usá-lo como chumbo. Não pode ser assim no 1vr...deve haver um erro em algum lugar...
O problema é que nos exemplos acima a instabilidade desapareceu e não está claro para onde ela foi.
Eu olhei os exemplos ssa (ssa - cloz) vermelho 50, azul 10))... a semelhança é evidente... o bicho está no hodrick... aparafuse-o...
O que o faz pensar que a não-estacionariedade desapareceu?