Se existe um processo cuja análise de uma parte não permite prever a próxima parte. - página 9
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
posso explicar para aqueles que não entendem?
Quais são as parcelas do passado? e presumo que também inclua o presente...
E no sentido do modo Cauchy se tornará o meio?
posso explicar para aqueles que não entendem?
Quais são as parcelas do passado? e entendo que o presente também está presente...
E no sentido de Cauchy, a modalidade se tornará o meio?
Bem, eu estava apenas dando um exemplo exagerado para mostrar que a falta de MO e variância e não-estacionariedade não é motivo para considerar o processo como imprevisível. A frase chave é a capacidade de identificar áreas de previsibilidade, ou seja, no tempo.
É claro, eu estava deitado no calor do momento sobre o MoD.
Onde está a estacionaridade na "SB comum"?
Onde está o "RMS ideal"?
P.S. Você precisa ser mais específico sobre o que você está falando. Se você está falando de retornos, sim.
Infelizmente, qualquer previsão só pode depender de um componente determinístico. Em linhas que não têm este componente, qualquer previsão e, portanto, ganhos, torna-se impossível.
Como a equipe encara tais considerações.
1. A previsão é possível se houver um componente determinístico.
2. O componente determinístico é diferenciável não apenas à esquerda, mas também à direita na última barra.
3. A diferenciação à direita (até a próxima barra chegar!) é proporcionada pelo tipo de função de suavização. Eu vi em algum lugar que as estrias cúbicas na junção permanecem diferenciáveis.
É possível prever também as funções indiferenciadas.
A previsão também é possível na ausência de um componente determinístico.
Não devemos associar a diferenciação com a previsibilidade. É como comparar calor e suavidade;
Isto não é uma resposta, mas uma pergunta para você a respeito de seus próprios delírios. Eu dou um exemplo para refutá-las.
Um processo não estacionário com densidade 1/pi*1/(1+(x-x0)^2), e expectativa x0 também é uma variável aleatória, que seja para completa incerteza - com distribuição desconhecida (estacionária ou não - também desconhecida). E que o tempo de correlação do processo não seja zero, ou seja, o integral do produto de ACF(tau,t)*tau é maior que 0 para qualquer t.
O que sabemos sobre o processo:
a) Sua variação é sempre infinita (calcule o integral se você não acredita).
b) É não-estacionário tanto no sentido estreito quanto quase provavelmente amplo. A primeira decorre realmente da definição de estacionariedade no sentido restrito, já que a densidade do processo não é constante, a segunda decorre das propriedades desconhecidas do processo x0.
No entanto, apesar de todas as circunstâncias agravantes, sob certas condições, a saber, naquelas seções em que o tempo de correlação (pode não ser constante - o processo não é estacionário!) excede algum valor limite, podemos fazer previsões com uma variação finita perfeitamente aceitável. É a condição de boa correlação do processo (excedendo algum limiar, que em princípio pode ser calculado) pelo menos em alguns momentos, e nossa capacidade de identificar esses momentos são condições suficientes para a possibilidade de predição. Entretanto, os fatos da não-estacionariedade e da falta de variação não são importantes em si mesmos.
O erro pode variar conforme a sua vontade, e nosso trabalho é poder calculá-lo. Se podemos fazer isso, por que não pode ser diferente para pontos diferentes no tempo? Seu erro fatal é que você não faz distinção entre a variação da previsão e a variação do processo previsto, que são coisas completamente diferentes e não rigidamente relacionadas umas com as outras. A presença e a profundidade do relacionamento entre eles depende de muitos fatores, incluindo a quantidade de conhecimento que temos sobre o processo, os métodos de previsão que temos em nosso arsenal e, por último, apenas das propriedades do próprio processo de previsão. O exemplo acima confirma isto.
É verdade que você não é o único que está fixado, porque as pessoas tendem a errar não por si mesmas, mas por conselho das autoridades.
Não se trata de autoridade.
A falácia de seu raciocínio é típica das pessoas com uma formação matemática (talvez você não tenha uma, mas a falácia dos matemáticos) que são muito confiantes nos cálculos matemáticos.
Nas estatísticas é muito fácil obter praticamente qualquer justificativa, o que é facilmente refutado por um simples raciocínio, do qual eu gosto muito.
A incerteza da variância é um determinante da previsão e a referência a dados históricos não é apropriada, quaisquer que sejam as fórmulas com as quais ela possa ser encoberta.
Um exemplo simples. Atirando em um alvo. Foi-me ensinado que a lei normal rege e podemos julgar a probabilidade de acertar 10, 9, 8, etc. e estimar a qualidade do atirador. A base é o valor da variação, que calculamos a partir de dados históricos. Mas se algum atirador é vendado, colocado em uma cadeira e girado, toda a história junto com a variação irá para o esquecimento.
Para mim, isto é um sinal de não-estacionariedade. O passado não diz nada. E é preciso algum esforço para usar o passado.
Uma previsão é uma variável aleatória, ou seja, o número que calculamos é uma realização a partir de um intervalo, e é o limite do intervalo e o nível de confiança no limite do intervalo calculado que é fundamental. Não há em nenhum lugar sem variação. e se for uma variável? Os modelos ARCH em particular tentam modelar esta variância, esclarecer a incerteza da variância e, obtendo algumas percepções sobre o comportamento (não uma constante, mas um comportamento) da variância, fazer uma afirmação mais definitiva sobre a previsão.
Se seu posto fala em poder trabalhar com VR não estacionário - então eu concordo completamente com você. Mas sempre em modelo é necessário especificar como este problema é resolvido, por que método, o que será resolvido e o que não, pois não conheço solução completa de problema de não-estacionariedade. Sempre haverá áreas com algumas características instáveis que nosso modelo não leva em conta, a TC se fundirá e nunca conseguiremos a linha de equilíbrio como uma linha reta.
Escreverei mais tarde, ok? Eu não posso...
A incerteza da variação é crucial para a previsão e nenhum dado histórico é apropriado, não importa quais fórmulas são usadas para ocultá-la.