Se existe um processo cuja análise de uma parte não permite prever a próxima parte. - página 9

 
Entretanto, apesar de todas as circunstâncias agravantes, sob certas condições, nomeadamente на тех участках, onde o tempo de correlação (pode não ser constante - o processo é não estacionário!) excede algum valor limite, podemos fazer uma previsão 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 previsão. Ao mesmo tempo, os fatos da não-estacionariedade e da falta de dispersão não importam por si só.

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?

 
avatara:

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.

 
C-4: Se você está tentando alcançar a estacionaridade - pegue uma SB comum, lá você tem uma estacionaridade perfeita com RMS ocioso.

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.

 
Silêncio.
 
C-4:

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.
Esta é uma declaração muito controversa.
 
faa1947:

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;

 
Escreverei mais tarde, ok? Eu não posso...
 
alsu:


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.

 
Svinozavr:
Escreverei mais tarde, ok? Eu não posso...
Mais tarde? - Não, escreva agora.
 
faa1947:

A incerteza da variação é crucial para a previsão e nenhum dado histórico é apropriado, não importa quais fórmulas são usadas para ocultá-la.

Nem sempre é preciso fazer uma previsão. Pegue uma série de preços reais, por exemplo EURUSD M1. Substituir o primeiro minuto de cada hora pelo 59º minuto. A série como um todo permanecerá não-estacionária, mas a previsão e seus resultados não serão nem mesmo probabilísticos, mas determinísticos. A equidade da TC será a linha reta que você está procurando em um ângulo para o céu))