Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Скос - это прямая связь с толстыми хвостами. А по тесту максимальному значению скоса соответствует наиболее вероятное значение стационарности остатка от сглаживания!!!!
Мне это кажется феноменом. Или что-то не понимаю
Угу, основы теорвера не понимаете.
Прямая связь с толстыми хвостами не у скоса, а у эксцесса.
Угу, основы теорвера не понимаете.
Прямая связь с толстыми хвостами не у скоса, а у эксцесса.
На пятерке этот вопрос обсуждался. У эксцесса нет прямой связи с хвостами. Если интересно - поищите в моих постах.
Очень интересно.
Аnonymous
Особенно, если имеется обоснование в теорвере.
Где-то выкладывал, но осталось без внимания. По поводу скоса и толстых хвостов.
Часовики обратной величины расчетного индекса доллара.
Сгаживаем фильтром и получаем остаток = разнице между фильтром и котиром
Для остатка меняем лямбду в НР и получаем значение скоса и вероятности того, что этот остаток стационарен (Не имеет толстого хвоста???)
Видим, что наибольшей величине скоса соответствует наибольшая вероятность стационарности остатка.
Очень интересно мнение.
Эти понятия неэквивалентны.
Остаток может быть стационарной величиной, и вместе с тем хвосты распределения могут быть жирными. Достаточно просто генерировать, скажем, лапласовски распределенную величину с независимыми "отсчетами" и считать ее остатком.
Эти понятия неэквивалентны.
Остаток может быть стационарной величиной, и вместе с тем хвосты распределения могут быть жирными. Достаточно просто генерировать, скажем, лапласовски распределенную величину с независимыми "отсчетами" и считать ее остатком.
Я плохо понимают математические упражнения.
Стационарность - это дисперсия = константе. Недостижимо и это проявляется в тесте в виде вероятности стационарности не равной 100%
Толстый хвост - это изменчивость дисперсии, которая ведет к росту вероятности маловероятных для нормального распределения событий.
Но вот график с.к.о.
Полная банальность. Растет сглаживающая возможность фильтра - растет ошибка
Неверно. Это постоянство м.о. величины и зависимость АКФ только от разности аргументов. И это определение стационарности - в широком смысле.
Толстый хвост - это изменчивость дисперсии, которая ведет к росту вероятности маловероятных для нормального распределения событий.
Неверно. Это постоянство м.о. величины и зависимость АКФ только от разности аргументов.