Матстат Эконометрика Матан - страница 4
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
Вопрос не совсем понял - зачем использовать белый шум?
Если тебе нужен такой ряд, то можешь сгенерировать ряд СБ в Экселе или другой программе и взять его первые разности - это будет белый шум.
Если подойдет грубая оценка - первые разницы ценового ряда тоже являются квазиБелым шумом
В том то и дело, что на практике в формулах, шумом не всегда может быть сгенерированный рандомный ряд.
А тот ряд который получился в результате некоторых расчётов из исходных данных.
То есть присутствует некая внутренняя информация в шуме, которая способствует точности расчётов общей модели.
Вот и запутался в этих трактовках шума )) И хотел удостовериться в этом, кто как понимает этот шум.
Рандомить, или использовать свой рассчитанный шум.
Алексей, такой вопрос возник.
Забурился я в эконометрические формулы, и во многих формулах присутствует переменная, которая является белым шумом.
По определению, белый шум имеет идеальные характеристики, наличие нормальности с постоянной дисперсией единица.
Очевидно, что такой белый шум в реальности наверно не встретить. От сюда вопрос:
в практике, что используют в качестве белого шума?
Этот белый шум как то должен быть причастен к входным данным? Например в качестве шума брать остатки, но тогда нарушается условие нормальности и дисперсии.
Или это реально должен быть посторонний шум, который можно просто рандомно сгенерировать, с заданными характеристиками?
Или в том и смысл, чтобы добиться от остатков характеристик белого шума? То есть нормальность есть, дисперсия постоянна, автокорреляция отсутствует.
Нужно просто посмотреть учебники по эконометрике (Магнус, Вербик и тд). Там обычно проговариваются все нужные вещи.
Суть в том, что модель всегда учитывает неполный набор факторов и нужно обоснование, почему отброшены остальные. Обычно предполагается, что все остальные факторы просто складываются в белый шум, что позволяет не заниматься их внимательным изучением. Но это именно что предположение, гипотеза, которую нужно потверждать, что обычно делается посредством изучения остатков модели. Если остатки модели не похожи на белый шум, то это плохая модель и её нужно менять на другую.
Белый шум не обязан быть гауссовским, но именно его гауссовость позволяет применять МНК для нахождения параметров модели. Если, например, шум распределён по Лапласу, то придётся минимизировать уже сумму не квадратов, а модулей. В этом не сложно разобраться, если посчитать, используя принцип максимума правдоподобия.
Таким образом, верна последняя строчка вашего сообщения.
Нужно просто посмотреть учебники по эконометрике (Магнус, Вербик и тд). Там обычно проговариваются все нужные вещи.
Суть в том, что модель всегда учитывает неполный набор факторов и нужно обоснование, почему отброшены остальные. Обычно предполагается, что все остальные факторы просто складываются в белый шум, что позволяет не заниматься их внимательным изучением. Но это именно что предположение, гипотеза, которую нужно потверждать, что обычно делается посредством изучения остатков модели. Если остатки модели не похожи на белый шум, то это плохая модель и её нужно менять на другую.
Белый шум не обязан быть гауссовским, но именно его гауссовость позволяет применять МНК для нахождения параметров модели. Если, например, шум распределён по Лапласу, то придётся минимизировать уже сумму не квадратов, а модулей. В этом не сложно разобраться, если посчитать, используя принцип максимума правдоподобия.
Таким образом, верна последняя строчка вашего сообщения.
Точно. Магнус где то валялся у меня, надо почитать. Спасибо.
За пояснение тоже спасибо, понял.
Если, например, шум распределён по Лапласу, то придётся минимизировать уже сумму не квадратов, а модулей. В этом не сложно разобраться, если посчитать, используя принцип максимума правдоподобия.
Все числовые ряды делятся на три типа - детерминированные, случайные и стохастические.
А разве "стохастические" и "случайные" не одно и то же?
А разве "стохастические" и "случайные" не одно и то же?
Нет
А разве "стохастические" и "случайные" не одно и то же?
В эконометрике все с ног на голову и шиворот на выворот. То что люди называют случайным, там называют стохастическим, а случайным там называются смесь стохастического с детерминированным.
А разве "стохастические" и "случайные" не одно и то же?
Грубо говоря задача - это прогноз или классификация.
Детерминированный процесс прогнозируем на 100%.
Стохастический непрогнозируем вообще. Ну, у всего мира не прогнозируем, только автомат и алехандро победили монетку....
Объект исследований - случайные процессы, в которых с помощью различных методов и моделей стараются выделить детерминированную составляющую и остаток, который не прогнозируется.
Грубо говоря задача - это прогноз или классификация.
Детерминированный процесс прогнозируем на 100%.
Стохастический непрогнозируем вообще. Ну, у всего мира не прогнозируем, только автомат и алехандро победили монетку....
Объект исследований - случайные процессы, в которых с помощью различных методов и моделей стараются выделить детерминированную составляющую и остаток, который не прогнозируется.
Да...
Детерминированный процесс не надо прогнозировать, т.к. он предопределён, т.е. известен заранее.
Случайный процесс он потому и случайный, что детерминированной составляющей там нет.
Да...
Детерминированный процесс не надо прогнозировать, т.к. он предопределён, т.е. известен заранее.
Случайный процесс он потому и случайный, что детерминированной составляющей там нет.
))) А если в случайном процессе нет детерминированной составляющей - как его прогнозируют?
Привести пример НЕдетерминированного ряда, который, тем не менее, прогнозируется?