Matstat Ekonometri Matan - sayfa 11
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Konuyu başlatan kişinin ricası üzerine maksimum olabilirlik ilkesine devam edeceğim. Kısaca, MLE (maksimum olabilirlik tahmini) İngilizce notasyonunu kullanacağım.
Tanım olarak, olasılık, bu ortak dağılımın yoğunluğudur. N boyutlu bir örnek için bu, sayısal N boyutlu uzaydan sayısal bir fonksiyondur. Ayrıca belirlenmesi (tahmin edilmesi) gereken parametrelere de bağlıdır.
Buna göre, soru ortaya çıkıyor - bu işlev nereden geliyor? Cevap, ne zaman nasıldır.) Çünkü tüm yolları kapsamak imkansızdır.
Güvenilirlik - güven aralığına düşme olasılığı. Kim bu inandırıcılık? Basit bir şekilde, eklem dağılımının yoğunluğu olmadan.
Güvenilirlik - güven aralığına düşme olasılığı. Kim bu inandırıcılık? Basit bir şekilde, eklem dağılımının yoğunluğu olmadan.
Yoğunluk kavramında sizin için tam olarak zor olan nedir?
Her zaman olduğu gibi - önce normallik için, sonra durağanlık için ve sonra... her zamanki gibi...
Ve bu arada, tüm Gauss gürültüsü beyaz olarak adlandırılmaz. Beyaz beyazdır ve Gauss Gauss'tur.
Yazınızı okudum. Pratik olarak, kenelerle yapılan hiçbir manipülasyonun seri kalıcılığını değiştirmediğini kanıtladınız. Tebrikler.
Burada ısrar nedir? Bu kelimeden hiç bahsetmedim... Doktor, kusura bakmayın ama düşündüğümden de aptalsınız... Dizinin yapısının maksimum düzeyde korunmasıyla ilgiliydi ve bildiğiniz gibi, yapıdan negentropi (veya entropi) sorumludur.
M1 ve üzeri ile çalışmanın, sürüklenmeden Wiener prosesi ile çalışmaktan farklı olmadığı gösterilmiştir. Ve üzerinde keneler ve inceltilmiş kenelerle çalışmaktan tamamen farklı yöntemler kullanmanız gerekir.
İnsanlar, Sihirbazın yöntemiyle çalışmaktaki başarılarından, belirli değişikliklerle sorumlu tutulurlar....
Kendi partisi var ve içinde tamamen gereksizsin çünkü hiçbir şey anlamıyorsun.
Piyasaya hiç dokunmamalısın, sen sevmiyorsun, tıpkı O'nun seni sevmediği gibi.
Seninle iletişimimi kesiyorum.
3) Standart MLE çeşidi.
Genellikle MLE'nin bir tanımı olarak kullanılır, ancak bu, yöntemin uygulanabilirliğini çok fazla sınırlar.
Örneklemdeki tüm rasgele değişkenlerin
a) bağımsız ve
b) p(x,a) yoğunluğu ile aynı tek boyutlu dağılıma sahiptir,
burada a tahmin edilecek parametredir.
O zaman olabilirlik fonksiyonu L=p(x1,a)*p(x2,a)*...*p(xn,a) olur, burada n örnek boyutudur.
Örneği x'ler olarak değiştiririz (ilk anlamda), L=L(a) elde ederiz ve L'nin maksimuma ulaştığı amax'ı ararız .
L(a) yerine LL(a)=log(L(a)'yı maksimize edebileceğimize dikkat edelim, çünkü logaritma monotonik bir fonksiyondur ve uygun bir şekilde, çarpımı toplama ile değiştirir.
Örneğin, üstel dağılımını düşünün p(x,a)=a*exp(-a*x), log(p(x,a))=log(a)-a*x,
d(log(p(x,a)))/da=1/ax parametresine göre türev.
Bu nedenle, 1/a-x1+1/a-x2+...+1/a-xn=0 -> amax=n/(x1+x2+...+xn) denklemini çözmeniz gerekir.
4) Bir dahaki sefere LSM yerine modüllerin toplamını minimize etme yönteminin nasıl elde edildiğini anlatacağım)
Yani dağıtım merkezini maksimize mi ediyoruz? aslında sıfır sigma?
Yoksa maksimum her zaman sıfır sigmaya yakın olmayacak mı?
Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi hakkında forum
Matstat-Ekonometri-Matan
Alexey Tarabanov , 2021.05.14 22:25
Güvenilirlik - güven aralığına düşme olasılığı. Kim bu inandırıcılık? Basit bir şekilde, eklem dağılımının yoğunluğu olmadan.
Değişkenin normal dağılımdan gelme olasılığı == maksimum olabilirlik ?
Ve ekonometri , matstat ve matan hakkında (Tanrım, ne isimler!) Otomat'ı destekliyorum - bu oyun yalnızca birey sürecin fiziğini kesmişse uygulanabilir. Aksi takdirde - tüm bunlar saçmalıktır ve dikkat edilmemelidir.
Amin.
Suç yok.
Anlamıyorlar. Ayrıca, genellikle fiziği değerlendirme dışı bırakırlar. At yemeği için değil.
Onlara karışmayalım. Bırak eğlensinler. Hadi izleyelim.
Aslında, test simülasyonları dışında, quant'ların yayınlarında ticaret yapmak için SB ve diğer gürültünün kullanımından tek bir söz görmedim. Ve sonra bu yöntem etkisiz olarak kabul edilir. Eh, ayrıca gerçek olmayan bir şeyi modellemek için, gerçek olanla karşılaştırmak ve bir göze benzediğini göstermek için, ama kesinlikle işe yaramaz. Kuantlar daha gerçekçi düşünmeye alışkındır ve gerçekte olduğu yerde bir şey ararlar. Ekonometri , sinüzoidi tahmin edebilmesi ve makine öğrenimi ile kolayca değiştirilebilmesi açısından çok faydalıdır. Ve henüz hiç kimse makine öğreniminin yerini alacak bir şey bulamadı. Bu, bu konuda her türlü felsefe yapmanın verimsiz ve hiçbir şeye yol açmamasına son verebilir 😁
Hiçbir kuantum çalışan bir model veya yaklaşım yayınlamayacaktır. Genel olarak, bir işe başvururken bir NDA imzalarlar.
Yayınladıkları ya artık çalışmıyor ya da hiç çalışmadı, ancak teori açısından ilginç.
Yani dağıtım merkezini maksimize mi ediyoruz? aslında sıfır sigma?
Yoksa maksimum her zaman sıfır sigmaya yakın olmayacak mı?
Normal dağılımı unutun) Tamamen unutmayın, ama sadece bir süre için) Sürekli ortaya çıkıyor, ancak genel olarak birçok farklı dağılım var - hem tablolu hem de isimsiz)
MLE'nin özü, bir parametre tarafından "numaralandırılmış" sonsuz sayıda modele sahip olmamızdır. Deneyin sonuçlarına göre (sayısal anlamda bir örnek), bunların olasılığını maksimize edeni seçiyoruz. Olabilirlik (dağıtım yoğunluğu) - teorinin temel kavramı (doğrudan bilimin aksiyomlarından gelir) ve daha az temel kavramlarla açıklamaya çalışmadan yalnızca uygulamasına alışılabilir.
MLE yöntemi o kadar basit ki, makine öğrenimine bile geçti (özellikler ve yanıtların ortak dağılımının örtük temsiliyle birlikte)
Soru, hangi parametrik model ailesiyle çalışılacağıdır. Bu soru genellikle pratik düzlemde yer alır ve incelenen nesneye bağlıdır.
Ve aynı mı?
Değişkenin normal dağılımdan gelme olasılığı == maksimum olabilirlik ?Güven aralığı , parametrenin belirli bir değerinin olmadığı, ancak belirli bir olasılıkla düştüğü aralık olan parametrenin aralık tahmini alanındandır. Örneğin, herkes Hurst'ün sadece sayısal değerini dikkate alır ve 0,5'e eşit olmadığı için çok mutludur. Ancak pratikte, Hurst'ün yüksek olasılıkla 0,5 sayısını içermeyen bir aralığa düştüğünü göstermek gerekir. Ama bununla - genellikle büyük bir problem)
MLE, nokta parametre tahmini alanındandır. Görev biraz farklıdır, ancak öncekine gelince, çözümü örneğin ortak dağılımı kavramına dayanmaktadır (ikinci anlamda). Bu nedenle, "Güven aralıklarını biliyorum, ancak ortak dağılımın yoğunluğunu bilmiyorum" ifadesi birbirini dışlayan iki ifadeden oluşur)
Yöntemlerle sırayla ilgilenmenizi ve anlaşılmaz bir karışıklık düzenlememenizi tavsiye ederim.
Hiçbir kuantum çalışan bir model veya yaklaşım yayınlamayacaktır. Genel olarak, bir işe başvururken bir NDA imzalarlar.
Yayınladıkları ya artık çalışmıyor ya da hiç çalışmadı, ancak teori açısından ilginç.