Alıntılardaki bağımlılık istatistikleri (bilgi teorisi, korelasyon ve diğer özellik seçim yöntemleri) - sayfa 23
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım 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
... ve hangi kombinasyonda?"
Bu daha zor. Hesaplamalar açısından çok daha karmaşık ve maliyetlidir. Şunu söyleyeceğim: bir dizi bilgilendirici değişken seçmek kolaydır, onlardan gereksiz (karşılıklı bilgilendirici) olanları çıkarmak daha zordur; ancak çiftleri, üçlüleri almak .... bilgisayar yeterli olduğu sürece, kombinasyonları hedef değişkeni etkileyen değişkenler - bu, ilk olarak, devasa hesaplamalar nedeniyle üstel ilerlemede daha zordur.
GARCH(1,1) için ortaya çıkan dağılımın normal bir dağılım gibi görünmesi çok garip. Daha fazlasını söyleyeceğim, bu kesinlikle olamaz. Bu tür modellerin ayırt edici özelliği, gerçek pazar dağılımlarını taklit etmek için kalın kuyrukluluk ve uzamadır. Görünüşe göre, ortaya çıkan grafik gösterge niteliğinde değil veya oynaklık hesaplama dönemi (P=1, Q=1) yeterince uzun değil, dolayısıyla kuyruk çok zayıf.
Ama ilginç olan bir şey daha var:
Hesaplanan grafikte, GARCH(1,1) etkisinin izi açıkça görülebilir, yani ilk gecikmede, "ilişki"nin üstel karışıklığı ve diğer tüm veriler üzerindeki belirsizliği görebiliriz. Bu tam olarak olması gerektiği gibi, çünkü model sadece bir önceki çubuğun oynaklığını hatırlıyor. GARCH(3,3) için ilk üç gecikmenin, GARCH(20, 20) için ilk yirmi gecikmenin vb. açık bir seçimi olacağından eminim.
MathLab ile savaşmaya çalışacağım ve yine de ondan GARCH(20, 20) verisi alacağım. Analizleri 20 dönem için bir ilişki gösteriyorsa, mesele açıktır - formül oynaklık ilişkisini gösterir.
MathLab ile savaşmaya çalışacağım ve yine de ondan GARCH(20, 20) verisi alacağım. Analizleri 20 dönem için bir ilişki gösteriyorsa, mesele açıktır - formül oynaklık ilişkisini gösterir.
Değmez. BU formülün hesaba katıldığını zaten biliyorum ... 5 dakikalık tabloya bir göz atın. Dalgaların en yakın kütüklere ve kütük 288'e bariz bir bağımlılığı günlük döngüdür. Yine de istersen devam et. kontrol edeceğim.
"Diğer bağımlılıkları" bulmaya çalışıyoruz, çünkü karşılıklı bilgi TÜM olası bağımlılıkları emer. Onları ayırabilmelisin.
EURUSD H1.
Orijinal seriye göre (5 kuantil için aynı ayrıklaştırma):
Karşılıklı bilgi toplamı: 3.57 Bit! Test edilen tüm zaman dilimlerinin en büyük değeri.
Ve şimdi ^ 2 dönüşlerini alalım, işaretten kurtulalım, oynaklığı inceleyelim:
Öyle gibi görünmek. Ama ben toplamı = 5.35 bit.
Mantıken! Sonuçta, saf oynaklık serisindeki belirsizlik daha azdır.
Birinden diğerini çıkarırsanız ne olur?
Kahretsin. Matrislerinizde bana kırılmış ve logit gibi geldi. Arama motoruna baktım - ve neden buradalar ... sonra bunun sadece bir olasılık ve logaritması olduğunu anladım.
PS Liu-u-u-di, bu tabletlerdeki her şeyi anlıyor musunuz? Anlamadıysan sor, sor. Aptal sorular için seni yenemeyeceğiz (çünkü burada kendimi biraz aptal gibi hissediyorum) .
Bir kereliğine, neredeyse hiç şaka, kötülük ve olta yerine anlık balığa odaklanmanın olmadığı iyi bir konu çizildi - ama gerçeği aramak için çok ilginç bir süreç var ...
Ekonometride bu tür sorular nerede bulunabilir?
Doğru, pazar daha karmaşık. Ancak bu, gözlemlenen fenomeni görmezden gelmek için bir neden değildir.
Pazar araştırması yapmıyorum. Özel hedef, bir adım önde bir tahmin yapmaktır.
Testlere gelince: getirilerin değişen varyansı literatürde genel olarak kabul edilen bir gerçektir.
Bir yerde bir şey gördüğünü söyleyen bir slogan. Bu yayınları okumaktan daha fazla para kazanmıyorum.
Kesin olmak gerekirse, sadece farklı formüllere göre hesaplanan getiriler değil, modellerin artıkları da değişen varyans açısından incelenir ve bu tam da ekonometri paketlerinde standart olan şeydir.
Bazen değişen varyans testleri, tahmin edicilere ve model hatalarına uygulanır.
"Model hataları" ile modelin geri kalanını = orijinal alıntı ile model arasındaki farkı kastediyorsanız, katılıyorum. Ayrıca, değişen varyans testleri bazen değil, her zaman kullanılır. Modelin kalıntısında değişen varyans varsa, o zaman modellenir ve kümülatif modelin nihai amacı durağan bir kalıntı elde etmektir (mo ve varyans sabittir). Mo ve/veya varyans değişkenlerse, tahmin hatası bir değişken haline geldiğinden tahmin mümkün değildir.
Bir kez olsun düzgün bir konu çizilmiş..
Konunun doğruluğunu sorgulayan tüm gönderilerin dikkate alınmadığını belirtmek isterim.
EURUSD H1.
Orijinal seriye göre (5 kuantil için aynı ayrıklaştırma):
Yüzde artış modülünün ilk veri olarak burada olduğunu doğru hatırlıyor muyum?
Ama eğer öyleyse, bu esasen aynı oynaklıktır (yani, monotonik ve tek değerli işlevi), oynaklıkla ilişkili tüm etkilerin bir şekilde filtrelenmiş bir biçimde de olsa burada da ortaya çıkmasını bekleyebiliriz. Ve oynaklığın etkileri, güç olarak diğer tüm piyasa fenomenlerinden çok daha üstün göründüğünden, onların arka planında “başka bir şey” görme olasılığı oldukça sorunlu görünüyor. Tekrar ediyorum, bilinen ancak "yararsız" etkileri ilk verilerden tutarlı bir şekilde dışlamaya çalışmanın daha umut verici olduğunu düşünüyorum.
Bu arada Alexey ( Mathemat ), sizin de başlangıç veri modülleriniz var mı?