Ekonometri: bir adım ileriyi tahmin edin - sayfa 73
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
Evet, 40 yetmez. Kontrol ettim ve yukarıda yazdım. 70'ten sonra numunede daha fazla artış sonucu etkilemez. İşte numunenin uzunluğu ile ilgili sonuç. Dikkati hak ediyor. Model katsayıları tahmin edilir:
EURUSD = C(1)*HP1(-1) + C(2)*HP1(-2) + C(3)*HP1_D(-1) + C(4)*EQ1_HP2(-1) + C(5) *EQ1_HP2(-2) + C(6)*EQ1_HP2(-3) + C(7)*EQ1_HP2_D(-1) + C(8)*EQ1_HP2_D(-2) + C(9)*EQ1_HP2_D(-3) + C(10)*EQ1_HP2_D(-4)
Toplamda 10 tane vardır.Tüm katsayılar rastgele değişkenlerdir. Soru: Hangi örnek uzunluğunda yaklaşık olarak sabit olacaklar. Bir incirde vereceğim. tüm oranlar:
Burada örnek = 80 gözlem. Örneklemin yarısından sonra her şeyin ve özellikle katsayı tahminindeki hatanın oturduğu görülebilir. İlk katsayı için daha büyük bir katsayı vereceğim:
Bu, katsayının kendisinin bir tahminidir - değerinin sabit olmadığını görüyoruz.
Ve şimdi bu katsayının tahminindeki hata:
Bundan, örneğin 60 gözlemin üzerinde bir yerde olması gerektiği sonucuna varıyorum.
Küçük bir hata ile kararlı katsayılara ihtiyacımız var - bu, numune uzunluklarının bir ölçüsüdür!
model katsayılarının yakınsaması veya belirli bir sayıya olan hataları, gerekli gözlem sayısını belirlemez. Her zamanki LR'yi alalım ve ne kadar az veri olursa, katsayılarını o kadar "hızlı" değiştirecek ve arttıkça daha yavaş olacaktır. Ancak bu, regresyonun kendisinin bir özelliğidir ve seriyi tahmin etmedeki doğruluğu değil. Ve bu, regresyonun hesaplanması için pencerenin boyutunu belirlemez.
Sayısal sonuçlar veren bir kriter uygularsanız, sadece sayıyı değil, bu durumda ne kadar güvenilir olabileceğini de bilmeniz gerekir. Örneğin matematiksel istatistikler bunun için CI kullanır.
ve bu arada, normal dağılım için artıkların analizi ile ilgili olarak: sonuçların güvenilir olması için sadece 116 gözlem çok azdır. Onlar. Tabii ki testi uygulayabilirsiniz ve bu, dağılımı biraz olasılıkla normal olarak sınıflandırır, ancak bu tahminin güven aralığı nedir? Onlar. %25 yine çok yaklaşık bir değerdir ve m.b. örneğin, %95 güvenle 0...50 aralığı veya 22...28 olabilir. Hem gözlem sayısına hem de varyansa bağlıdır. Bana öyle geliyor ki 116 gözlemle CI çok büyük olacak
Normallik için analiz yapmıyorum. Ne için?
İlk olarak, kullanılabilecek olanı alıntıdan ayırmak gerekli değildir: gözlemlerin korelasyonu. Kalanı bağımlılık olmadan alırsanız, içinde kullanılabilecek başka bir bilgi olup olmadığını öğrenmeniz gerekir - ARCH. Varsa, simüle edin (analitik bir formül yazın) ve bu bilgiyi. İdeal artık, modelleme için herhangi bir bilgi çıkaramadığımız (bilemeyeceğimiz, bilmediğimiz) bir kalıntıdır.
Bir şekilde karar verirsin...
model katsayılarının yakınsaması veya belirli bir sayıya olan hataları, gerekli gözlem sayısını belirlemez. Her zamanki LR'yi alalım ve ne kadar az veri olursa, katsayılarını o kadar "hızlı" değiştirecek ve arttıkça daha yavaş olacaktır. Ancak bu, regresyonun kendisinin bir özelliğidir ve seriyi tahmin etmedeki doğruluğu değil. Ve bu, regresyonun hesaplanması için pencerenin boyutunu belirlemez.
Sayısal sonuçlar veren bir kriter uygularsanız, sadece sayıyı değil, bu durumda ne kadar güvenilir olabileceğini de bilmeniz gerekir. Örneğin matematiksel istatistikler bunun için CI kullanır.
Argümantasyon çok açık değil: katsayı sabit ve osh ise neden pencereyi artırın. katsayı sabiti? Resimlerde görüyoruz.
Cümleyi sonuna kadar veya paragrafı sonuna kadar okumak ve hatta yazarın yazdığı her şeyi daha da iyi okumak çok faydalı bir alışkanlıktır.
Sonunda bir tarikat mensubu, dini odağın ana sırrını ortaya çıkardı!
İlköğretim Watson! Çünkü durağan değillerdir. Durağanlık, varyans ve ortalamanın sabit olduğu ve ölçüldüğü örneğe bağlı olmadığı durumdur. Onlar. başka herhangi bir bağımsız örnekte, yaklaşık olarak aynı sabitleri almalıyız. Aksi takdirde durağanlık hipotezi reddedilir.
Durağanlık hipotezi, örneklem büyüklüğü artırılarak başka bir şekilde test edilebilir. Durağanlık durumunda hem varyans hem de ortalama sabit kalmalıdır.
Hadi ama sen! Modelin temel sorunu, piyasanın durağan olmamasında değil, modelin kendisinde, basitçe çalışmıyor, strateji testçisinin söylediği, topik başlatıcının inatla kabul etmeyi reddettiği ve Aynı zamanda kendi modelinin neden çalışmadığını merak ediyor. Tüm bu bahçeyi R ^ 2 vb. İle çitle çevirmeye değer. basit test, neyin ne olduğu konusunda çok daha objektif olduğunda.
Böyle bir durağanlık istiyorsanız - lütfen eş hacim grafiklerini kullanın. Ve ne, oynaklık bir sabit, varyans ve m.o. bu nedenle, sonlu, ancak aynı zamanda çok az mantıklı olacak, model normal çizelgelerde çalışmadı ve eş hacimli çizelgelerde çalışmayacak.
Normallik için analiz yapmıyorum. Ne için?
İlk olarak, kullanılabilecek olanı alıntıdan ayırmak gerekli değildir: gözlemlerin korelasyonu. Kalanı bağımlılık olmadan alırsanız, içinde kullanılabilecek başka bir bilgi olup olmadığını öğrenmeniz gerekir - ARCH. Varsa, simüle edin (analitik bir formül yazın) ve bu bilgiyi. İdeal artık, modelleme için herhangi bir bilgi çıkaramadığımız (bilemeyeceğimiz, bilmediğimiz) bir kalıntıdır.
neden analiz etmiyorsun? Yazınızda 1.3 yazıyor. Bir Regresyon Denkleminden Kalıntıları Tahmin Etme
Belirli numaralar alırsınız -
"Geri kalanın normal dağılma olasılığı %25,57"
ACF, vb.
Ancak bu sayıların, ne kadar güvenilir olabileceklerine dair bir gösterge olmaksızın hiçbir değeri yoktur.
400 işlem için kar faktörü 40 ile aynı şekilde hesaplanabilir mi? Diğer tüm istatistiksel değerler ve sayısal kriterler de öyle - tahminlerin doğruluğuna ihtiyaç var. Bunu yapmanın bir yolu güvenilir bir aralıktır. 116 gözlem, hangi kriter uygulanırsa uygulansın normale dağılım atama veya atamama sonuçlarına güvenmek için yeterli değildir.
Çarpıcı sağırlık.
Birkaç yıldır uzun - catir durağan değil ve bunu tahmin etmek imkansız.
Tüm konuyu bitireceğim - alıntı durağan değil, ancak modelin geri kalanının durağan olup olmadığı tahmin edilebilir. Geri kalan ilgi çekicidir, çünkü o zamandan beri (analitik) modeli durağan kalana eklemek mümkündür. Bu miktar kota eşittir, bir pip kaybolmaz. Yukarıda yüzlerce kez yazdım. Yazar olan ama okuyucu olmayan kimse ve aynı, usta Chukchi yoktur.
Devam edin. Kalanı durağan değildir, çünkü tek bir örneğe takılan model, başka herhangi bir bağımsız örnek üzerinde kontrol edilirse, kalanın sabit olması sona erecektir. Başka örneklere de uyum yapmak mümkündür, ancak bu aynı uyumlardan sonra her bir örnek için farklı modeller elde edeceğiz.
Üstün zekalılar için bir kez daha tekrarlıyorum: durağanlık ancak farklı, bağımsız örnekler üzerindeki istatistiksel verilerin tesadüfi olmasıyla ortaya çıkarılabilir. Ve böyle bir tesadüf yoktur.
Ekonometrik manipülasyonların tüm hilesi, modeli bir örneğe sığdırabileceğiniz bir yöntem bulmuş olmalarıdır, öyle ki bu örnekteki tüm artıklar yaklaşık olarak eşit olacaktır. Ancak böyle bir odak yalnızca tek bir örnek için gerçekleştiğinden ve diğer örneklerde model farklı sonuçlar verdiğinden, artık durağan değildir, ancak yalnızca tek bir örneğe uyarlanmıştır. Ekonometrik modeller geleceği tahmin edemez, çünkü modele uyması için henüz tarihsel verilere sahip değiller (yalnızca gelecekte görünecekler).
Bu, yeniden çizim göstergesiyle aynıdır - okumalarını belirli verilere göre ayarlar ve bunları geriye dönük olarak değiştirir.
Argümantasyon çok açık değil: katsayı sabit ve osh ise neden pencereyi artırın. katsayı sabiti? Resimlerde görüyoruz.
Regresyon katsayılarını hesaplamak için pencereyi artırmayı önermiyorum. Bunun için pencere, bir sayıya yakınsamalarıyla belirlenir. Gözlem sayısından ve kullandığınız ölçütlerin tahminlerinin ve istatistiksel tahminlerin doğruluğunu nasıl etkilediğinden bahsediyorum.