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
Her ekonometri dersinde (gerçekten bir ekonometrist misiniz? :)) size model parametrelerinin tahminlerinin varyansının ve tahminlerin gerçek değerlere yakınsama oranının ne olduğunu söylerler: örneklem büyüklüğü ne kadar küçükse ve varsa seride herhangi bir yapısal değişiklik olmadığında, model parametrelerinin tahminlerinin varyansı o kadar büyük olur. Örnek boyutu arttıkça, varyans (çoğunlukla :)) azalır, çünkü eps*sqrt(n), eps>0, n gözlem sayısıdır.
Parametre tahmin hataları, herhangi bir modelin hatasına katkıda bulunur. Bu nedenle, parametre tahmininin doğruluğu ne kadar düşükse, model hatası o kadar büyük olur.
Öte yandan, küçük bir pencere, parametre değişikliklerine uyum sağlamanıza olanak tanır. Pratikte, bu problem pencere boyutunu küçülterek değil, model parametreleri için değişim problemini çözerek çok daha iyi çözülür.
Her ekonometri kursunda (gerçekten bir ekonometrist misiniz? :)
Ben ekonometrist değilim - ekonometri diplomam var. Dedikleri gibi, farkı hissedin.
işimde belirli bir paketle sınırlıyım ve bunun ötesine geçemiyorum. paket, aşağıdaki kriterlere göre en uygun model seçeneğine sahiptir:
Modele eşlik eden kitaptan, farklı ilk rastgele süreçler için farklı kriterlerin en iyi sonucu verdiğini, ancak ortalama olarak log-olasılığının en iyi sonucu verdiğini okudum.
Test cihazı, numunem için pencerenin 20 ila 40 bar arasında olduğunu buldu - yaklaşık olarak aynı sonuç, ancak bu boyutların dışında keskin bir şekilde bozuluyor. Ama bu benim özel örneğimde. Başka nedenlerim olsun istiyorum - testçiye güvenmiyorum, belirli bir sonuç veriyor ve bu sonucu genellemek için gerekçe vermiyor.
Oradan w fonksiyonunun formuyla ilgilendim. Çok az insan dengeyle ilgileniyor, araçları (eşitlik) analiz ediyor.