Matstat 计量经济学 Matan - 页 11

新评论
 
Aleksey Nikolayev:

应课题组的要求，我将继续讲述最大可能性的原则。为简洁起见，我将使用英文术语MLE（最大似然估计）。


根据定义，似然是联合分布的密度。对于一个大小为N的样本，它是一个数字N维空间的数字函数。此外，它还取决于要确定（估计）的参数。

因此，问题出现了--这种功能从何而来？答案是 "随缘"），因为不可能涵盖所有的各种方式。


可信度是指落在置信区间 内的概率。那么什么是可信度呢？简单的说，没有联合分布的密度。

 
Алексей Тарабанов:

可信度是指落在置信区间 内的概率。什么是可信度？简单的说，没有联合分布的密度。

对你来说，密度的概念到底有什么困难？

 

像往常一样--首先是正态性，然后是静止性，然后...像往常一样...

哦，顺便说一下，不是每个人都把高斯噪声称为白色。白的就是白的，高斯的就是高斯的。

 
实际上，我还没有看到在量子出版物中提到使用SB和其他噪音来创造任何可交易的东西，除了用于测试的模拟。而这种方法被公认为是无效的。好吧，也是为了模拟一些不真实的东西，与真实的东西进行比较，表明它与眼睛相似，但绝对没有用。商人习惯于更现实地思考，并在真正的地方寻找东西。计量经济学 非常有用，它可以预测正弦波，很容易被机器学习取代。而且还没有人想出用什么来取代机器学习。在这一点上，我们可以结束对这一主题的所有哲学思考，因为它是无益的，没有任何结果😁

一般来说，学习SB和计量经济学的人的发展大致如下：Coolibin -> 计量经济学家 -> Coolibin/econometrician = 实验家Coolibin
 
Доктор:

阅读你的论著，你实际上已经证明，无论怎样的抽搐操作都不会改变行的持久性。(笑) 恭喜你。

持久性与此有什么关系？我根本就没有提到这个词...医生，我很抱歉，但你比我想象的还要笨....。这是关于最大限度地保存系列的结构，而结构是负责的，正如我们所知，结构，非熵（或熵）。

事实表明，用M1及以上的方法工作，与用没有拆迁的维纳过程工作没有区别。而且应该采用与处理蜱 虫和稀薄蜱虫时完全不同的方法。

人们报告说，通过某些调整，术士方法获得了成功....

他们有自己的聚会，而你在其中是相当多余的，因为你什么都不懂。

你根本不应该碰市场，你不喜欢它，它也不喜欢你。

我就不和你说了。

 
Aleksey Nikolayev:

3）标准版的MLE。
常常被用作MLE的定义，但这过于缩小了方法的适用性。
使用的假设是，样本中的所有随机变量
a)都是独立的，
b)具有相同的单变量分布，密度为p(x,a)，
，其中a是要估计的参数。
那么似然函数L=p(x1,a)*p(x2,a)*...*p(xn,a)，其中n是样本大小。
将样本（第一种意义上的）代入x的，得到L=L(a)，并寻找L达到最大值的amax。
请注意，我们可以最大化LL(a)=log(L(a))而不是L(a)，因为对数是一个单调的函数，而且很方便地用加法代替了乘法。

举个例子，考虑指数分布 p(x,a)=a*exp(-a*x)，log(p(x,a))=log(a)-a*x，
，导数由参数d(log(p(x,a))/da=1/a-x。
因此，我们需要解决方程1/a-x1+1/a-x2+...+1/a-xn=0-> amax=n/(x1+x2+...+xn)。

4）下次我将介绍如何获得最小化模块之和的方法，而不是MNC)

因此，我们将分布中心最大化？ 基本上是零西格玛？
或者说，最大值不会总是接近零西格玛？

关于交易、自动交易系统和策略测试的论坛

Matstat-Econometrics-Matan

Alexei Tarabanov, 2021.05.14 22:25

可信度是指落在置信区间 内的概率。那么什么是可信度呢？简单来说，如果没有联合分布密度。


那它是一样的吗？
变量来自正态分布的概率==最大似然？
 
Alexander_K2:

而且，关于计量经济学、matstat和matan（天哪，什么名字！），我支持Automat--只有在个人掌握了物理过程的情况下，这种胡言乱语才适用。否则都是胡言乱语，不值得关注。

阿门。

无意冒犯。

他们不明白这一点。更重要的是，他们根本不了解物理学。这对他们来说没有用。

让我们放过他们吧。让他们嬉戏吧。我们要看。

 
Maxim Dmitrievsky:
事实上，除了用于测试的模拟，我还没有看到在量化出版物中提到使用SB和其他噪音来创造任何可交易的东西。而这种方法被公认为是无效的。好吧，也是为了模拟一些不真实的东西，与真实的东西进行比较，表明它与眼睛相似，但绝对没有用。商人习惯于更现实地思考，并在真正的地方寻找东西。计量经济学 非常有用，它可以预测正弦波，很容易被机器学习取代。而且还没有人想出用什么来取代机器学习。在这一点上，我们可以结束对这一主题的所有哲学思考，因为它是无益的，没有任何意义😁

一般来说，SB和计量经济学研究的发展大致如下：库里宾 -> 计量经济学家 -> 库里宾/计量经济学家=实验家库里宾

没有一个量子会公布一个工作模型或方法。一般来说，他们在被录用时都会签署一份NDA。

他们发表的东西要么不再起作用，要么从未起作用，但在理论上是有趣的。

 
Roman:

那么，我们是在最大限度地提高分布的中心吗？
或者说，最大值不会总是在零西格玛 附近？

忘记正态分布）不要永远忘记它，只是暂时忘记它）它不断出现，但实际上有很多分布，包括表格和未命名的分布）。

MLE的意义在于，我们有无数个由参数 "编号 "的模型。根据实验的结果（数字意义上的抽样），我们从中选择可能性最大的那一个。概率（分布密度）是一个基本的理论家概念（直接来自科学公理），人们只能习惯于它的应用，而不试图通过其他不太基本的概念来解释。

MLE方法是如此基本，以至于它甚至已经迁移到机器学习中（连同性状和反应的联合分布的隐含概念） )

这就留下了一个问题，即用哪种参数化的模型系列来工作。这个问题通常是实际的，取决于有关的对象。

Roman:

那它是一样的吗？

来自正态分布的变量的概率==最大似然？

置信区间 来自于参数的区间估计领域，在这个领域中，人们并没有找到参数的特定值，而是找到它以一定概率落入的区间。例如，每个人都只考虑赫斯特的数值，并且非常高兴它不等于0.5。但事实上，必须证明赫斯特很有可能落入一个不包含0.5的区间。这通常是一个大问题）。

MLE是来自参数的点估计领域。这个问题略有不同，但与前一个问题一样，其解决方案依赖于联合抽样分布的概念（在第二种意义上）。因此，"我知道置信区间，但我不知道联合分布密度 "的说法包括两个相互排斥的说法)

我建议你一个一个地去研究这些方法，而不是把它们弄得不可理喻。

 
denis.eremin:

没有一个量子会公布一个工作模型或方法。一般来说，他们在被雇佣时签署了一份NDA。

他们发表的东西要么不再起作用，要么从未起作用，但在理论上是有趣的。

这并没有使第一个论题失效。并公布了相当的工作模式。
1...456789101112131415161718...38
新评论