Matstat 计量经济学 Matan - 页 20

新评论
 
Aleksey Nikolayev:

优化的标准方法是将目标乘以减数，最大化变成最小化（反之亦然）。

我已经试图向你解释，如果误差是高斯分布，那么ISC==MLE。如果误差按拉普拉斯分布，那么MNC==MLE==MLE最小模数法。你可以自己计算出当MLE==MLE 时，Huber的 误差分布类型。

在实验中，误差分布的类型要么是通过一些额外的考虑知道的，要么是通过实验选择的（通常是以一个合适的损失函数的形式）。

显然我第一次没有明白，现在我明白了））
，谢谢你。

 
Aleksey Nikolayev:

对你的知识印象深刻。你在外汇中赚钱了吗？你有一个个人网站吗？你会把钱拿去管理吗？

 
pribludilsa:

对你的知识印象深刻。你在外汇中赚钱了吗？你有一个个人网站吗？你拿钱做管理吗？

谢谢，但知识很一般--只有基础知识，但或多或少有些扎实。

我不知道如何赚钱。有时甚至是外汇)

我没有干扰器和信号，因为我独自工作（我喜欢这样）。我确信，仅凭我自己的力量，实际上是不可能创建一个在资本方面具有良好规模的系统。

 
持续或反持续的增量也可以是随机的，所以赫斯特也没有说什么可预测性。是否与SB不同并无区别。SB只是随机性的一个特例，"正常 "的随机性。一般来说，分布的形状说明不了可预测性，我不知道该在那里寻找什么。
 
Roman:

要继续这个话题。
这里有很多人提到数据变薄。
有一种方法叫做PCA（主成分分析），它是降低数据 维度同时损失最少 信息的主要方法之一。
有人研究过这种方法吗？对其适用性有什么结论吗？
我知道，通过这种方法，资产选择会变薄。但我不知道如何在不损失维度的情况下对数据集进行减薄。

在我看来，瘦身的主要问题是降维。就是说，样本变成了不同的大小。
在一个简单的案例中，有来自同一所大学的讲师的建议，不要从一个集合中扔掉一个元素，而用例如邻近元素的平均值来代替它。
至少在简单的方法中，异常值就是这样被移除的。但要注意的是，还有其他的方法，这一点没有解释。
因此，PCA作为一种瘦身的想法，可以很好地研究。

P.S. 聪明的网站链接，甚至可以找到类似主题的文章
哦，怎么会）)

一个无用的练习，在新的数据上，如果不是正弦波，组件会 "跳跃"。

也就是说，PSA是一种在子样本上进行拟合的方法，而且是一种线性拟合。

这不是一个寻找模式的方法。

 
Maxim Dmitrievsky:

徒劳的练习，如果不是正弦波，有了新的数据，组件就会 "跳跃"。

因此，PSA是一种在子样本上进行拟合的方法，而且是一种线性拟合。

这不是一个寻找模式的方法。

马克西姆，到目前为止我还没有深入研究这个方法，我不能说什么。
我刚刚看了莫斯科证券交易所组织的研讨会的录像，
，经纪人和各种研究人员如极客等分享了他们的经验、演讲等。
我听说过这种方法，它被用来为进一步的模型选择资产。
他表明，这种方法是有效的，并能带来某种增长。

我把他的文章看成是一个想法，可能它没有发挥作用。
，但任何人都可能感兴趣并找到利润。



在YouTube上继续。

 
Roman:

马克西姆，我还没有接触过这种方法，所以我不能说什么。
我刚刚看了莫斯科证券交易所组织的研讨会的录像，
，经纪人和各种研究人员如极客等都在分享他们的经验、演讲等。
我听说过这种方法，它被用来为进一步的模型选择资产。
他表明，这种方法是有效的，并能带来某种增长。

我也听说过这种方法是一种想法，也许它是不可行的。
，但谁有兴趣，可能会找到应用的感觉。


Drimmer在这里有一篇文章，应用PSA来建立投资组合。但后来他推荐大家到工厂去 :)
 
Maxim Dmitrievsky:
Drimmer在这里有一篇文章，应用PSA来建立投资组合。但后来他推荐大家到工厂去 :)

也许建议是因为没有人明白什么？
;)

 
Roman:

也许建议是因为没有人明白什么？
;)

由于相当客观的原因。固定的投资组合只在当下起作用，在新的数据上，如果没有正确的技能，事情就会被打破。
 
Roman:

马克西姆，我还没有接触过这种方法，所以我不能说什么。
我刚刚看了莫斯科证券交易所组织的研讨会的录音，
，经纪人和各种研究人员如极客等分享了他们的经验、演讲等。
我听说过这种方法，它被用来为进一步的模型选择资产。
他表明，这种方法是有效的，并能带来某种增长。

我把他的文章看成是一个想法，可能它没有发挥作用。
，但任何人都可能感兴趣并找到利润。



在YouTube上继续。

不要这样说话，兄弟。


1...131415161718192021222324252627...38
新评论