引文中的依赖性统计（信息论、相关和其他特征选择方法）。 - 页 29 1...222324252627282930313233343536...74 新评论 СанСаныч Фоменко 2011.09.14 07:46 #281 alexeymosc:. 我自己花了很多个月的时间来掌握神经网络...... 。 我一直很惊讶，那些已经掌握了一些相当复杂的东西的人（我应该把DSP加到NS中），却不屑于掌握与他们的业务直接相关的科学？ 而总的来说，我不明白为什么这个网站上没有计量经济学？大约六个月前开始搜索，得到了几个链接。除了计量经济学之外，其他的都可以。 ...尝试对原始时间序列进行不同种类的转换，以改善其静止性，因为NS对这种现象很敏感，而且训练不足 从计量经济学的角度来看，NS只不过是一个平滑函数，而且在我看来，并不是最成功的。还有其他更有效、更容易管理、更详细和更能说明问题的平滑方法。更重要的是，这些方法通常涉及对平滑结果的估计。 ...但没有进行静止性检验。 静止性测试只是一个开始。Dickey-Fuller测试在绝大多数情况下都不会告诉你什么，而总是给出数字。你必须一步一步来，而且几乎没有下一步的结果，你可以严格拒绝/接受相应的无效假设。例如，当根据一种类型的异方差测试来比较两个模型时，你会得到两个数字--30%和40%--没有异方差的概率。对于其他类型的异方差--50%和20%--问题是：哪个模型更好？ Alexey Burnakov 2011.09.14 08:04 #282 faa1947:我自己花了很多个月的时间来掌握神经网络...... 。 我一直很惊讶，那些已经掌握了一些相当复杂的东西的人（我应该把DSP加到NS中），却不屑于掌握与他们的业务直接相关的科学？而总的来说，我不明白为什么这个网站上没有计量经济学？大约六个月前开始搜索，得到了几个链接。除了计量经济学之外，其他的都可以。...尝试对原始时间序列进行不同种类的转换，以改善其静止性，因为NS对这种现象很敏感，而且训练不足从计量经济学的角度来看，NS只不过是一个平滑函数，而且在我看来，不是最成功的函数。还有其他更有效、更容易管理、更详细和更能说明问题的平滑方法。更重要的是，这些方法通常涉及对平滑结果的估计。...但没有进行静止性检验。静止性测试只是一个开始。Dickey-Fuller测试在绝大多数情况下都不会告诉你什么，而总是给出数字。你必须一步一步来，而且几乎没有下一步的结果，你可以严格拒绝/接受相应的无效假设。例如，当根据一种类型的异方差测试来比较两个模型时，你会得到两个数字--30%和40%--没有异方差的概率。对于其他类型的异方差--50%和20%--问题是：哪个模型更好？那么什么是DSP呢？ 对我来说，这不全是生意，用 "爱好 "这个词更合适。我的工作方向不同，既没有经济背景也没有数学背景，而是使用统计方法的文科背景。由于这种背景，我研究我感兴趣的东西，如果我意识到我缺乏一些知识，我就挖空心思去积累。这就像一个雪球效应。这只是抒情性的。 "就计量经济学而言，NS只不过是一个平滑函数，而且在我看来，并不是最成功的。还有其他更有效、更容易管理、更详细和更能说明问题的平滑方法。更重要的是，这些方法通常涉及对平滑结果的估计"。 并非总是如此。你说出了神经网络的一个特殊应用。你可以用它们来分类，硬性或非硬性的（概率性的）分类。同时做聚类分析。我已经尝试了所有这些，以及在一个时间序列上近似一个函数的任务。 "Dickey-Fuller测试绝大部分都没有告诉你什么，但数字总是告诉你的。" 这就是许多统计假设检验 的问题。 一般来说，我对计量经济学研究的理解，至少是你的理解是，你采取某种近似的曲线或直线，研究一系列的残差，以便得到未经修正的正态分布噪声。对吗？ СанСаныч Фоменко 2011.09.14 08:13 #283 alexeymosc:什么是DSP？对我来说，这并不全是生意，用 "爱好 "这个词更合适。我在不同的领域工作，既没有经济背景也没有数学背景，而是具有统计方法的文科背景。由于这种背景，我研究我感兴趣的东西，如果我意识到我缺乏一些知识，我就挖空心思去积累。这就像一个雪球效应。这只是抒情性的。"就计量经济学而言，NS只不过是一个平滑函数，而且在我看来，并不是最成功的。还有其他更有效、更容易管理、更详细和更能说明问题的平滑方法。更重要的是，这些方法通常涉及对平滑结果的估计"。 并非总是如此。你说出了神经网络的一个特殊应用。你可以用它们来分类，硬性或非硬性的（概率性的）分类。同时做聚类分析。我已经尝试了所有这些，以及在一个时间序列上近似一个函数的任务。 "Dickey-Fuller测试绝大部分都没有告诉你什么，但数字总是告诉你的。" 这就是许多统计假设检验的问题。一般来说，我对计量经济学研究的理解，至少是你的理解是，你采取某种近似的曲线或直线，研究一系列的残差，以便得到未经修正的正态分布噪声。对吗？那么什么是DSP呢？ 数字信号处理。 并非总是如此。你说出了神经网络的一个特殊应用 是的，当然，在计量经济学 中，它比这更广泛。 你采取一些近似的曲线或直线，研究一系列的残差，得到未经修正的正态分布噪声。对吗？ 是的，这就是目标。虽然没有实现，但已经可以做出更稳健的模型，预测误差的方差在5%以内波动。 Alexey Burnakov 2011.09.14 08:27 #284 faa1947: 是的，这就是目标。虽然没有实现，但它成功地做出了更为稳健的模型，预测误差的方差在5%以内。在用统计模型预测销售时，我也是这么做的。作为对模型质量的评估--分析残差的自相关性和概率密度函数的类型。当然，还有R^2。原则上，这些都是普遍接受的时间序列预测 技术。 至于神经网络，也许我没有做过，还应该分析一下残差。你说的没错（如果我绘制的是一个近似的系列曲线）。 关于TI，理论的作用是找到有意义的滞后期或其他独立变量。事实上，事实上，也应该对所建模型进行残差序列分析。 Vasiliy Sokolov 2011.09.14 08:42 #285 faa1947: 我不太明白。 计量经济学是以非平稳过程为工作对象的，近似的算法在帖子里有描述。我们应该明白，非平稳性导致我们不能采取最好的指标或一组指标来获得TS和稳定的交易，因为由于非平稳性，对TS的任何估计（PF、缩减和其他）都是虚构的，将来会出现这样的商数区域，TS将卖出存款。 测量经济数据的科学--计量经济学，与其他非常值得尊敬的科学有区别，但它是一门独立的科学，并提出了一致的行动，将每个中间结果固定为一个模型，旨在得到一个静止的残差，在非静止的市场上工作时给出未来TS的稳定性估计。 这里 以欧元兑美元和三个指标（直线、指数平滑、Hodrick-Prescott滤波器）为例进行说明。 伙计们，让我们用一门独立的科学来衡量经济数据，而不是试图从相邻的科学中抽出一些东西，只因为我们懒得读计量经济学教科书。在我国，有这样的教科书可以追溯到2000年，也就是说，10多年来，大学一直在培养科学地衡量经济数据的专家，并没有受到所谓的 "信息依赖 "的废话。 无论如何，让我们继续吧。 你的论点很清楚，但计量经济学的问题在于，错误的理论和工具是在最初错误的信念和假设上创造出来的，然后对于这些工具，研究对象被替换成了真实的市场，并得出了两个不同的研究对象是多么的相似的结论。 哪里有把握说计量经济学在20-30年内不会重复托勒密理论的命运？这种理论也曾经很好地解释了我们周围的世界。 以下是E.Peters关于它的文章（一位数学家，也是为数不多的对这个问题理解如此深刻的人之一）。 而这里是他写的关于计量经济学的内容。 在他的书中还有许多关于脱离实践的理论可能导致的例子。 СанСаныч Фоменко 2011.09.14 08:43 #286 alexeymosc:. 残差分析的自相关和概率密度函数的类型。 当然，还有R^2。原则上，这些都是预测时间序列的常用技术。 这只是一个开始，在被普遍接受的意义上，并不完整。这里 显示的是完整的，尽管它只是一个使用的例子。三组分析：系数、残差和稳定性。如果你能调和这些矛盾，你可能会得到一个估计，这总是一个预测误差，因为目标是预测，其他都是中间结果。 Vasiliy Sokolov 2011.09.14 08:50 #287 faa1947:我总是很惊讶，那些已经掌握了一些相当复杂的东西的人（我应该把DSP加入NS），却不屑于掌握与他们业务直接相关的科学？计量经济学 只与商业有关，如果该商业是赌博的话。在赌场老板的网站上查询其信徒。 СанСаныч Фоменко 2011.09.14 09:43 #288 C-4: 计量经济学只有在企业是赌博业的情况下才与该企业相关。在赌场老板的网站上查询其信徒。 废话，看书，从字母表开始。 СанСаныч Фоменко 2011.09.14 09:54 #289 C-4: 在他的书中，还有许多例子说明了与实践脱节的理论会导致什么结果。计量经济学 中没有考虑 有效市场理论。它的假设都是基于市场没有效率这一事实。计量经济学不包括马科维茨和他的有效投资组合的辩护人。计量经济学已经存在了100多年，它从来没有被彼得斯、曼德布罗特和其他人推翻过，因为它最初是基于市场非平稳的 假设。 它是计量经济学，它证明了向前一步的预测是正确的，并显示了向前几步的预测致命的恶化的原因。 你有一个朋友托勒密是件好事，但这并不是通过把它不包含的内容归于计量经济学而否定它的理由。 Vasiliy Sokolov 2011.09.14 10:39 #290 faa1947: 废话，看书，从字母表开始。 对你也一样。 1...222324252627282930313233343536...74 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
我自己花了很多个月的时间来掌握神经网络......
。
我一直很惊讶，那些已经掌握了一些相当复杂的东西的人（我应该把DSP加到NS中），却不屑于掌握与他们的业务直接相关的科学？
而总的来说，我不明白为什么这个网站上没有计量经济学？大约六个月前开始搜索，得到了几个链接。除了计量经济学之外，其他的都可以。
...尝试对原始时间序列进行不同种类的转换，以改善其静止性，因为NS对这种现象很敏感，而且训练不足
从计量经济学的角度来看，NS只不过是一个平滑函数，而且在我看来，并不是最成功的。还有其他更有效、更容易管理、更详细和更能说明问题的平滑方法。更重要的是，这些方法通常涉及对平滑结果的估计。
...但没有进行静止性检验。
静止性测试只是一个开始。Dickey-Fuller测试在绝大多数情况下都不会告诉你什么，而总是给出数字。你必须一步一步来，而且几乎没有下一步的结果，你可以严格拒绝/接受相应的无效假设。例如，当根据一种类型的异方差测试来比较两个模型时，你会得到两个数字--30%和40%--没有异方差的概率。对于其他类型的异方差--50%和20%--问题是：哪个模型更好？
我自己花了很多个月的时间来掌握神经网络......
。
我一直很惊讶，那些已经掌握了一些相当复杂的东西的人（我应该把DSP加到NS中），却不屑于掌握与他们的业务直接相关的科学？
而总的来说，我不明白为什么这个网站上没有计量经济学？大约六个月前开始搜索，得到了几个链接。除了计量经济学之外，其他的都可以。
...尝试对原始时间序列进行不同种类的转换，以改善其静止性，因为NS对这种现象很敏感，而且训练不足
从计量经济学的角度来看，NS只不过是一个平滑函数，而且在我看来，不是最成功的函数。还有其他更有效、更容易管理、更详细和更能说明问题的平滑方法。更重要的是，这些方法通常涉及对平滑结果的估计。
...但没有进行静止性检验。
静止性测试只是一个开始。Dickey-Fuller测试在绝大多数情况下都不会告诉你什么，而总是给出数字。你必须一步一步来，而且几乎没有下一步的结果，你可以严格拒绝/接受相应的无效假设。例如，当根据一种类型的异方差测试来比较两个模型时，你会得到两个数字--30%和40%--没有异方差的概率。对于其他类型的异方差--50%和20%--问题是：哪个模型更好？
那么什么是DSP呢？
对我来说，这不全是生意，用 "爱好 "这个词更合适。我的工作方向不同，既没有经济背景也没有数学背景，而是使用统计方法的文科背景。由于这种背景，我研究我感兴趣的东西，如果我意识到我缺乏一些知识，我就挖空心思去积累。这就像一个雪球效应。这只是抒情性的。
"就计量经济学而言，NS只不过是一个平滑函数，而且在我看来，并不是最成功的。还有其他更有效、更容易管理、更详细和更能说明问题的平滑方法。更重要的是，这些方法通常涉及对平滑结果的估计"。
并非总是如此。你说出了神经网络的一个特殊应用。你可以用它们来分类，硬性或非硬性的（概率性的）分类。同时做聚类分析。我已经尝试了所有这些，以及在一个时间序列上近似一个函数的任务。
"Dickey-Fuller测试绝大部分都没有告诉你什么，但数字总是告诉你的。"
这就是许多统计假设检验 的问题。
一般来说，我对计量经济学研究的理解，至少是你的理解是，你采取某种近似的曲线或直线，研究一系列的残差，以便得到未经修正的正态分布噪声。对吗？
什么是DSP？
对我来说，这并不全是生意，用 "爱好 "这个词更合适。我在不同的领域工作，既没有经济背景也没有数学背景，而是具有统计方法的文科背景。由于这种背景，我研究我感兴趣的东西，如果我意识到我缺乏一些知识，我就挖空心思去积累。这就像一个雪球效应。这只是抒情性的。
"就计量经济学而言，NS只不过是一个平滑函数，而且在我看来，并不是最成功的。还有其他更有效、更容易管理、更详细和更能说明问题的平滑方法。更重要的是，这些方法通常涉及对平滑结果的估计"。
并非总是如此。你说出了神经网络的一个特殊应用。你可以用它们来分类，硬性或非硬性的（概率性的）分类。同时做聚类分析。我已经尝试了所有这些，以及在一个时间序列上近似一个函数的任务。
"Dickey-Fuller测试绝大部分都没有告诉你什么，但数字总是告诉你的。"
这就是许多统计假设检验的问题。
一般来说，我对计量经济学研究的理解，至少是你的理解是，你采取某种近似的曲线或直线，研究一系列的残差，以便得到未经修正的正态分布噪声。对吗？
那么什么是DSP呢？
数字信号处理。
并非总是如此。你说出了神经网络的一个特殊应用
是的，当然，在计量经济学 中，它比这更广泛。
你采取一些近似的曲线或直线，研究一系列的残差，得到未经修正的正态分布噪声。对吗？
是的，这就是目标。虽然没有实现，但已经可以做出更稳健的模型，预测误差的方差在5%以内波动。
是的，这就是目标。虽然没有实现，但它成功地做出了更为稳健的模型，预测误差的方差在5%以内。
在用统计模型预测销售时，我也是这么做的。作为对模型质量的评估--分析残差的自相关性和概率密度函数的类型。当然，还有R^2。原则上，这些都是普遍接受的时间序列预测 技术。
至于神经网络，也许我没有做过，还应该分析一下残差。你说的没错（如果我绘制的是一个近似的系列曲线）。
关于TI，理论的作用是找到有意义的滞后期或其他独立变量。事实上，事实上，也应该对所建模型进行残差序列分析。
我不太明白。
计量经济学是以非平稳过程为工作对象的，近似的算法在帖子里有描述。我们应该明白，非平稳性导致我们不能采取最好的指标或一组指标来获得TS和稳定的交易，因为由于非平稳性，对TS的任何估计（PF、缩减和其他）都是虚构的，将来会出现这样的商数区域，TS将卖出存款。
测量经济数据的科学--计量经济学，与其他非常值得尊敬的科学有区别，但它是一门独立的科学，并提出了一致的行动，将每个中间结果固定为一个模型，旨在得到一个静止的残差，在非静止的市场上工作时给出未来TS的稳定性估计。
这里 以欧元兑美元和三个指标（直线、指数平滑、Hodrick-Prescott滤波器）为例进行说明。
伙计们，让我们用一门独立的科学来衡量经济数据，而不是试图从相邻的科学中抽出一些东西，只因为我们懒得读计量经济学教科书。在我国，有这样的教科书可以追溯到2000年，也就是说，10多年来，大学一直在培养科学地衡量经济数据的专家，并没有受到所谓的 "信息依赖 "的废话。
无论如何，让我们继续吧。
你的论点很清楚，但计量经济学的问题在于，错误的理论和工具是在最初错误的信念和假设上创造出来的，然后对于这些工具，研究对象被替换成了真实的市场，并得出了两个不同的研究对象是多么的相似的结论。
哪里有把握说计量经济学在20-30年内不会重复托勒密理论的命运？这种理论也曾经很好地解释了我们周围的世界。
以下是E.Peters关于它的文章（一位数学家，也是为数不多的对这个问题理解如此深刻的人之一）。
而这里是他写的关于计量经济学的内容。
在他的书中还有许多关于脱离实践的理论可能导致的例子。
残差分析的自相关和概率密度函数的类型。 当然，还有R^2。原则上，这些都是预测时间序列的常用技术。
这只是一个开始，在被普遍接受的意义上，并不完整。这里 显示的是完整的，尽管它只是一个使用的例子。三组分析：系数、残差和稳定性。如果你能调和这些矛盾，你可能会得到一个估计，这总是一个预测误差，因为目标是预测，其他都是中间结果。
我总是很惊讶，那些已经掌握了一些相当复杂的东西的人（我应该把DSP加入NS），却不屑于掌握与他们业务直接相关的科学？
计量经济学只有在企业是赌博业的情况下才与该企业相关。在赌场老板的网站上查询其信徒。
在他的书中，还有许多例子说明了与实践脱节的理论会导致什么结果。
计量经济学 中没有考虑 有效市场理论。它的假设都是基于市场没有效率这一事实。计量经济学不包括马科维茨和他的有效投资组合的辩护人。计量经济学已经存在了100多年，它从来没有被彼得斯、曼德布罗特和其他人推翻过，因为它最初是基于市场非平稳的 假设。
它是计量经济学，它证明了向前一步的预测是正确的，并显示了向前几步的预测致命的恶化的原因。
你有一个朋友托勒密是件好事，但这并不是通过把它不包含的内容归于计量经济学而否定它的理由。
废话，看书，从字母表开始。
对你也一样。