引文中的依赖性统计（信息论、相关和其他特征选择方法）。 - 页 5

新评论
 
faa1947:


第一个也是极其模糊的步骤是去趋势化。我因为贴出图表而被骂，但从图表中可以看出，这个话题中用来得出残差的方法是没有意义的，因为这个残差的统计数据和原始系列的统计数据一样糟糕。



你应该阅读该主题的标题。你熟悉特征选择的概念吗？它是指应用线性和非线性相关及其他统计方法来选择携带有关零或未来条形状态信息的变量。
 
alexeymosc:

我试图接近这个主题，而不把任何主观的限制、惯例或理论强加于它。

那就去幼儿园吧，那里没有理论，但这里的人是受教育的。

 
没有必要纠缠于这个话题。只是在你的工作和教育领域，你从未听说过数据挖掘。
 
如果像你这样的人受过教育，我会建议他们回到学校去。
 
alexeymosc:
如果像你这样的人在这里受到了教育，我会建议他们再次坐在桌子后面。

喜剧演员
 
HideYourRichess: 我有一个反问，信息一词的公理的适用性，TC对市场的操作，已经确定了吗？ 也就是说，要争论什么信息是根本不需要的，有必要在信息的表征上从TC尝试到一个真实的对象。如果找到了一个身份，那么应用TI的所有成就就是合理的。如果不是，就不是。

那么在回报方面，有什么能阻止我们这样做呢？它可以被离散化，它是一个随机变量。对于信息理论的应用来说，这是一个相当不错的对象。能有什么身份搜索？你在玩一个战争游戏，我亲爱的...

faa1947: 对我来说，TI是关于编码和加密以及反向过程。在这里，人们试图在公式的基础上推导出一些实际有意义的信息，据说是来自TI。对于这样的操作，还有其他的科学，除了分析之外，还证明我们真的看到了我们所看到的东西，而不是一些幻影，只有题目的作者看到。

而对我来说，在这项任务中，TI主要是一个数据挖掘 的工具。如何处理这些数据是另一回事。重要的是，我们确实看到了肉眼看不到的东西。那你说的是什么其他科学呢？

文章 的结论是，报价的增量之间存在着统计学上的相关性。其中一个依赖性是众所周知的--增量的条件方差（d[t]）对以前的增量（r[t-1], r[t-2], ...）和方差（d[t-1], ...）的依赖性。

发现统计依赖性的原因很可能是波动性。

看起来像 GARCH(p, q)。我们可以谈论模型的哪些订单？

如果只是为了回报，你又如何看待那里的波动呢？

顺便说一句，你建议我的那本关于半变体的书可能对建立依赖关系的顺序相当有用。

 
数学上，除了一堆拱形的修改外，还有许多其他的波动率模型。对于Garch来说，最常用的顺序是1;1，但不要指望从这样的模型中得到好的结果。
 
(1,1)绝对是荒谬的。特别是当你考虑到这些依赖关系是在至少数百个滞后期发现的（尽管这是对平均相互信息而言）。
 
无意冒犯该主题的积极参与者。这让我想起了关于飞机上有所有游泳池、健身房之类的笑话。"而现在有了这些东西，我们要尝试起飞"。问题不是空穴来风，应用方面是什么？也就是说，从理论到实践的过渡是在什么时候计划的？
 
sayfuji:
无意冒犯该主题的积极参与者。这让我想起了关于飞机上有所有游泳池、健身房之类的笑话。"而现在有了这些东西，我们要尝试起飞"。问题不是空穴来风，应用方面是什么？也就是说，从理论到实践的过渡是在什么时候计划的？

幻灯片，幻灯片...)这也是来自一则轶事。
123456789101112...74
新评论