计量经济学:领先一步的预测 - 页 72 1...656667686970717273747576777879...139 新评论 Yury Reshetov 2011.11.28 19:52 #711 Vizard: 这他妈应该是......但实际上它不会是......。 它将。取两个具有相同期望值和方差的随机数据样本。合并结果,即增加样本量,计算合并样本的方差和期望值,得到相同的结果。 即使从理论上讲,也不难理解为什么会出现这种情况,例如,如果样本中的数据量相同,那么在这两种情况下,即对于期望值和方差,分子和分母都会翻倍。分子和分母中的2是相互减少的,我们得到相同的结果。如果两个样本的大小不一样,相对于第一个样本的分子和分母,分子和分母仍然会增加相同的数量:合并后第一个样本的大小增加多少倍。 Vizard 2011.11.28 20:36 #712 Reshetov: 这将是。取两个具有相同期望值和方差的随机数据样本。合并结果,即由此增加样本量,计算合并样本的方差和期望值,得到相同的结果。 当然会的......但我们谈论的是现实......而在现实中,模型将不断得到新的(可能是不适合这个模型的)数据。 Avals 2011.11.29 03:26 #713 faa1947:在样本内预测时,我有一个奇妙的利润系数,尤其请注意观察中的利润系数。但在样本之外.....为什么这样美好的结果没有进一步扩展?我无法理解。 因为只有40个观察值。即使你不喜欢经典的统计学)),评价测试结果 的根源就在其中。 СанСаныч Фоменко 2011.11.29 04:37 #714 Reshetov: 最后,这个邪教的信徒揭示了这个宗教诡计的主要秘密!他说:"我不知道。 初级的,华生!因为它们是非稳态的。静止性是指分散性和期望值是常数,不依赖于测量它们的样本。也就是说,在任何其他独立样本中,我们应该得到大致相同的常数。如果我们不这样做,那么静止性假说就被推翻了。 可以通过增加样本维度来检验静止性假设。在静止性的情况下,方差和期望值也应保持不变。 惊人的失聪。 我已经争论了好几年了--科蒂尔是非稳定的,无法预测的。 我已经争论了很多年--Kotir是非平稳的,但如果模型的残差 是平稳的,它就可以被预测。残差是有意义的,因为这样你就可以把模型(分析)与静止的残差加起来。这个和等于商,没有损失一个点。我已经在上面写了一百次。没有相同的东西,善于写作的Chukchi人是作家,但不是读者。 СанСаныч Фоменко 2011.11.29 05:05 #715 Avals: 因为只有40个观察值。即使你不喜欢古典统计学)),测试结果的估计的根源就在其中。 是的,40岁有点小。做了测试并写在上面。70后进一步增加样品并不影响结果。下面是关于样本长度的结果。值得注意的是。模型系数的估计。 eurusd = c(1)*hp1(-1) + c(2)*hp1(-2) + c(3)*hp1_d(-1) + c(4)*eq1_hp2(-1) + c(5)*eq1_hp2(-2) + c(6)*eq1_hp2(-3) + c(7)*eq1_hp2_d(-1) + c(8)*eq1_hp2_d(-2) + c(9) *eq1_hp2_D(-3) + c(10) *eq1_hp2_d(-4) 总共有10个。所有的系数都是随机变量。问题:在什么样本长度上,它们会变成近似常数。我将在一张图中显示所有的系数。 这里的样本=80个观察值。你可以看到,在一半的样本之后,所有的调整,特别是系数的评估误差。 对于第一个系数,我将给出一个更大的系数。 这是对系数本身的估计--我们看到它的值不是 一个常数。 而现在是系数的估计误差。 因此,我的结论是,样本应该在60个以上的观察值。 我们需要误差小的稳定系数--这是一个衡量样本长度的标准! СанСаныч Фоменко 2011.11.29 05:08 #716 Vizard: 当然会的......但我们谈论的是现实......而在现实中,模型将不断得到新的(可能对这个模型无法使用的)数据。 情况确实如此。我们已经有了一个几乎稳定的残局。将窗口移动1格,你必须改变模型参数(滞后期的数量)。这一点在表中最外侧的两栏中清晰可见,其中显示了滞后期的数量。 Avals 2011.11.29 05:08 #717 faa1947:惊人的失聪。我已经说了很多年了--科蒂尔是非稳定的,无法预测。我已经说了好几年了--科蒂尔是非稳态的,但如果模型的残差 是稳态的,它就可以被预测到。残差是有意义的,因为这样你就可以把模型(分析)与静止的残差加起来。这个和等于商,没有损失一个点。我已经在上面写了一百次。没有相同的东西,善于写作的Chukchi人是作家,但不是读者。 顺便说一下,关于分析正态分布的残差:只有116个观测值是非常小的,结果才是可靠的。也就是说,我们当然可以应用测试,它将以一定的概率将分布归于正态,但这个预测的置信区间 是多少?例如,25%又是一个非常近似的值,可能是0...50的范围,有95%的置信度,也可能是22...28,这取决于观察的数量和方差。在我看来,如果有116个观察结果,CI将是巨大的。 СанСаныч Фоменко 2011.11.29 05:11 #718 gpwr: 通常这类模型的创造者很快就会在测试器中运行它们,确保它们失败,然后继续开发新的模型。但在这里,启动者实时显示每天的预测,期待着奇迹的发生--某种程度上的受虐症。 坐在张嘴的论坛者应该把圣杯 放在哪里,可以散去。 我所概述的问题,我没有解决办法,就是通过模型对历史的统计特征来预测模型的可预测性。我对TA的方法不感兴趣。 СанСаныч Фоменко 2011.11.29 05:14 #719 Vizard: 在任何算法中,你都可以使用任何错误......在NS中也可以使用r-Q......。 你可以,但他们不可以。请举出一个指标的例子,其文本中附有R-squared。使用了指标,但不知道这些指标在多大程度上反映了科蒂尔,也不知道是否反映了科蒂尔。用眼睛判断,"肯定是一个伟大的指标" Vladimir Paukas 2011.11.29 05:21 #720 faa1947: ..... 不知道有几年了--科蒂尔是非稳态的,不能预测的。 我多年来一直在说--Kotir是非稳定的,但它可以被预测.....。 下定决心,不知不觉中..... 1...656667686970717273747576777879...139 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
这他妈应该是......但实际上它不会是......。
它将。取两个具有相同期望值和方差的随机数据样本。合并结果,即增加样本量,计算合并样本的方差和期望值,得到相同的结果。
即使从理论上讲,也不难理解为什么会出现这种情况,例如,如果样本中的数据量相同,那么在这两种情况下,即对于期望值和方差,分子和分母都会翻倍。分子和分母中的2是相互减少的,我们得到相同的结果。如果两个样本的大小不一样,相对于第一个样本的分子和分母,分子和分母仍然会增加相同的数量:合并后第一个样本的大小增加多少倍。
这将是。取两个具有相同期望值和方差的随机数据样本。合并结果,即由此增加样本量,计算合并样本的方差和期望值,得到相同的结果。
在样本内预测时,我有一个奇妙的利润系数,尤其请注意观察中的利润系数。但在样本之外.....为什么这样美好的结果没有进一步扩展?我无法理解。
最后,这个邪教的信徒揭示了这个宗教诡计的主要秘密!他说:"我不知道。
初级的,华生!因为它们是非稳态的。静止性是指分散性和期望值是常数,不依赖于测量它们的样本。也就是说,在任何其他独立样本中,我们应该得到大致相同的常数。如果我们不这样做,那么静止性假说就被推翻了。
可以通过增加样本维度来检验静止性假设。在静止性的情况下,方差和期望值也应保持不变。
惊人的失聪。
我已经争论了好几年了--科蒂尔是非稳定的,无法预测的。
我已经争论了很多年--Kotir是非平稳的,但如果模型的残差 是平稳的,它就可以被预测。残差是有意义的,因为这样你就可以把模型(分析)与静止的残差加起来。这个和等于商,没有损失一个点。我已经在上面写了一百次。没有相同的东西,善于写作的Chukchi人是作家,但不是读者。
因为只有40个观察值。即使你不喜欢古典统计学)),测试结果的估计的根源就在其中。
是的,40岁有点小。做了测试并写在上面。70后进一步增加样品并不影响结果。下面是关于样本长度的结果。值得注意的是。模型系数的估计。
eurusd = c(1)*hp1(-1) + c(2)*hp1(-2) + c(3)*hp1_d(-1) + c(4)*eq1_hp2(-1) + c(5)*eq1_hp2(-2) + c(6)*eq1_hp2(-3) + c(7)*eq1_hp2_d(-1) + c(8)*eq1_hp2_d(-2) + c(9) *eq1_hp2_D(-3) + c(10) *eq1_hp2_d(-4)
总共有10个。所有的系数都是随机变量。问题:在什么样本长度上,它们会变成近似常数。我将在一张图中显示所有的系数。
这里的样本=80个观察值。你可以看到,在一半的样本之后,所有的调整,特别是系数的评估误差。 对于第一个系数,我将给出一个更大的系数。
这是对系数本身的估计--我们看到它的值不是 一个常数。
而现在是系数的估计误差。
因此,我的结论是,样本应该在60个以上的观察值。
我们需要误差小的稳定系数--这是一个衡量样本长度的标准!
当然会的......但我们谈论的是现实......而在现实中,模型将不断得到新的(可能对这个模型无法使用的)数据。
惊人的失聪。
我已经说了很多年了--科蒂尔是非稳定的,无法预测。
我已经说了好几年了--科蒂尔是非稳态的,但如果模型的残差 是稳态的,它就可以被预测到。残差是有意义的,因为这样你就可以把模型(分析)与静止的残差加起来。这个和等于商,没有损失一个点。我已经在上面写了一百次。没有相同的东西,善于写作的Chukchi人是作家,但不是读者。
顺便说一下,关于分析正态分布的残差:只有116个观测值是非常小的,结果才是可靠的。也就是说,我们当然可以应用测试,它将以一定的概率将分布归于正态,但这个预测的置信区间 是多少?例如,25%又是一个非常近似的值,可能是0...50的范围,有95%的置信度,也可能是22...28,这取决于观察的数量和方差。在我看来,如果有116个观察结果,CI将是巨大的。
通常这类模型的创造者很快就会在测试器中运行它们,确保它们失败,然后继续开发新的模型。但在这里,启动者实时显示每天的预测,期待着奇迹的发生--某种程度上的受虐症。
坐在张嘴的论坛者应该把圣杯 放在哪里,可以散去。
我所概述的问题,我没有解决办法,就是通过模型对历史的统计特征来预测模型的可预测性。我对TA的方法不感兴趣。
在任何算法中,你都可以使用任何错误......在NS中也可以使用r-Q......。
..... 不知道有几年了--科蒂尔是非稳态的,不能预测的。
我多年来一直在说--Kotir是非稳定的,但它可以被预测.....。