Хочу поделиться ссылкой - страница 5

Хм

У вас похоже красный ряд - это производная синего

Так и есть. Не понимаю как такое получилось:

Если уж на то пошло, то я бы скорее в данном направлении посмотрел, как могут высокочастотные данные последнего периода повлиять на точность регрессионной модели, построенной на низкочастотных данных. Еще вариант - попробовать воспользоваться неравномерной временной сеткой для регрессии: в приложении к Элдеру и в присутствии данных младшего таймфрейма это как раз имеет смысл, причем есть подозрения, что такая модель будет как минимум на порядок точнее. А возможно, даже и прибыльной)))

(Насчет неравномерных сеток - можно провести отдаленную аналогию с методами численного интегрирования; кто знаком, знают, что выбор сетки по Гауссу позволяет поднять порядок приближения с n до 2*n-1 по сравнению с интерполяционными методами при том же количестве узлов.)

В дополнение к этому - было бы весьма интересно поработать с функционалом ошибок регрессии. У меня как-то все руки не доходят...

Короче, идея в том, чтобы вместо традиционного функционала, который мы минимизируем - суммы квадратов ошибок взять взвешенную сумму квадратов, причем взвешивание произвести обратно пропорционально корню квадратному из времени. Добьемся того, что разностное уравнение авторегрессии будет давать тем меньшую ошибку, чем ближе мы находимся по времени к прогнозируемому значению ряда, при этом закон уменьшения средней ошибки будет согласован с поведением самого ряда (помним, что разброс данных вглубь истории растет как sqrt(t)).

Результат должен быть глаже и точнее, чем у просто машки. Это пока так все, на уровне интуиции, но она меня редко в таких делах подводит))

Может кто возьмется проверить? Я сам понимаю, что у меня уйдет полчаса-час на все, но суббота...

не понимаю зачем столько веток плодить по эконометрике...

про получнный ряд - хоть как извращайся... везде будет всплывать нестационарность... просто выглядеть будет по разному...