L'indicateur de régression colorée dans l'image ci-dessus (i-Regr OTM Color Painel MT4) utilise la moyenne HLCO4 et est une recherche de régression optimisée. Il teste toutes les régressions des barres 25 à 1000 et degré 1 à 8. Tous les résultats qui rendent l'erreur de régression plus grande sur la barre réelle sont jetés. Que le R au carré est comparé et est tracé la régression la plus adaptée. Partagé ci-dessous. Maintenant, je construis un meilleur modèle de régression, avec plus d'ajustement et d'extrapolation. Je pense qu'une extrapolation de 1 unité dans une équation de 1000 degrés et 1000 bars nous donne un nombre incroyable puisque l'équation a frappé exactement tous les 1000 numéros précédents. Si nous extrapolons nos esprits et prenons toutes les données historiques des prix d'un instrument et que ce type de régression a bien dans nos mains le meilleur NN et AI possible et je ne serai pas qui va à l'encontre de cette vérité universelle des mathématiques extraites Nécessaire pour changer l'itinéraire). Mais les nains noirs se produisent, il suffit d'ajuster le risque. Alors je veux cela. Le code passé dans une autre rubrique (Ajuster une parabole) ne donne pas une ligne exacte comme le graphe de ligne (lorsque le degré est égal à Barres), comme voir dans l'image. Comment pouvons-nous résoudre cette idée Quelqu'un de quelqu'un Le degré plus grand que 80 n'est pas encore possible (je pense que c'est une limitation des matrices), comment nous corriger cela tooSo, j'ai des données de panneau qui ressemblent à ceci: Les données qui sont manquantes , C'est parce que nous n'avons pas été en mesure de trouver des données complètes dans les rapports annuels des banques énumérées dans l'ensemble de données. Il n'existe pas de modèle réel pour les valeurs manquantes, à l'exception de certaines périodes comme celle illustrée dans l'image, les valeurs manquantes sont généralement aléatoires. Par exemple, une valeur manquante en 2000, une autre valeur manquante en 2002, et ainsi de suite. Les banques sont au nombre de cinq au total, et nous incluons des données trimestrielles pour la période 1998Q1 à 2013Q1. Nous avons une série complète pour l'une des variables, bêta. Les quatre autres manquent toutes des valeurs. J'ai cherché, mais je n'ai pas réussi à obtenir une réponse aux questions suivantes: 1) Est-il important que mon jeu de données ait des valeurs manquantes dans certaines des variables? 2) Quelle est la bonne méthode à utiliser pour remplir ces valeurs manquantes? Possible, pouvez-vous l'illustrer en utilisant Stata Nick Cette question est explicitement sur l'imputation des données manquantes et donc est carrément sur le sujet sur ce site. Herman: Nous incitons cependant les gens à poser des questions d'une manière plus neutre sur le plan logique: au lieu de demander quothow, je fais X dans Stata, considérons la question de savoir si je fais X. et si vous le pouvez, veuillez illustrer votre réponse avec Stata. quot Cela ouvre votre question à beaucoup plus d'experts (la plupart d'entre eux n'utilisent pas Stata), augmentant considérablement la chance que vous obtiendrez une bonne réponse. J'ai utilisé l'option d'interpoler et d'extrapoler, et il semble avoir fait un bon travail dans le sens que les valeurs générées ressemblent assez bien les données, et il a généré un ensemble d'estimations équilibrées de Les valeurs manquantes. Je pense que je vais m'en tenir à cela, et voir si je peux trouver un autre conseil avec un de mes professeurs. Je ne suis pas un expert en stata, malheureusement, mais je sais que R a un ensemble robuste de paquets supportant l'imputation pour les données chronologiques de série chronologique. Amelia II vient surtout à l'esprit, car il a été construit pour ce but explicite. Ndash Sycorax 14 nov 14 à 19:40
No comments:
Post a Comment