Проверка точности прогнозирования на основе парной авторегрессии

Предложил я недавно простую МП парной авторегрессии, где коэффициенты МП были оценены методом Тейла по той простой причине, что такие оценки не привязаны к закону распределения случайной величины, как, скажем, метод наименьших квадратов. Хотя, конечно, допустим и такой подход с некоторыми оговорками и уточнениям. Но, что самое интересное, оценки Тейла оказались незначимы. Вроде бы и линейная связь была выявлена ранее между значениями ВРТ, но все оказалось призрачным и нереальным.

Встал вопрос. А вообще стоит тестировать такую модель и сравнивать её с НМП? И я решил, что стоит. По нескольким причинам:

  1. Если оценки значений коэффициентов МП незначимы, то и результат прогнозирования по такой модели не будет особенно отличатся от НМП. Где-то немного лучше, где-то хуже. Но ничего существенного не будет в сторону улучшения точности.
  2. Если п.1. подтверждается, то тестирование МП в том виде, как я его изложил здесь, вполне годится для проверки адекватности МП и оценку значимости коэффициентов модели можно не проводить. К тому же сделать эту оценку можно далеко-далеко не всегда! Если в результатах тестирования новой МП не прослеживается явной тенденции на улучшения точности прогноза – то модель следует признать неадекватной (оценки её коэффициентов незначимы).

Вот такие предпосылки сегодняшнего эксперимента.

Что у меня получилось для ВРТ по данным EUR/USD, GBP/JPY, AUD/CAD?

Вот графики:

acTS euTS gjTS

По графикам видно, что, как и в случае НМП, при α=0.2-0.3 точность прогнозирования становится менее 50%. Так как нет увеличения в значениях α, то нет и разницы между НМП и простой моделью парной авторегрессии.

Нужна другая МП!

Но прежде, чем рассмотреть другую модель и провести её тестирование, есть некоторая мысль насчет исходных данных. Необходимо с ними поработать, не искажая серьёзно их сущности. Поработать ещё раз с выбросами. Более тщательно и аккуратно. А также ввести процедуру нормировки данных. Чтобы работать в «едином» масштабе значений.

Но об этом в другой раз…

P.S.: Для оценки коэффициентов парной регрессии методом Тейла можете использовать алгоритм, что я описал здесь. Либо воспользоваться пакетом R mblm. Он позволяет проводить оценку коэффициентов парной регрессии методом Тейла и методом Сена (метод повторяющихся медиан).

Есть вопросы? задавайте в комментариях.

Похожие статьи:

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *