Các mô hình phức hợp và lựa chọn mô hình tốt nhất Hybrid models and selecting the best model Từ việc xây dựng đến việc lựa chọn mô hình Trong hai bài học vừa qua, chúng ta đã xây dựng được một bộ công cụ ấn tượng gồm nhiều cấu trúc hiệp phương sai khác nhau, từ cấu trúc Không cấu trúc linh hoạt nhất, cấu trúc Có thể hoán đổi đơn giản nhất, cho đến các cấu trúc chuyên biệt cho dữ liệu chuỗi thời gian như Tự hồi quy (AR) và Toeplitz. Mỗi cấu trúc đại diện cho một giả định khác nhau về bản chất của sự phụ thuộc trong dữ liệu. Tuy nhiên, thực tế thường phức tạp hơn bất kỳ giả định đơn giản nào. Tương quan trong dữ liệu dọc có thể giảm dần theo thời gian, nhưng hiếm khi chúng giảm về 0 hoàn toàn do luôn có những đặc điểm cá nhân không đổi tạo ra sự phụ thuộc nền. Điều này dẫn chúng ta đến câu hỏi đầu tiên của bài …
Các bài đã xem
- Mô hình Ornstein-Uhlenbeck tổng quát
- Lập trình Nâng cao với Mata và GMM
- Mở rộng tính dừng và biểu diễn ARCH(∞)
- Phương sai sai số thay đổi và không đổi
- Mô hình tự hồi quy (AR) và phân rã Wold
- Phân tích danh mục đầu tư trung bình-phương sai
- Xây dựng mô hình quốc gia (VARX*)
- Thực hành đánh giá dự báo với Stata
- So sánh các dự báo bằng hàm mất mát
- Hướng dẫn thực hành VaR trên Stata
- Phương sai thay đổi trong Chuỗi thời gian
- Ước lượng mô hình ARIMA với Stata
- Kiểm định dấu và tỷ số Cowles-Jones
- Thực hành tổng hợp các kiểm định vững
- Quản lý và nhập dữ liệu trong Stata
-
Xem thêm