<<
>>

Анализ поведения переменных на основе величины погрешности

Изучив отклонения выхода сети от целевой переменной (VWNY) для шести различных входных матриц, описанных выше, можно еде- лать определенные выводы об относительных изменениях влияний отдельных переменных. Дата HIT/MISS UI(f) DEI(f) URP(f) UTS(f) MP(f+ 1) YP(f + 12) 840131 -31 -81 -79 -100 -25 -93 -77 840229 -47 -62 -60 -27 -100 -61 -59 840330 25 80 100 62 19 70 73 840430 8 39 45 100 -100 40 40 840531 -18 -20 -27 -8 -100 -25 -23 840629 -1 -80 -100 100 57 -43 -87 840731 -45 -46 -47 -100 100 -49 -48 840831 100 82 81 78 100 81 81 840928 -18 -49 -55 -100 100 -44 -50 841031 -32 -37 -65 -100 100 -56 -62 841130 -47 -99 -87 -67 -84 -91 -100 841231 45 95 95 40 100 92 94 850131 39 50 50 57 100 46 48 850228 30 33 56 100 -100 48 43 850329 3 -1 -1 -100 100 16 -3 850430 -35 -92 -87 -86 -31 -93 -100 850531 , -16 -51 -52 -100 100 -51 -57 850628 -13 -80 -94 100 -10 -48 -100 850731 20 100 89 97 -100 81 88 850830 -23 -70 -76 -100 100 -73 -79 850930 -37 -83 -81 -83 -100 -77 -88 851031 34 50 52 7 100 53 47 851129 47 53 50 29 100 56 50 851231 13 17 24 -100 100 16 14 Таблица 6.6.
Вклад отдельных переменных в погрешность (промасштабирован на интервал [—100,100]) за период 1984—85 гг.

В столбце, обозначенном HIT/MISS, приведены отклонения от целевого значения того прогноза, который 6-3-1 сеть сделала по исход-ной входной матрице. Погрешность всюду была промасштабирова- на так, чтобы значения располагались от -100 до 100, при этом положительный знак соответствует превышению цели, а отрицательный — недобору. Малые по абсолютной величине числа означают точный прогноз (например, апрель 1984), а большие— значительную ошибку (август 1984). Если абсолютная величина ошибки велика, скажем, больше 40, то в этом случае определить вклад отдельной переменной затруднительно. Следующие 6 столбцов таблицы содер-жат отклонения выхода сети от целевого значения, соответствующие шести описанным выше входным матрицам. Здесь погрешности также промасштабированы и лежат от -100 до 100.

По этим данным уже можно судить о динамике отдельных переменных. Можно заме-тить, что во всех случаях величина погрешности чувствительна к изменениям значений переменных, и это говорит о том, что все пере-менные активны. В целом, по-видимому, наибольшие погрешности связаны с переменными временной структуры и премии за риск. За-мена истинных значений этих переменных их средними значениями дает относительно большую ошибку прогноза. Это замечание согласуется с результатами регрессии, согласно которым обе переменные являлись высокозначимыми. Если теперь мы обратим внимание на знак погрешности, то увидим здесь для этих переменных противоположную зависимость. Большие отрицательные погрешности для одной переменной, как правило, совпадают с большими положительными для другой, и это может указывать на то, что их вклады в погрешность в некоторой степени компенсируют друг друга. Поскольку все переменные прошли проверку на допустимость, мульти- коллинеарность может быть исключена (см. [115]). Что касается переменных, которые по результатам регрессии были отнесены к незначимым, — например, непредвиденная инфляция, — то они, в основном, менее активны и редко дают абсолютные значения 100. Несмотря на то, что такие переменные, как показывает регрессионный анализ, в среднем мало влияют на результат, в некоторых ситуациях они могут быть очень активными. Поскольку такая маргинальная активность не улавливается регрессией, исследование чувствительности погрешности к изменениям этих якобы малозначимых переменных может продвинуть нас в понимании того, какое влияние глобальные факторы оказывают на рынок акций.

<< | >>
Источник: Д.Э. БЭСТЕНС, В.М. ВАН ДЕН БЕРГ, Д. ВУД. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. — Москва: ТВП,1997. — хх, 236 с.. 1997

Еще по теме Анализ поведения переменных на основе величины погрешности:

  1. 16.2. Экономически равновесное функционирование национальной экономики
  2. Анализ поведения переменных на основе величины погрешности
  3. Структура анкеты и виды вопросов
  4. 12.3. Выбор состава оптимального портфеля ценных бумаг
  5. 4.4. МЕТОДЫ ОЦЕНКИ СТЕПЕНИ ПРОЦЕНТНОГО РИСКА
  6. ПРИЛОЖЕНИЯ
  7. Изучив тему 6, студент должен знать
  8. ТЕМА 6. МАРКЕТИНГОВЫЕ ИССЛЕДОВАНИЯ
  9. 2.4. Анализ привлекательности рынка
  10. 3.4. Виды рыночного спроса и методы его определения
  11. КРИТЕРИИ ОЦЕНКИ ВТОРИЧНОЙ ИНФОРМАЦИИ
  12. 4.3. Тестирование в исследовании систем управления
  13. Восстановительный период.
  14. 2.2. Вероятностно-статистические методы описания неопределенностей в теории принятия решений 2.2.1. Теория вероятностей и математическая статистика в принятии решений
  15. 2.2.5. Описание данных, оценивание и проверка гипотез
  16. 3.3. Вероятностно-статистические методы принятия решений 3.3.1.Эконометрические методы принятия решений в контроллинге