Pytanie:
Dlaczego prognozy pogody mogą być tak poprawne?
Jack2019
2013-07-25 02:44:27 UTC
view on stackexchange narkive permalink

Zrobiłem test przy użyciu modelu ARMA dla niektórych serii finansowych. Okazuje się, że wskaźnik przewidywań jest naprawdę bardzo zły - prawie w połowie poprawny, a w połowie błędny…

Jestem nowy w modelu ARMA, więc to, co próbowałem, jest bardzo proste, zgodnie z podręcznikiem podejmowania decyzji (s. q) najpierw dla modelu ARMA przez ACF i PACF, a następnie połowę danych do wykonania regresji, a połowę danych do przetestowania.

Często słyszałem, że prognozowanie pogody jest używane jako model szeregów czasowych. I z mojego codziennego doświadczenia uważam, że to całkiem dobre prognozy.

Zastanawiam się, dlaczego prognoza pogody mogłaby być tak dobra?

Ponadto, jeśli chcę naciskać moją zabawkową ARiMR model na wyższy poziom, jaki kierunek powinienem włożyć w wysiłek?

Kontynuacja:
Poniżej znajdują się dobre odpowiedzi, więc podsumuję je trochę dalej:

  1. Z systematycznego punktu widzenia rynek jako system jest ewoluuje, podczas gdy pogoda jest bardziej stabilna z roku na rok (prawda się nie zmienia).
  2. Rynek jest w pewnym sensie bardziej skomplikowany, podczas gdy pogodą rządzą prawa fizyki (bardziej zrozumiała struktura).
  3. Pogoda jest bardziej okresowa, co zwiększa przewidywalność.
Myślałem, że prognozy pogody używają modeli podobnych do tych używanych w ogólnych modelach cyrkulacji do przewidywania zmian klimatu. Dlatego modelują system za pomocą znanej fizyki, co pomoże.
Myślę, że to sformułowanie jest trochę zbyt luźne, co masz na myśli, mówiąc o poprawności ?. Mówiąc ogólnie, prognoza pogody na dwa miesiące do przodu to w zasadzie science fiction; opiera się głównie na danych historycznych i wielu symulacjach (jeśli mają dużo pieniędzy). Modele zmiany klimatu (a więc długoterminowe prognozy pogody, jeśli chcesz) są teraz naprawdę gorącym podłożem dla statystyki. Drugie pytanie: baw się modelem GARCH.
„* Moje podejście jest raczej naiwne * ... * dlaczego prognoza pogody może być tak dobra? *”. Po prostu: ponieważ nie jest to takie naiwne.
Podsumowując, prognozy pogody oparte na fizyce są ogólnie uważane za mające pewną wartość dodaną do około 14 dni (10 to prawdopodobnie lepsza odpowiedź). Poza tym klimatologia (np. Średnia w jakimś miejscu w pewnym momencie roku) lub wytrwałość (np. Ta sama pogoda co dzień wcześniej) będą generalnie przewyższać fizyczne modele prognostyczne.
Chciałem tylko dodać, że jeśli chcesz dowiedzieć się nieco więcej o prognozach pogody, jest cały rozdział na ten temat w książce Nate Silver * The Signal and the Noise * (pop-science).
Jeden odpowiedź:
sashkello
2013-07-25 05:39:39 UTC
view on stackexchange narkive permalink
  1. Historyczna pogoda jest w stanie przewidzieć przyszłą pogodę ZNACZNIE lepiej niż historyczne dane finansowe mogą przewidzieć przyszłe dane finansowe. Technologie handlu / inwestowania szybko się zmieniają, a mechanika rynku lat 80-tych bardzo różni się od obecnych zachowań. Pogoda charakteryzuje się okresowością i dość płynnymi przewidywalnymi wzorcami, w przeciwieństwie do szeregów finansowych, w których można zaobserwować skoki, brak średniego powrotu itp.

  2. Dobrej jakości obserwacje pogodowe mogą sięgać początku XX wieku. do danych finansowych, które zwykle obejmują dwie dekady lub nawet mniej (ponownie, wczesne dane i tak nie miałyby sensu). Ma więc znacznie więcej danych szkoleniowych.

  3. Z pewnością prognozy pogody uwzględniają nie tylko wartości szeregów czasowych (to samo dotyczy prognoz finansowych). Ale nawet najbardziej naiwne podejście „przewidywanie grudniowej pogody jako średniej z ostatnich 10 lat grudnia” da całkiem niezłe przybliżenie (taka prognoza finansowa będzie kompletnym nonsensem). W grę wchodzą prawa fizyki, które są znacznie bardziej rygorystyczne niż prawa rynków finansowych - w końcu ilość losowości w cyklonach i wiatrach jest znacznie mniejsza niż w ruchach rynkowych.

  4. Aby ulepszyć swój model, musisz najpierw zrozumieć mechanikę szeregów czasowych, które próbujesz przewidzieć, i na nich oprzeć swój model, a nie odwrotnie. Najprawdopodobniej biorąc pod uwagę tylko ceny akcji, nie będziesz w stanie niczego przewidzieć - spróbuj zobaczyć inne parametry i wskaźniki, może patrząc na wolumeny i otwarte zainteresowanie, próbując znaleźć tam jakieś korelacje. Jest to o wiele trudniejsze, niż się wydaje, ponieważ gdyby było to łatwe, każdy by to zrobił, co zmusiłoby ceny do zbliżenia się do „wartości godziwej”, a tym samym ponownie uczyniłoby to bezużytecznym. Proponuję nie komplikować swojego modelu, ale raczej spędzić czas na badaniu mechanizmów rynkowych, a dopiero potem na budowaniu go - nie zajdziesz daleko, po prostu wprowadzając dane do jakiegoś standardowego predyktora i oczekując, że da on dobre prognozy.

+1 Myślę, że jedna kwestia powinna być może być podkreślona i wyrażona mocniej: nie chodzi tylko o zrozumienie mechaniki informowania modelu, czy znamy „prawa” rynku, itd. Pomiędzy refleksyjnym a nie -zjawiska refleksyjne. Pogoda nie „dba” o jej prognozy, przynajmniej nie z dnia na dzień, podczas gdy większość serii finansowych wynika po części z działań wielu innych osób uzbrojonych w modele ARiMR i tym podobne.
@GaëlLaurans, dobra uwaga, dzięki za powtórzenie!


To pytanie i odpowiedź zostało automatycznie przetłumaczone z języka angielskiego.Oryginalna treść jest dostępna na stackexchange, za co dziękujemy za licencję cc by-sa 3.0, w ramach której jest rozpowszechniana.
Loading...