Correlazione modello e Fit (1 Viewer)

Salve a tutti,

sto testando un modello di Markov su di un campione di varianza realizzata stimata con modello non parametrico consistente.

Stavo effettuando delle verifiche di bonta' del modello attraverso la classica WFA Rolling.

Ora al di là del consueto test di rendimento del campione out of sample mi chiedevo se qualcuno utilizza anche la correlazione per determinare le effettive potenzialità.

Mi spiego meglio,
Prima stimo il modello e ottengo il fit
Poi con la WFA ricavo il campione out of sample
Testo il campione out of sample
Testo il campione out of sample mettendolo in correlazione con la serie fittata del modello stimato inizialmente.

Qualcuno utilizza questo metodo?
Se si, qual e' il coefficiente che ci indica un buon livello di bontà?
Un coefficiente maggiore di 0.7 (correlazione forte) e' un buon dato?

Grazie
 

marknik

Nuovo forumer
If you have only one predictor [Y = f (X1)] then the result is exactly the same as correlation.

When you have multiple predictors, there exists some correlation between those predictors . Therefore, if you naiively use the individual correlations of each predictor with the Y variable, you will be modeling a lot of redundancy (which will throw off your model / predictions Kodi nox ).
 
Ultima modifica:

FNAIOS

Salve a tutti,

sto testando un modello di Markov su di un campione di varianza realizzata stimata con modello non parametrico consistente.

Stavo effettuando delle verifiche di bonta' del modello attraverso la classica WFA Rolling.

Ora al di là del consueto test di rendimento del campione out of sample mi chiedevo se qualcuno utilizza anche la correlazione per determinare le effettive potenzialità.

Mi spiego meglio,
Prima stimo il modello e ottengo il fit
Poi con la WFA ricavo il campione out of sample
Testo il campione out of sample
Testo il campione out of sample mettendolo in correlazione con la serie fittata del modello stimato inizialmente.

Qualcuno utilizza questo metodo?
Se si, qual e' il coefficiente che ci indica un buon livello di bontà?
Un coefficiente maggiore di 0.7 (correlazione forte) e' un buon dato?

Grazie

Spero tu stia facendo tutto ciò per passione e basta.
 

FNAIOS

If you have only one predictor [Y = f (X1)] then the result is exactly the same as correlation.

When you have multiple predictors, there exists some correlation between those predictors . Therefore, if you naiively use the individual correlations of each predictor with the Y variable, you will be modeling a lot of redundancy (which will throw off your model / predictions Kodi nox ).

E questa è la risposta al perché ho scritto quanto sopra.
 

Users who are viewing this thread

Alto