Вход

Потребителско име:

 Запомни ме на това устройство
Регистрация

e-mail:

Потребителско име:

Парола:

Потвърди парола:

Код:

 съгласен съм с условията за ползване
 Ежедневен нюзлетър
 Седмичен нюзлетър

Съобщение

Collapse
No announcement yet.

Колко са полезни математиката и физиката (точни науки) за икономиката и финансите?

Collapse
X
Collapse
301 Moved Permanently

Moved Permanently

The document has moved here.

  • Филтър
  • Време
  • Покажи
Clear All
new posts

  • Джамп математика. В нашенските училища се подменя тихомълком традиционната математика с нещо подобно на математика, Джамп... Не е разрешено децата да носят учебниците в къщи, не е разрешено да се работи в къщи... Какво е това апокрифно образование, За някаква интелектуална собственост в образованието по математика ли иде реч...

    Доста често решенията на задачите не съдържат математика.... Например верния отговор на една задача да се намери максималното произведение на три числа се получава, след като шестицата се завърти и се използва, като девятка.... Хамериканска работа, тука се иска адвокатски умения, да заобиколиш правилата, а не математически умения

    Коментар


    • Ще се окаже, че хуманитарните науки са по-полезни. Там поне, не са необходими чак толкова ядра...

      Коментар


      • Пуснах го да извърти 10 милиона симулации на процеса. От тях само 7 стигнаха над 800

        Май ще ми трябва работна станция с 64 ядра в един момент
        Last edited by Money; 28.11.2019, 19:57.

        Коментар


        • Click image for larger version

Name:	Screenshot 2019-11-28 at 14.32.15.png
Views:	1
Size:	3.9 КБ
ID:	3520723




          Горния сампъл е от 0 до 400, а долният от 0 до -120 и е доста по-назъбен. Логчино...

          Ясно, че ако бяха в един мащаб щяха да са виждат еднакво назъбени
          Last edited by Money; 28.11.2019, 16:35.

          Коментар


          • Ха-х, да от мащаба е, разбира се. Мерси, че ми обърна внимание

            Мащабът по вертикала си го променя pyplot. Това е стохастичен, нестационарен процес с постоянно променящо се разпределине (distribution) и може да отхвърчи доста нагоре до 400-500 или да си остане в рамките на 60-100 при 300 итерации. Това не може да се каже предварително. Шумът се генерира със случайни числа и се получава натрупване

            Единицата ми е тренда (дрифта), другата единица (1.001) ми е псевдо-unit root-а, което прави процеса стохастичен

            Това че имам тренд нагоре не пречи при 300 итерации целият процес пак да забие надолу, имам и такива сампъли

            Първоначално изпратено от Тъпо парче Разгледай мнение
            Имам предвид мащаба на Y - едното ти е +/- 40, другото +400. Различен брой точки ли използваш?
            Подозирам, че тази единица в y_t=1+1.001*...ти омазва нещата, защото рязко тръгва нагоре след 20-30-тата итерация. Aко държиш да почваш от 1, сложи y_t=1 в началото, и после го разкарай от y_t=1+1.001*....

            Коментар


            • Първоначално изпратено от Money Разгледай мнение
              Мащабът е оплескан от investor.bg
              Това го правя в Jupyter Notebook. При мене няма разлика в мащаба и разликата в "гладкостта" я виждам още по-ясно.
              Имам предвид мащаба на Y - едното ти е +/- 40, другото +400. Различен брой точки ли използваш?
              Подозирам, че тази единица в y_t=1+1.001*...ти омазва нещата, защото рязко тръгва нагоре след 20-30-тата итерация. Aко държиш да почваш от 1, сложи y_t=1 в началото, и после го разкарай от y_t=1+1.001*....

              Коментар


              • За да ти проработи добавяш отгоре и това, за да импоритраш тези две библиотеки

                import numpy as np
                import matplotlib.pyplot as plt



                Click image for larger version

Name:	Screenshot 2019-11-28 at 13.40.36.png
Views:	1
Size:	7.5 КБ
ID:	3520709

                Коментар


                • Мащабът е оплескан от investor.bg

                  Това го правя в Jupyter Notebook. При мене няма разлика в мащаба и разликата в "гладкостта" я виждам още по-ясно. Доста ме озадъчава...

                  Кодът съм си го написал сам, между другото. Няма грешка в циклите. Единият генерира самия AR(1) процес, наблъсква резултата в един лист y и после печата. Хиксът ми е просто един списък със 300 равноотдалечени единици, за да си направия оста х от 1 до 10

                  Другият цикъл е "отгоре" само за да повтори упражнениете 15 пъти да ми даде 15 сампъли

                  Първоначално изпратено от Тъпо парче Разгледай мнение

                  Защо мащабите са различни? Не знам какво пипаш в кода, но подозирам, че от това ти изглежда по-гладка. Също в питоня е много подло положението с подравняването на кода - така както си го копнал, не може да се види - може някой цикъл да ти е грешен?


                  едит: ВИНАГИ си проверявай резултатите, дори в ексела - дали ти следва тренда и стандартното отклонение
                  Last edited by Money; 28.11.2019, 15:46.

                  Коментар


                  • Интересно. Все още съм далаче от теорията на хаоса, но ми е интересна и като му дойде времето ще се занимая и с това

                    В една книга прочетох, че хаосът е процес, който се променя от deterministic в stochatsic и обратно. Една пък тука докторантка по иконометрия ми каза, че това не било задължително. Ти какво мислиш?


                    Иначе аз за сега гледам съвсем обикновени неща от иконометрията 101, като авторегресия и random walk. Да, процесът е доста чувствителен към коефициентите. Имам и известна представа чисто математически защо е така и как да ги калибрирам, но пак си поиграх малко на ръка докато заприлича на борсов индекс



                    Като пробвах твоята формула и ми се получи това:
                    Click image for larger version

Name:	Screenshot 2019-11-28 at 13.18.51.png
Views:	1
Size:	2.8 КБ
ID:	3520705





                    твоят х при мене си остана y. А това, че е y_t и от двете страни не е проблем. В Пайтън ако напишеш y = y + 1 това значи, че y приема нова стойност, която е старата плюс едно

                    y = []
                    y_t = 0.75
                    x = np.linspace(1, 10, 100)

                    for i in range(len(x)):
                    y_t = 0.9 * y_t * (1 - y_t)
                    y.append(y_t)

                    plt.figure(figsize=(15, 5))
                    plt.scatter(x, y)
                    plt.plot(x, y)
                    plt.show()


                    Първоначално изпратено от Bingomatic2 Разгледай мнение
                    Здравей Money,

                    Това с което си се захванал се нарича logistic map и е добре изследвано в теория на хаоса. Най-известната такава функция е
                    x → 4 x (1 – x). Самата функция създава случайнин числа. Изобщо не ти трябва ти да слагаш рандом. Изключително чувствителна е
                    към коефициентите. Пробвай с различни стоиносто на онова 0.01. Потърси в нета други такива функции.
                    Друго коети бих ти препоръчал е "shift" генератор на псевдослучаини числа.
                    Всъщност е доста трудно да симулираш направиш случаен процес.

                    Поздрави,
                    Last edited by Money; 28.11.2019, 15:27.

                    Коментар


                    • Първоначално изпратено от Money Разгледай мнение
                      Ето две други сампълчета, пак излезли от един и същи код и пак едното силно назъбено, а дургото доста гладко

                      [ATTACH=CONFIG]n3520581[/ATTACH]
                      [ATTACH=CONFIG]n3520582[/ATTACH]
                      Защо мащабите са различни? Не знам какво пипаш в кода, но подозирам, че от това ти изглежда по-гладка. Също в питоня е много подло положението с подравняването на кода - така както си го копнал, не може да се види - може някой цикъл да ти е грешен?


                      едит: ВИНАГИ си проверявай резултатите, дори в ексела - дали ти следва тренда и стандартното отклонение

                      Коментар


                      • Здравей Money,

                        Това с което си се захванал се нарича logistic map и е добре изследвано в теория на хаоса. Най-известната такава функция е
                        x → 4 x (1 – x). Самата функция създава случайнин числа. Изобщо не ти трябва ти да слагаш рандом. Изключително чувствителна е
                        към коефициентите. Пробвай с различни стоиносто на онова 0.01. Потърси в нета други такива функции.
                        Друго коети бих ти препоръчал е "shift" генератор на псевдослучаини числа.
                        Всъщност е доста трудно да симулираш направиш случаен процес.

                        Поздрави,

                        Коментар


                        • Ето две други сампълчета, пак излезли от един и същи код и пак едното силно назъбено, а дургото доста гладко

                          Click image for larger version

Name:	Screenshot 2019-11-27 at 23.29.21.png
Views:	1
Size:	3.8 КБ
ID:	3520581

                          Click image for larger version

Name:	Screenshot 2019-11-27 at 23.29.55.png
Views:	1
Size:	5.7 КБ
ID:	3520582

                          Коментар


                          • Някой има ли идея защо като генерирам симулация на random walk (по-скоро на AR(1) процес) с един същи Пайтънски код, понякога серията става много гладка, а друг път силно назъбена?

                            Тука не знам защо сампълите излизат кофти в различен формат, но мисля, че се вижда достатъчно за какво става дума

                            Процесът е съвсем прост AR с един лаг, слаб тренд нагоре и е почти random walk с дрифт:

                            Y(t) = 1 + 1.001 * Y(t -1) + u(t)


                            Ето го и кодът:


                            import random

                            for j in range (15):
                            y = []
                            y_t = 0
                            x = np.linspace(1, 10, 300)
                            for i in range(len(x)):
                            noise = random.randint(-11, 10)
                            y_t = 1 + 1.001 * y_t + noise
                            y.append(y_t)

                            plt.figure(figsize=(15, 5))
                            plt.scatter(x, y)
                            plt.plot(x, y)
                            plt.show()

                            Първият цикъл от 15 е за да ми направи 15 sample-а
                            Click image for larger version

Name:	Screenshot 2019-11-27 at 23.22.23.png
Views:	1
Size:	4.5 КБ
ID:	3520574

                            Click image for larger version

Name:	Screenshot 2019-11-27 at 23.22.03.png
Views:	1
Size:	6.6 КБ
ID:	3520575

                            Last edited by Money; 28.11.2019, 01:43.

                            Коментар


                            • Първоначално изпратено от Todor Sabev Разгледай мнение

                              Я до кът не си изчезнал отново .
                              Би ли ми ме насочил за информация от нета за онзи експеримент с нормални хора вкарани в затворническа среда. щот не съхраних информацията.
                              Кът гледам, май тази театрална постановка е зародиш на сегашните биг брадъри и ферми.
                              ​​​​​

                              Коментар


                              • Да, разбира се. Пускал съм линк към станфордския експеримент на Зимбардо.

                                https://en.wikipedia.org/wiki/Stanfo...son_experiment

                                Наскоро една докторантка по мениджмънт ми спомена някакъв друг подобен експеримент, но тя май нещо не се бъркаше със същия експеримент на Зимбардо

                                Първоначално изпратено от Todor Sabev Разгледай мнение

                                Я до кът не си изчезнал отново .
                                Би ли ми ме насочил за информация от нета за онзи експеримент с нормални хора вкарани в затворническа среда. щот не съхраних информацията.

                                Коментар

                                Working...
                                X