Прежде чем мы начнем, мы должны разобраться с мифом о "случайных числах". Ни один генератор случайных чисел не производит истинные случайные числа. Вместо них алгоритм производит псевдослучайные числа - числа, которые являются статистически независимыми согласно большинству гауссовых признаков. Эти псевдослучайные числа фактически имеют длинный цикл, или память, после которого они начинают повторяться. Как правило, циклы достаточно длинны для того, чтобы повторение не обнаруживалось. Недавно, однако, было найдено, что псевдослучайные числа могут исказить результаты, когда большие количества данных используются в моделированиях по методу Монте-Карло. Обычно мы не сталкиваемся с этой проблемой в финансовой экономике. Однако многие из алгоритмов, используемых в качестве генераторов случайных чисел, являются версиями хаотических систем. R/S-анализ особенно хорошо справляется с раскрытием детерминированного хаоса и процессов с долговременной памятью. Поэтому чтобы гарантировать случайность наших испытаний, все ряды случайных чисел в этой книге перед использованием перемешиваются согласно двум другим рядам псевдослучайных чисел. Этот метод не устраняет всю зависимость, но сводит ее к фактически неизмеримым уровням, даже для R/S-анализа. [c.75]
Мы проанализируем АЩ1)-разности логарифмических прибылей для рынков капитала. АК(1)-разности используются для устранения - или, по крайней мере, для сведения к минимуму - линейной зависимости. Как мы видели в Главе 5, линейная зависимость может сместить показатель Херста (и может заставить его выглядеть значимым, когда нет процесса с долговременной памятью) т.е. вызвать ошибку первого рода. Используя АК(1)-разности, мы сводим смещение к минимуму, и, будем надеяться, делаем результаты незначительными. Такой процесс часто называют, предварительным отбеливанием или удалением трендов. Мы будем использовать последний термин. Удаление трендов не подходит для всех статистических испытаний, хотя кажется, что оно используется почти волей-неволей. Для некоторых испытаний удаление трендов может скрыть значимую информацию. Однако в случае R/S-анализа удаление трендов устранит сериальную корреляцию, или кратковременную память, а также инфляционный рост. Сериальная корреляция представляет проблему для очень высокочастотных данных, таких как пятиминутные прибыли. Инфляционный рост является проблемой для низкочастотных данных, таких как 60 лет месячных прибылей. Однако, как мы увидим, для R/S-анализа процесс с кратковременной памятью представляет гораздо большую проблему, чем проблема инфляционного роста. Мы начинаем с ряда логарифмической доходности [c.110]
П. м. создан в 1872 Обществом любителей естествознания, антропологии и этнографии при Московском ун-те, ставившим себе задачи распространения прикладных знаний среди населения. В историю П. м. вошли имена выдающихся деятелей русской науки и техники. В лабораториях музея проводил свои опыты и испытания русской свечи изобретатель электрич. освещения П. Н. Яблочков. В залах музея демонстрировал свои исследования и создавал коллекции парящих птиц Н. Е. Жуковский. А. Г. Столетов и П. Н. Лебедев участвовали в создании в музее демонстрационного кабинета по основам физики. К. А. Тимирязев читал в аудиториях музея циклы лекций по физиологии растений. С деятельностью П. м. связаны имена В. Н. Чико-лева, Н. А. Умова и других русских ученых и изобретателей. 29 апреля и 23 августа 1918 в большой аудитории музея выступал В. И. Ленин. В память этого на фасаде здания П. м. установлена мемориальная доска. [c.285]