Pourriez-vous expliquer pourquoi les modèles linéaires généralisés (GLM) sont souvent considérés comme supérieurs aux modèles linéaires (LM) dans le domaine de la crypto-monnaie et de l'analyse financière ?
Bien que les LM aient leur utilité, les GLM semblent gagner en popularité.
Est-ce dû à leur capacité à gérer des relations non linéaires et des distributions non normales, qui sont répandues dans les données financières ?
Ou est-ce leur flexibilité dans l’intégration de différentes fonctions de lien qui permet une compréhension plus nuancée des données ?
En outre, pourriez-vous fournir des exemples de scénarios dans lesquels les GLM ont fourni une puissance prédictive ou des informations supérieures à celles des LM dans le domaine de la crypto-monnaie et de la finance ?
5 réponses
Stefano
Sun Jun 30 2024
Contrairement à la régression linéaire standard, GLM possède une plus grande flexibilité.
CryptoWizardry
Sun Jun 30 2024
Cette flexibilité est attribuée à la capacité de GLM à gérer des variables de sortie non continues ou illimitées.
TaekwondoMasterStrengthHonor
Sun Jun 30 2024
GLM permet aux variations des entrées sans contrainte d'avoir un impact sur la variable de sortie, mais d'une manière qui est correctement mise à l'échelle ou contrainte.
ZenBalanced
Sun Jun 30 2024
GLM, pour Generalized Linear Model, est une vaste catégorie de méthodes statistiques qui étendent la régression linéaire traditionnelle.
PhoenixRising
Sun Jun 30 2024
Une telle flexibilité permet d'appliquer le GLM à un plus large éventail de problèmes du monde réel, au-delà de ceux pour lesquels la régression linéaire traditionnelle suffirait.