Pular para o conteúdo principal

Cookies no Macro by Mark.Usamos cookies essenciais para login, idioma e segurança. Com sua permissão, também usamos cookies opcionais de preferências, para análise e para medição de anúncios com o Pixel da Meta (Facebook). Leia nossa política de cookies.

Macro by MarkMacro by Mark
  • Início
Carregando…
Carregando…
← Modelos
MacroConceitosPolíticaModelos

Modelo Elastic Net

Regressão regularizada que combina seleção LASSO com encolhimento ridge para blocos de preditores correlacionados.

Visão geralGráficoMatemáticaReferências

Área do gráfico

Painel de previsão de Elastic Net

Área do gráfico

Conjuntos largos de preditores macro em que grupos correlacionados importam e o LASSO puro escolheria uma variável de forma instável. O gráfico transforma essa pergunta em um cenário ajustável, com controles suficientes para ver direção, persistência e limites sem fingir estimação em tempo real.

Metadados dos eixos
xHorizonte da previsãotempo discreto · 1 a 24 períodos à frenteyValor previsto ou erroíndice · escala normalizada pelo cenário
Coeficientes do bloco com sinal
conforme a penalidade é relaxada (mais
forte à esquerda) static chart preview showing Coeficiente com sinal 1, Coeficiente com sinal 2, Coeficiente com sinal 3, Coeficiente com sinal 4, Um coeficiente sem sinal
Coeficientes na penalidade escolhida,
por bloco static chart preview showing Series 1
xHorizonte da previsãotempo discreto · 1 a 24 períodos à frenteyValor previsto ou erroíndice · escala normalizada pelo cenário

Resultados atuais

Variáveis selecionadas com a penalidade de 1 erro-padrão

Explicar: Variáveis selecionadas com a penalidade de 1 erro-padrão
∣A(α,λ1SE)∣|\mathcal{A}(\alpha, \lambda_{1\text{SE}})|∣A(α,λ1SE​)∣

Compare este valor entre cenários para ver o efeito dos controles.

10.00

contagem

Taxa de recuperação dos blocos

Explicar: Taxa de recuperação dos blocos
(blocks with at least one selected member)/(true active blocks)\text{(blocks with at least one selected member)} / \text{(true active blocks)}(blocks with at least one selected member)/(true active blocks)

Compare este valor entre cenários para ver o efeito dos controles.

1.00

proporção

Dispersão dos coeficientes dentro do bloco

Explicar: Dispersão dos coeficientes dentro do bloco
max⁡j,k∈G∣β^j−β^k∣\max_{j,k \in G} |\hat{\beta}_j - \hat{\beta}_k|maxj,k∈G​∣β^​j​−β^​k​∣

Compare este valor entre cenários para ver o efeito dos controles.

0.3027

unidades padronizadas

EQM de previsão

Explicar: EQM de previsão
nval−1∥yval−Xvalβ^EN∥22n_{\text{val}}^{-1}\|y_{\text{val}} - X_{\text{val}}\hat{\beta}_{\text{EN}}\|_2^2nval−1​∥yval​−Xval​β^​EN​∥22​

Compare este valor entre cenários para ver o efeito dos controles.

1.55

unidades ao quadrado

Parâmetros do modelo

0.5
Explicar: Mistura L1/L2

Controle do modelo: mova-o e veja como o cenário muda.

Compare o gráfico e as leituras antes e depois de mover o controle.

0.8
Explicar: Correlação dentro do bloco

Controle do modelo: mova-o e veja como o cenário muda.

Compare o gráfico e as leituras antes e depois de mover o controle.

1
Explicar: Nível de ruído

Controle do modelo: mova-o e veja como o cenário muda.

Compare o gráfico e as leituras antes e depois de mover o controle.

100
Explicar: Tamanho da amostra

Controle do modelo: mova-o e veja como o cenário muda.

Compare o gráfico e as leituras antes e depois de mover o controle.

1.5
Explicar: Força do sinal

Controle do modelo: mova-o e veja como o cenário muda.

Compare o gráfico e as leituras antes e depois de mover o controle.

Continue por aqui

Leia a seguir

Continue com um conceito, modelo ou exemplo relacionado.

Modelo teórico

IS-LM Model

modelo teórico bem conectado a dois passos daqui

Novo ângulo: modelo teórico →
Macro by Mark
Ajuda
Política de PrivacidadeTermos de UsoÉtica e conformidade

© 2026 Mark Jayson Nation LLC