Discusión sobre el artículo "Clasificador bayesiano ingenuo para las señales de un conjunto de indicadores" - página 2
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Entonces el tema de otro artículo - ¿cómo encontrar indicadores que son independientes entre sí de forma automática?
Y luego casi tenemos un sencillo KnowHow para crear robots a partir de cualquier colección de indicadores. Además, se puede añadir trailing, mangement y así sucesivamente al algoritmo básico a través del MQL5 Wizard.
Sí, hay un tema. Ya ha sido tratado por los científicos reales, que no soy - usted puede encontrar artículos en Internet. No tengo material preparado, y probablemente me llevará mucho tiempo elaborarlo. Al mismo tiempo, ya hay publicaciones sobre el tema en mql5.com, como ésta o ésta.
Dicho esto, ya hay publicaciones en mql5.com sobre el tema, como ésta o ésta.
Gracias por los enlaces y el recordatorio, pero no es eso, no es una mecánica popular.
Gracias por los enlaces y el recordatorio, pero no es eso, no es mecánica popular.
¿He entendido bien la idea de que los enlaces proporcionados son difíciles de entender y prácticos, y ahora sólo requieren un "coche de trabajo" listo sin todo el Excel y R cosas? Este soy yo aclarando para futuros autores potenciales. ;-)
¿He entendido bien que las referencias dadas son difíciles de entender y aplicar en la práctica, y ahora sólo quieres un "coche de trabajo" ya hecho sin Excel ni R? Este soy yo aclarando para futuros autores potenciales. ;-)
Claro: todo el mundo sabe utilizar los smartphones, aunque nadie conozca los fundamentos de la radioingeniería y otras ciencias complejas que intervienen en ellos.
Un clasificador bayesiano ingenuo requiere una forma fuerte de independencia de un conjunto de características (en nuestro caso, indicadores): independencia en conjunto (no sólo por pares o sin correlación). Me he topado con la afirmación de que tal independencia no puede obtenerse para un conjunto de indicadores ordinarios y significativos.
Un clasificador bayesiano ingenuo requiere una forma fuerte de independencia de un conjunto de características (en nuestro caso - indicadores) - independencia en el conjunto (no sólo pairwise o no correlacionados).
Será posible comparar los resultados teóricos de los cálculos con los resultados prácticos de las estrategias de prueba basadas en varios indicadores. Creo que 3 indicadores en una estrategia es el techo, no se puede insertar más.
Lo más probable es que tengas razón. Desde el punto de vista teórico, puede haber más indicadores independientes (incluso igual al número de barras en las que contamos), sólo que no serán muy significativos. Pero es muy posible que podamos componer algún número de indicadores normales (o cercanos a ellos) a partir de ellos.
Las consideraciones son aproximadamente las siguientes. Supongamos que tenemos n barras. Definamos el precio medio p(i) para cada una de ellas, por ejemplo p(i)=(apertura(i)+cierre(i))/2. El conjunto de variables aleatorias p(1),...,p(n) será, por supuesto, dependiente. Pero se sabe que una serie de precios está próxima a ser considerada como una serie de incrementos independientes. Por tanto, el conjunto de n variables aleatorias d(1)=p(2)-p(1), d(2)=p(3)-p(2), ... d(n-1)=p(n)-p(n-1), p(n) serán casi independientes. Ahora bien, cualquier conjunto de funciones de nuestro conjunto será independiente si cualquier argumento se incluye sólo en la expresión de una de ellas. En pocas palabras: el conjunto para cuatro barras de las funciones I1(d1,d2) e I2(d3,p4) será independiente, pero I1(d1,d2,d3) e I2(d3,p4) no será independiente, debido a d3.
Por ejemplo, dos MA diferentes siempre serán dependientes. Pero si tomas dos MAs tales que la segunda está desplazada hacia atrás en el tiempo por el periodo de la primera, entonces un sistema de la primera MA y su diferencia serán independientes.
Intentaré relatarlo con mis propias palabras de forma más sencilla:
1. Supongamos que hay tres estrategias:
2. Los tres indicadores A, B y C no están correlacionados entre sí, es decir, dan señales para entrar en el mercado independientemente unos de otros.
3. Es necesario calcular el porcentaje teórico de operaciones ganadoras para la estrategia Start_ABC, en la que la entrada en el mercado se produce sólo si los tres indicadores muestran simultáneamente la entrada en la misma dirección.
Entonces P(Ganar|ABC) = P(Ganar|A)* P(Ganar|B)* P(Ganar|C) /[ P(Ganar|A)* P(Ganar|B)* P(Ganar|C) - (1 - P(Ganar|A))*(1 - P(Ganar|B))*(1 - P(Ganar|C)) ]
Gracias. Entonces resulta que P(Win|ABC) es siempre mayor que cada estrato individualmente.
Entonces el tema de otro artículo es ¿cómo encontrar indicadores que son independientes entre sí de forma automática?
Y entonces tenemos casi listo un sencillo KnowHow sobre cómo crear robots a partir de cualquier colección de indicadores. A continuación, puede añadir trailing, mani-management y demás al algoritmo básico a través del MQL5 Wizard.
Tome una ventana arbitraria (N) y extiéndala en el tiempo, construyendo una matriz de correlación para cada momento. A continuación, sume todas las matrices y obtener el promedio. Cuanto más cercano a cero sea el valor de la celda correspondiente de la matriz promedio, más independientes son los indicadores entre sí a lo largo del intervalo N.
Probablemente, en R esto se hace en una línea, porque, obviamente, tal tarea es una de las primeras en la investigación estadística.
Gracias. Entonces resulta que P(Win|ABC) es siempre mayor que cada estrato individualmente.
sólo si todas las estrategias son mutuamente independientes y dan una probabilidad mayor que 0,5.