Regresión Bayesiana - ¿Alguien ha hecho un EA utilizando este algoritmo? - página 12
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
...
Yusuf, lo siento, pero estás harto de meter tu 18 en todas partes y en todas las ocasiones.
Gauss ISC no es un retroceso, es un clásico que es mejor y más simple que nunca y nunca lo será. No hay nada más estúpido y tonto que dividir los métodos matemáticos en modernos y obsoletos.
Yusuf, lo siento, pero estás harto de meter tu 18 en todas partes y en todas las ocasiones.
Gauss ISC no es un retroceso, es un clásico que es mejor y más simple que nunca y nunca lo será. No hay nada más estúpido y tonto que dividir los métodos matemáticos en modernos y obsoletos.
Dimitri, gracias por la observación sobre la incorrección, corregida, pero esencialmente, ¿hay alguna objeción fuerte a (18), tal como la planteas? Como, ¿es este modelo de regresión mejor que (18)? MNC se aplica en presencia de dependencia lineal, y (18), aparte del caso lineal, cubre igualmente con éxito el dominio no lineal, conservando todas las ventajas de MNC.
A continuación, para que la regresión se convierta en bayesiana, se asume que la eps se distribuye según la ley normal.
Por favor, los que sean copenhagenistas, corríjanme si algo está mal y aconséjenme qué hacer a continuación.
Descarta la distribución normal, ya que no se observa en ninguna parte de los instrumentos financieros. Y en su lugar construir un histograma de la densidad de la distribución real y aproximarla.
Para entender la diferencia, basta con echar un vistazo a la siguiente captura de pantalla. La línea negra representa una distribución normal y la roja un histograma de la función de densidad de probabilidad real.
Es decir, si sólo tomamos una distribución triangular, habrá mucho menos error. Aunque es más fácil tomar dos círculos contiguos cuyos centros estén en la misma línea horizontal o elipses contiguas para mayor precisión, ya que los lados del triángulo son claramente cóncavos.
1. Descarta la distribución normal, ya que no se observa en ninguna parte de los instrumentos financieros. En su lugar, construye un histograma de la densidad de la distribución real y aproxímalo.
2. Para entender la diferencia, basta con ver la siguiente captura de pantalla. La línea negra muestra la distribución normal, y la línea roja el histograma de la función de densidad de probabilidad de la volatilidad real.
3 Es decir, si sólo se toma una distribución triangular, habrá mucho menos error. Aunque es más fácil tomar dos círculos contiguos cuyos centros estén en la misma línea horizontal o elipses contiguas, ya que los lados del triángulo son claramente cóncavos, para obtener una mayor precisión.
1. ¿Dónde aproximarse? ¿Aproximar qué y a qué?
2.
3. ¿El error de qué?
¿Qué te hace pensar eso? En absoluto. No hay que pensar en ello, es como definir el alcance de la regresión bayesiana.
Tenemos que determinar las características necesarias para calcular la regresión bayesiana. Esta es la primera pregunta de cómo hacer un círculo cuadrado. Aquí es donde puede darse cuenta de que la regresión bayesiana no encaja en absoluto. Pero no nos importa... hay que hacer algo. Supongamos que la coincidencia de los valores de los precios de una fila y la segunda fila (en nuestro caso la línea) corresponderá a la máxima probabilidad. Y el camino máximo por uno será 1/n (n - número de barras). Aunque este enfoque es como dibujar con una horquilla en el agua. Así que deberíamos inventar alguna fórmula que en el argumento 0 diera 1/n, y en el argumento creciente tendiera a 0. Luego escribimos la fórmula de baes y sustituimos la fórmula que inventamos antes por las probabilidades. A continuación tenemos que encontrar el máximo de la función resultante. Probablemente tome la derivada, la iguale a cero...
El resultado será casi el mismo que el de la regresión lineal, porque el objetivo inicial era combinar la recta y la serie de precios.
La suposición de que los datos sobre Forex tienen una distribución normal, y por lo tanto es el ámbito de la regresión bayesiana es por qué.
Forex es una gran cantidad de empresas de corretaje, las empresas de divisas, las cocinas - Europea, China, Bahamas, Bermudas ... Hay muchos. Ninguno de ellos domina y no contribuye de forma decisiva a la formación de los precios, como tampoco lo hace ningún actor del mercado. La hipótesis se basa en el teorema del límite central de la teoría de la probabilidad:
"La suma de un número suficientemente grande de variables aleatorias débilmente dependientes de aproximadamente la misma magnitud (ninguna de ellas domina, ningún determinante contribuye a la suma) tiene una distribución cercana a la normal."(Wikipedia)
Tal y como yo lo entiendo en relación con el mercado de divisas. Si recopilamos todos los ticks de TODAS las empresas de corretaje en una barra M5 (millones de ticks), la distribución de los ticks dentro de la barra se acercará a una normal. Y cuanto más antiguo sea el marco temporal, más se acercará. Cada empresa de corretaje en particular tiene su propio flujo de cotizaciones que difiere del flujo global dominante por la medida de depreciación de esta empresa de corretaje. Este flujo dominante en el gráfico representa una curva (¡no una línea recta!) de la que ninguna empresa de corretaje puede alejarse.
El supuesto de que los datos de divisas tienen una distribución normal y, por tanto, son objeto de una regresión bayesiana es el motivo.
Forex es una gran cantidad de empresas de corretaje, las empresas de divisas, las cocinas - Europea, China, Bahamas, Bermudas ... Hay muchos. Ninguno de ellos domina y no contribuye de forma decisiva a la formación de los precios, como tampoco lo hace ningún actor del mercado. La hipótesis se basa en el teorema del límite central de la teoría de la probabilidad:
"La suma de un número suficientemente grande de variables aleatorias débilmente dependientes de aproximadamente la misma magnitud (ningún sumando domina, ningún determinante contribuye a la suma) tiene una distribución cercana a la normal."(Wikipedia)
Tal y como yo lo entiendo en relación con el mercado de divisas. Si recogemos en una barra M5 todos los ticks de TODAS las empresas de corretaje (millones de ticks) entonces la distribución de los ticks dentro de la barra será cercana a una normal. Y cuanto más antiguo sea el marco temporal, más cercana será. Cada empresa de corretaje en particular tiene su propio flujo de cotizaciones que difiere del flujo global dominante por la medida de depreciación de esta empresa de corretaje. Este flujo dominante en el gráfico representa una curva (¡no una línea recta!) de la que ninguna empresa de corretaje puede alejarse.
¿Así que no entendiste nada de lo que escribí?
Descarta la distribución normal, ya que no se observa en ninguna parte de los instrumentos financieros. En su lugar, construye un histograma de la densidad de la distribución real y aproxímalo.
Para entender la diferencia, basta con echar un vistazo a la siguiente captura de pantalla. La línea negra muestra la distribución normal y la línea roja el histograma de la función de densidad de probabilidad real.
Es decir, si sólo tomamos una distribución triangular, habrá mucho menos error. Aunque es más fácil tomar dos círculos contiguos cuyos centros estén en la misma línea horizontal o elipses contiguas para obtener una mayor precisión, ya que los lados del triángulo son claramente cóncavos.
Yuri,
Prueba la distribución de Laplace - exponencial bilateral. En mi opinión, los datos financieros son los más cercanos.
Estimación analítica de los parámetros de máxima verosimilitud para Laplace:
Estimación de parámetros[editar]
Dadas N muestrasindependientes e idénticamente distribuidasx1,x2, ...,xN, elestimador demáxima verosimilitudde μ es lamediana de la muestra,[1]y elestimador demáxima verosimilitud de bes
de: https://en.wikipedia.org/wiki/Laplace_distribution
¿Así que no has entendido nada de lo que he escrito?
He respondido a tu primera pregunta. Lo de los signos no lo entiendo, ¿encontrar el número de compases en los que funciona la teoría? ¿Y de ahí a bailar? Lo rechazo de inmediato.
"El propósito original era combinar la línea recta y la serie de precios". - Si la regresión bayesiana es una línea recta, entonces no sirve.