Regresión Bayesiana - ¿Alguien ha hecho un EA utilizando este algoritmo? - página 44
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
La clasificación también se basa en las características de los datos entrantes, y si estas características cambian con el tiempo, la aplicación futura de la clasificación dará una predicción incorrecta
Todo es triste...
Exactamente. Descomponer los datos en bins (bolsas) es fácil. El problema será cuando la distribución de probabilidad en los bins cambie en los datos fuera de la muestra de entrenamiento.
Nada dura para siempre bajo la luna.
Pero hay algo en la clasificación que está muy cerca del oído del comerciante.
Nos sentamos y miramos los gráficos e intentamos encontrar algunos patrones. Y aquí está: ¡la intersección de dos barras! Por no hablar de un patrón como "cabeza y hombros".
Y entonces ejecutas el algoritmo y encuentra varios cientos de árboles (cien veces más felices que con los mash), que son combinaciones de valores de datos de entrada, que pueden asociarse con la variable de salida. Sólo un parentesco de almas y de AT, ¡pero a qué nivel!
Los datos no estacionarios no se pueden predecir con modelos de series temporales. Ni modelos estadísticos (regresión, autorregresión, suavización, etc.) ni modelos estructurales (NS, clasificación, cadenas de Markov, etc.).
Sólo modelos de áreas temáticas
Obviamente no entiendo algo, pero de qué estadística y de qué modelos debemos hablar si la función de correlación de una derivada de un proceso de Wiener es una función delta. Por supuesto, los datos del mercado no son un proceso de Wiener en su forma pura (al menos no en un entorno estacionario homogéneo), pero las correlaciones en el mercado moderno son significativas en un intervalo que no suele superar las 1 ó 2 horas, la mayoría entre 15 y 30 minutos. Y, en realidad, no es un hecho que esto sea la realidad y no un "reflejo aparente de la luna aparente" (c)
Es interesante que tu punto de vista coincida fuertemente con el mío ) he demostrado la presencia de "correlaciones" estables o mejor dicho dependencias en varios predictores sólo para el intervalo de 20 minutos a una hora. Leer:https://www.mql5.com/ru/blogs/post/661499
Pero esta no es todavía la verdad definitiva. La importancia de la inclinación de la probabilidad para una variable booleana (que predice el signo del movimiento de los precios) existe en horizontes más lejanos. Ya escribiré sobre esto con más detalle.
Nada dura para siempre bajo la luna.
Pero hay algo en la clasificación que está muy cerca del oído del comerciante.
Nos sentamos y miramos los gráficos e intentamos encontrar algunos patrones. Y aquí está: ¡la intersección de dos barras! Por no hablar de un patrón como "cabeza y hombros".
Y luego ejecutas el algoritmo y encuentra varios cientos de árboles (cien veces más felices que con los mash), que son combinaciones de valores de datos de entrada, que pueden asociarse con la variable de salida. Sólo un parentesco de almas y de AT, ¡pero a qué nivel!
Los datos no estacionarios no se pueden predecir con modelos de series temporales. Ni modelos estadísticos (regresión, autoregresión, suavización, etc.) ni modelos estructurales (NS, clasificación, cadenas de Markov, etc.).
Sólo modelos de áreas temáticas
¿Dónde puedo leer sobre los "modelos de áreas temáticas"? Más concretamente, según tengo entendido, en relación con el ámbito temático "cotizaciones de precios/cotizaciones de precios de intercambio".
Se aplica el análisis fundamental.
Los modelos temáticos son modelos que explican un proceso por factores ajenos a la serie temporal. Por ejemplo, la termodinámica