Régression bayésienne - Est-ce que quelqu'un a fait un EA en utilisant cet algorithme ? - page 6
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Selon cette formule, sur une tendance, la variance sera de 0. Est-ce bien ce que vous voulez ?
Ne sera pas égal à 0, essayez de substituer des valeurs. :)
Supposons que la tendance est parfaite, c'est-à-dire que chaque barre a le même incrément. Le graphique des incréments est donc une ligne droite. Alors quelle serait la variance d'une ligne droite ?
Supposons que la tendance est idéale, c'est-à-dire que chaque barre a le même incrément. Donc le graphique d'incrémentation est une ligne droite. Alors quelle est la variance de la ligne droite ?
Oui, alors zéro.
Et la variance est maximisée sur les incréments à densité uniforme. Pour le marché, il s'agit - pour le dire en d'autres termes d'oiseau - de la période de plus grande entropie, lorsque les petits, moyens et grands incréments sont aussi fréquents.
.......................
Ainsi, lorsque les économistes disent que nous avons mesuré, par exemple, la variance d'un instrument, ils font la chose suivante : variance = somme((Xi - X^)^2) / (N - 1),
où Xi est l'incrément calculé par l'une des formules,
X^ est le X avec un plafond - l'estimation de l'échantillon de la valeur incrémentale moyenne dans l'échantillon disponible.
N - 1 est la taille de l'échantillon moins un,
et la formule entière est une estimation sans biais de la variance.
Et puis ces économistes commencent à penser que la densité des incréments est normale et essaient de faire quelque chose comme : sqrt(variance) * sqrt(m) * 1,96,
où la racine de la variance est une estimation de l'écart-type et la formule entière est un étirement de la conséquence de la normalité sur les séries non( !)normales afin d'obtenir une estimation de la limite extrême de l'écart de prix en m étapes avec une probabilité de 95%. Et les erreurs sont obtenues, bien sûr.
J'espère que j'ai expliqué approximativement. Et la série de prix originale ne ressemble même pas, en première approximation, à une série normale, contrairement aux incréments.
https://www.mql5.com/ru/articles/363
l'auteur montre une approximation tout à fait acceptable de l'échantillon d'incréments à la normale. On sait depuis longtemps qu'il faut traiter les points qui ne se situent pas sur une ligne droite - environ 7 à 10 % des valeurs modulo maximales sont exclues de l'échantillon. Ensuite, même le critère de qualité de l'ajustement de Kolmogorov (qui est très sensible à la forme de la distribution) montre que l'échantillon est normal. Quant aux valeurs exclues, ce sont les points où la tendance actuelle s'est brisée. La source d'où provient cette méthodologie (j'ai lu quelque chose en anglais il y a longtemps, je ne me souviens plus où) suggère essentiellement de former des échantillons d'incréments à partir de points qui se situent entre les points de rupture de tendance, c'est ce que l'on suggère d'appeler la tendance actuelle.
Oui, alors zéro.
Et la variance est maximisée sur les incréments à densité uniforme. Pour le marché, il s'agit - pour le dire en d'autres termes d'oiseaux - de la période de plus grande entropie, où les petits, moyens et grands incréments sont tout aussi courants.
Dans ce billet, section 5, élimination des tendances
https://www.mql5.com/ru/articles/363
l'auteur montre une transformation parfaitement acceptable d'un échantillon d'incréments. On sait depuis longtemps qu'il faut traiter les points qui ne se trouvent pas sur une ligne droite : ils sont exclus de l'échantillon par environ 7-10% des valeurs maximales du modulo. Ensuite, même le critère de qualité de l'ajustement de Kolmogorov (qui est très sensible à la forme de la distribution) montre la normalité de l'échantillon. Quant aux valeurs exclues, ce sont les points où la tendance actuelle s'est brisée. La source d'où provient cette méthodologie (j'ai lu quelque chose en anglais il y a longtemps, je ne me souviens plus où) suggère essentiellement de former des échantillons d'incréments à partir de points qui se situent entre les points de rupture de tendance, c'est ce que l'on suggère d'appeler la tendance actuelle.
Quel renversement de fortune ici.
Je lis :"La présence d'une "tendance" aussi évidente suggère d'essayer d'exclure d'abord une tendance".
Comme si tu étais tombé de la lune. Comme si identifier les vagues était difficile. Le principal problème de lachanalyse et donc du trading est d'identifier la tendance.
Quel renversement de fortune ici.
Je lis :"La présence d'une "tendance" aussi évidente suggère d'essayer d'exclure d'abord une tendance".
Comme si tu étais tombé de la lune. Comme si identifier les vagues était difficile. Le principal problème de l'analyse, et donc du trading, est d'identifier la tendance.
Supposons que la tendance soit parfaite, c'est-à-dire que l'incrément soit le même sur chaque barre. Donc le graphique d'incrémentation est une ligne droite. Quelle sera donc la variance de la ligne droite ?
Lorsque nous essayons d'appliquer les statistiques, la pierre angulaire, le fondement, est la question de l'APPLICABILITÉ d'un outil particulier de cette science.
Votre exemple ne contient aucune variable aléatoire - une constante. La dispersion ne concerne QUE les variables aléatoires. Dans votre cas particulier, il y avait un résultat propre aux statistiques : le calcul de la variance montrait que des constantes, et non des nombres aléatoires, étaient fournies en entrée.
Le caractère unique de votre exemple est que le résultat est correct et facilement explicable. Habituellement, si vous ne justifiez pas soigneusement la possibilité d'utiliser un outil, tel que la régression linéaire, vous obtiendrez un résultat qui n'a rien à voir avec la réalité, et donc complètement inutilisable dans la pratique : les chiffres seront, ils peuvent être vus (gopher visible), mais en réalité, tous ces chiffres ne le sont pas ! C'est juste un jeu de chiffres.
Prenons l'exemple de la régression linéaire : un algorithme standard (pas un algorithme maison) calcule les coefficients de régression et, généralement, la colonne de droite nous indique si les coefficients de régression que nous voyons existent réellement. Si la colonne d'extrême droite présente un chiffre de 0,5 (50%), il est certain que les chiffres imprimés n'existent pas. Si c'est 10%, c'est juste ça, dans le brouillard. Mais si c'est moins de 5%, alors les chiffres existent vraiment. Et cela ne peut être cru que si vous avez réussi à justifier au préalable la POSSIBILITÉ d'appliquer cette même régression linéaire.