Régression bayésienne - Est-ce que quelqu'un a fait un EA en utilisant cet algorithme ? - page 12
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
...
Yusuf, je suis désolée, mais vous en avez assez de fourrer votre 18 partout et en toute occasion.
Gauss ISC n'est pas un retour en arrière, c'est un classique qui est meilleur et plus simple que jamais auparavant et qui ne le sera jamais. Il n'y a rien de plus stupide et de plus bête que de diviser les méthodes mathématiques en modernes et obsolètes.
Yusuf, je suis désolée, mais vous en avez assez de fourrer votre 18 partout et en toute occasion.
Gauss ISC n'est pas un retour en arrière, c'est un classique qui est meilleur et plus simple que jamais auparavant et qui ne le sera jamais. Il n'y a rien de plus stupide et de plus bête que de diviser les méthodes mathématiques en modernes et obsolètes.
Dimitri, merci pour la remarque sur l'incorrection, corrigée, mais essentiellement, y a-t-il des objections fortes à (18), comme vous le dites ? Par exemple, ce modèle de régression est-il meilleur que (18) ? MNC s'applique en présence d'une dépendance linéaire, et (18), outre le cas linéaire, couvre également avec succès le domaine non linéaire, tout en conservant tous les avantages de MNC.
Ensuite, pour que la régression devienne bayésienne, on suppose que l'eps est distribué selon la loi normale.
S'il vous plaît, ceux qui sont des Copenhagueurs, corrigez-moi si quelque chose est faux et conseillez-moi sur ce qu'il faut faire ensuite.
Jetez la distribution normale, car elle n'est observée nulle part dans les instruments financiers. Et à la place, construisez un histogramme de la densité réelle de la distribution et approchez-la.
Pour comprendre la différence, il suffit de jeter un coup d'œil à la capture d'écran ci-dessous. La ligne noire représente une distribution normale et la ligne rouge un histogramme de la fonction de densité de probabilité réelle.
C'est-à-dire que si nous prenons simplement une distribution triangulaire, il y aura beaucoup moins d'erreurs. Bien qu'il soit plus facile de prendre deux cercles contigus dont les centres sont sur la même ligne horizontale ou des ellipses contiguës pour plus de précision, puisque les côtés du triangle sont clairement concaves.
1. Jetez la distribution normale, car elle n'est observée nulle part dans les instruments financiers. Au lieu de cela, construisez un histogramme de la densité de distribution réelle et faites-en une approximation.
2. Pour comprendre la différence, il suffit de regarder la capture d'écran suivante. La ligne noire montre la distribution normale, et la ligne rouge montre l'histogramme de la fonction de densité de probabilité de la volatilité réelle.
3 C'est-à-dire que si vous prenez simplement une distribution triangulaire, il y aura beaucoup moins d'erreurs. Bien qu'il soit plus facile de prendre deux cercles contigus dont les centres sont sur la même ligne horizontale ou des ellipses contiguës, puisque les côtés du triangle sont clairement concaves, pour une meilleure précision.
1. Où se situer ? Approximatif de quoi et de quoi ?
2.
3. L'erreur de quoi ?
Qu'est-ce qui te fait penser ça ? Pas du tout. Vous n'avez pas besoin d'y réfléchir, c'est comme définir la portée de la régression bayésienne.
Nous devons déterminer les caractéristiques qui sont nécessaires pour calculer la régression bayésienne. C'est la première question sur la façon de faire un cercle carré. C'est là que vous pouvez vous rendre compte que la régression bayésienne n'a pas du tout sa place. Mais on s'en fiche... il faut faire quelque chose. Supposons que la coïncidence des valeurs de prix d'une ligne et de la deuxième ligne (dans notre cas la ligne) corresponde au maximum de vraisemblance. Et le chemin maximal un par un sera de 1/n (n - nombre de barres). Mais cette approche revient à dessiner avec une fourche dans l'eau. Nous devrions donc inventer une formule qui, à l'argument 0, donne 1/n, et à l'argument croissant tend vers 0. Ensuite, nous écrivons la formule de baes et nous substituons la formule que nous avons inventée précédemment pour les probabilités. Ensuite, nous devons trouver le maximum de la fonction résultante. Probablement prendre la dérivée, l'égaliser à zéro...
Le résultat sera presque le même que celui de la régression linéaire, car l'objectif initial était de combiner la ligne droite et la série de prix.
L'hypothèse selon laquelle les données sur le Forex ont une distribution normale, et qu'elles entrent donc dans le champ d'application de la régression bayésienne, explique pourquoi.
Le Forex, c'est beaucoup de sociétés de courtage, de sociétés de forex, de cuisines - européennes, chinoises, bahamiennes, bermudiennes ... Il y en a beaucoup. Aucun d'entre eux ne domine et ne contribue de manière décisive à la formation des prix, pas plus que les autres acteurs du marché. Cette hypothèse est basée sur le théorème de la limite centrale de la théorie des probabilités :
"La somme d'un nombre suffisamment grand de variables aléatoires faiblement dépendantes et approximativement de même grandeur (aucune d'entre elles ne domine, aucun déterminant ne contribue à la somme) a une distribution proche de la normale."(Wikipédia).
Comme je le comprends en ce qui concerne le forex. Si nous rassemblons tous les ticks de TOUTES les sociétés de courtage dans une barre M5 (millions de ticks), la distribution des ticks à l'intérieur de la barre sera proche d'une normale. Et plus la période est ancienne, plus elle est proche. Chaque société de courtage particulière a son propre flux de cotations qui diffère du flux global dominant par la mesure de dépréciation de cette société de courtage. Ce flux dominant sur le graphique représente une courbe (certainement pas une ligne droite !) dont aucune société de courtage ne peut s'éloigner.
L'hypothèse selon laquelle les données forex ont une distribution normale et sont donc le champ d'application d'une régression bayésienne en est la raison.
Le Forex, c'est beaucoup de sociétés de courtage, de sociétés de forex, de cuisines - européennes, chinoises, bahamiennes, bermudiennes ... Il y en a beaucoup. Aucun d'entre eux ne domine et ne contribue de manière décisive à la formation des prix, pas plus que les autres acteurs du marché. Cette hypothèse est basée sur le théorème de la limite centrale de la théorie des probabilités :
"La somme d'un nombre suffisamment grand de variables aléatoires faiblement dépendantes et de même ampleur (aucune somme ne domine, aucun déterminant ne contribue à la somme) a une distribution proche de la normale."(Wikipedia)
Comme je le comprends en ce qui concerne le forex. Si nous rassemblons dans une barre M5 tous les ticks de TOUTES les sociétés de courtage (des millions de ticks), la distribution des ticks à l'intérieur de la barre sera proche d'une normale. Et plus la période est ancienne, plus elle est proche. Chaque société de courtage particulière a son propre flux de cotations qui diffère du flux global dominant par la mesure de dépréciation de cette société de courtage. Ce flux dominant sur le graphique représente une courbe (certainement pas une ligne droite !) dont aucune société de courtage ne peut s'éloigner.
Donc vous n'avez rien compris à ce que j'ai écrit ?
Jetez la distribution normale, car elle n'est observée nulle part dans les instruments financiers. Au lieu de cela, construisez un histogramme de la densité réelle de la distribution et faites-en une approximation.
Pour comprendre la différence, il suffit de jeter un coup d'œil à la capture d'écran ci-dessous. La ligne noire montre la distribution normale et la ligne rouge montre l'histogramme de la fonction de densité de probabilité réelle.
C'est-à-dire que si nous prenons simplement une distribution triangulaire, il y aura beaucoup moins d'erreurs. Bien qu'il soit plus facile de prendre deux cercles contigus dont les centres sont sur la même ligne horizontale ou des ellipses contiguës pour une meilleure précision, puisque les côtés du triangle sont clairement concaves.
Yuri,
Essayez la distribution de Laplace - exponentielle bilatérale. À mon avis, ce sont les données financières qui s'en rapprochent le plus.
Estimation analytique des paramètres du maximum de vraisemblance pour Laplace :
Estimation des paramètres[edit]
Etant donné N échantillonsindépendants et identiquement distribuésx1,x2, ...,xN, l'estimateur dumaximum de vraisemblancede μ est lamédiane de l'échantillon,[1]et l'estimateur dumaximum de vraisemblance de best
de : https://en.wikipedia.org/wiki/Laplace_distribution
Vous n'avez donc rien compris à ce que j'ai écrit ?
J'ai répondu à votre première question. A propos des signes, je ne comprends vraiment pas. Trouver le nombre de mesures à partir duquel la théorie fonctionne ? Et de là à danser ? Je le rejette immédiatement.
"Le but initial était de combiner la ligne droite et la série de prix." - Si la régression bayésienne est une ligne droite, alors elle n'est vraiment pas bonne.