Regressione bayesiana - Qualcuno ha fatto un EA usando questo algoritmo? - pagina 11
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Le teorie del comportamento dei prezzi descritte in vari libri di trading fantascientifico non sono supportate da nient'altro che il ragionamento degli autori.
Il comportamento dei prezzi è il comportamento di un insieme di diversi gruppi di partecipanti al mercato, il rapporto e il valore delle loro posizioni aperte cambia dinamicamente e stocasticamente. :)
A mio avviso, è interessante (per un ricercatore), ma non quello monetario.
Prima ho formulato due possibili strategie - trend-finding e pips-finding. La prima strategia si riduce a rilevare l'inizio e la fine di una tendenza.
Il secondo è la cattura di piccoli movimenti di prezzo (quasi rumorosi). Entrambe le strategie dovrebbero essere formulate in termini di caratteristiche esclusivamente statistiche del prezzo e/o degli incrementi di prezzo al timeframe corrispondente.
Recentemente mi sono imbattuto in una frase interessante: arbitraggio statistico. Lo sto studiando ora. :)
Ricevuto. Solo un fatto - il comportamento stocastico dei prezzi comporta modelli stocastici, cioè modelli in cui il risultato non sarà garantito, ma avverrà con probabilità. Ma non è tutto.
La probabilità ha un intervallo di confidenza. E quindi se p è un modello - il suo intervallo di confidenza è provabilmente più grande, diciamo, dell'ingenuo p = 0,5 + il suo intervallo di confidenza - allora abbiamo un modello stabile (non in senso stretto, ovviamente), empiricamente testato, che può far sì che MO superi l'overhead.
Ricevuto. Solo un fatto - il comportamento stocastico dei prezzi comporta modelli stocastici, cioè modelli in cui il risultato non sarà garantito, ma avverrà con probabilità. Ma non è tutto.
La probabilità ha un intervallo di confidenza. E così se p è modello - il suo intervallo di confidenza è provabilmente più grande di, diciamo, l'ingenuo p = 0.5 + il suo intervallo di confidenza, allora abbiamo un modello stabile (non strettamente parlando, naturalmente), empiricamente testato che può fare MO outperformare le spese generali.
La differenza tra la mia posizione e la tua è che io non so come creare modelli, quindi uso ciò che varie persone intelligenti hanno inventato. :)
Sono completamente d'accordo con te.
La differenza tra la mia posizione e la tua è che io non so come creare modelli, quindi uso ciò che varie persone intelligenti hanno inventato. :)
Ci sono molti strati culturali qui. Sono tutti puri bla-bla-bla e qualche bella foto. Bisogna controllare tutto in senso buono.
Vorrei avere un codice sull'argomento di questo ramo.
1. regressione lineare. Metodo dei minimi quadrati. Le formule sono prese dal video clip.
y=kx+b;
k=(prodotto medio di xy - prodotto delle medie x e y)/(quadrato medio di x - quadrato della media x);
b= y media - k*x media.
2. Facendo questi calcoli dovresti ottenere le coordinate della linea retta. I valori reali differiranno da quelli teorici del valore eps= y(real)- y(teor).
Inoltre, perché la regressione sia bayesiana, si assume che eps sia distribuito secondo la legge normale.
Per favore, quelli che sono Copenaghenisti, correggetemi se qualcosa è sbagliato e consigliatemi cosa fare dopo.
Qui https://www.mql5.com/ru/code/8016 puoi scaricare un indicatore che calcola la regressione lineare nello stesso modo di MT4 e costruisce un canale di regressione lineare.
Qui https://www.mql5.com/ru/code/8016 puoi scaricare un indicatore che calcola una regressione lineare proprio come MT4 e costruisce un canale di regressione lineare.
La linea di regressione lineare tracciata dall'indicatore coincideva quasi con quella che avevo disegnato a occhio. Succede.
La linea di regressione lineare che l'indicatore ha tracciato era quasi identica a quella che ho tracciato a occhio. Succede.
Non sottovalutare il nostro cervello...
Forse gli indicatori sono inventati per togliere il carico dal cervello, dalle profondità dell'inconscio, per così dire...
...
Inoltre, perché la regressione sia bayesiana, si assume che l'eps sia distribuito secondo la legge normale.
...
Perché questa supposizione? Niente affatto. Non c'è bisogno di pensarci, è come definire l'ambito della regressione bayesiana.
Dobbiamo determinare gli attributi che sono necessari per calcolare la regressione bayesiana. Questa è la prima domanda su come fare un cerchio quadrato. È qui che ci si può rendere conto che la regressione bayesiana non si adatta affatto. Ma non ci interessa... qualcosa deve essere fatto. Supponiamo che la coincidenza dei valori dei prezzi di una riga e della seconda riga (nel nostro caso la linea) corrisponda alla massima verosimiglianza. E il massimo di un percorso per uno sarà 1/n (n - numero di barre). Anche se questo approccio è come disegnare con un forcone nell'acqua. Quindi dovremmo inventare una formula che ad argomento 0 dà 1/n, e ad argomento crescente tende a 0. Poi scriviamo la formula di Baes e sostituiamo la formula che abbiamo inventato prima per le probabilità. Poi dobbiamo trovare il massimo della funzione risultante. Probabilmente prendere la derivata, equipararla a zero...
Il risultato sarà quasi lo stesso della regressione lineare, perché l'obiettivo iniziale era di combinare la linea retta e la serie dei prezzi.