Regressione bayesiana - Qualcuno ha fatto un EA usando questo algoritmo? - pagina 13
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
Ho risposto alla tua prima domanda. Non capisco davvero i segni: trovare il numero di barre a cui la teoria funziona? Lo rifiuto subito.
"L'obiettivo originale era quello di riconciliare la linea retta e la serie dei prezzi. - se la regressione bayesiana è una linea retta, allora non va proprio bene.
Se è compatibile con una linea retta, la regressione lineare ai minimi quadrati (LOS) nota a tutti è sufficiente. Anche con il metodo ANC è possibile combinare con qualsiasi curvilineo. In codice noto a tutti invece del numero 1,2,3... vengono utilizzati i valori della curvatura.
Ci può anche essere una curvulina di forma sconosciuta (polinomiale) - regressione polinomiale, il codebase ha un codice per questo.
---
Segni. Questa è la base della regressione bayesiana. Vengono definiti dei tratti la cui presenza assegna un campione a una classe particolare con una certa probabilità. Avendo diverse caratteristiche e le loro probabilità, la probabilità finale è calcolata utilizzando la formula di Bayes.
"La somma di un numero sufficientemente grande di variabili casuali debolmente dipendenti di circa la stessa grandezza (nessuna delle somme è dominante o determinante) ha una distribuzione che si avvicina a una distribuzione normale" (Wikipedia).
Cosa te lo fa pensare? Niente affatto. Non c'è bisogno di pensarci, è come definire l'ambito della regressione bayesiana.
Dobbiamo determinare le caratteristiche che sono necessarie 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 lo scopo originale era di combinare la linea retta e la serie dei prezzi.
Avendo letto un po' di letteratura, diventa chiaro che nella regressione bayesiana, la stima dei coefficienti di regressione lineare si basa sulla conoscenza a priori della loro distribuzione e sull'assunzione di normalità degli errori. Tutto il resto è lo stesso della solita regressione lineare con stima ANC dei coefficienti. Se applicarlo o meno al mercato dipende da voi.
Dopo aver letto un po' di matematica, diventa chiaro che nella regressione bayesiana, la stima dei coefficienti di regressione lineare si basa sulla conoscenza a priori della loro distribuzione e sull'assunzione di normalità degli errori. Tutto il resto è lo stesso della solita regressione lineare con stima ANC dei coefficienti. Se applicarlo o meno al mercato dipende da voi.
...
"La somma di un numero sufficientemente grande di variabili casuali debolmente dipendenti, aventi approssimativamente la stessa grandezza (nessuna singola sommatoria domina, nessun contributo determinante alla somma), ha una distribuzione che è vicina alla normalità" (Wikipedia).
...
Da dove viene questo?
Articoli Wikiin lingua inglese e un paio di conferenze sull'argomento. MNC è sostituito dall'inferenza bayesiana con massimizzazione della verosimiglianza.
E penso che tu stia confondendo l'applicazione del teorema di Bayesian per la probabilità posteriore di un evento con quello che si fa nella regressione bayesiana. Anche se entrambi sono basati su un approccio bayesiano alla probabilità.
Articoli Wikiin lingua inglese e un paio di conferenze sull'argomento. MNC è sostituito dall'inferenza bayesiana con massimizzazione della verosimiglianza.
E penso che tu abbia confuso l'applicazione del teorema bayesiano alla stima posteriore della probabilità che un evento si verifichi con ciò che si fa nella regressione bayesiana. Anche se entrambi sono basati su un approccio bayesiano alla probabilità.
E cosa e come c'è confusione qui?
Qual è la probabilità?
... I dati forex hanno una distribuzione normale, e quindi è il dominio della regressione bayesiana ...
Durante alcuni periodi i "dati forex" (supponiamo che siano i prezzi) possono avere una distribuzione normale, ma questo ovviamente non è il caso del trend - forse c'è un misto di distribuzioni normali(?) e altre.
Possiamo assumere che nella serie dei prezzi ci sia un cambio sequenziale di distribuzioni (o loro miscele), non necessariamente normali.
Applicare qualsiasi regressione alle serie dei prezzi non ha senso perché le serie dei prezzi non sono stazionarie. In russo, questo significa che i coefficienti di regressione calcolati su un campione non corrisponderanno a quelli di un altro campione.
Questo 18 non copre nulla. È perfettamente sostituibile dalla regressione lineare e dal livello Fibo. Non si può avere una conversazione normale, non si hanno conversazioni costruttive. Non hai ancora dimostrato di aver capito cos'è il 18 e cosa fa.
Valutate la potenza della (18) con un semplice esempio, dati da qui http://www.statdata.ru/russia, quale regressione può replicare una cosa del genere? Puoi inserire tutti i 10 metodi di regressione più importanti http://datareview.info/article/10-tipov-regressii-kakoy-vyibrat/
...quale regressione può replicare qualcosa del genere? Puoi inserire tutti i 10 metodi di regressione più importanti http://datareview.info/article/10-tipov-regressii-kakoy-vyibrat/
...