Regressione bayesiana - Qualcuno ha fatto un EA usando questo algoritmo? - pagina 17
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
Leggendo il lavoro di Bayes in articoli di scienza popolare mi sono imbattuto nel seguente problema.
"Supponiamo che un barile contenga molte piccole uova di plastica. Alcune sono colorate di rosso e altre di blu. Il 40% delle uova contiene perle e il 60% è vuoto. Il 30% delle uova contenenti perle sono colorate di blu e il 10% delle uova vuote sono anch'esse blu. Qual è la probabilità che l'uovo blu contenga perle?".
A prima vista, la probabilità sembra piccola, dato che solo il 30% delle uova contenenti perle sono blu. Infatti, al contrario, la probabilità che quella blu contenga perle è del 67%, il doppio della probabilità che non le contenga.
"Il 40% delle uova contiene perle e il 30% è blu, quindi il 12% delle uova contiene perle ed è blu.
Il 60% delle uova non contengono perle, e il 10% di esse sono blu, quindi il 6% delle uova sono blu e non contengono perle.
12% + 6% = 18%, quindi la proporzione totale di uova blu è del 18%.
Sappiamo già che il 12% delle uova sono blu e contengono perle, quindi la possibilità che un uovo blu contenga perle è 12/18 o circa il 67%".
O secondo la formula di Bayes: la probabilità che l'uovo blu contenga perle P(A|B)=P(B|A)*P(A)/P(B)=0,4*0,3/0,18=0,67.
P(A)= p(perle) = 0,4 probabilità che l'uovo contenga una perla.
P(B|A)=p(blu| perla) = 0,3 probabilità che l'uovo sia blu se contiene perle
P(B)=p(blu) = 0,18 probabilità che l'uovo sia blu.
Sostituito "barile" con "grafico", le uova blu sono candele ribassiste, le uova rosse sono candele rialziste, perle - più del 70% degli incrementi di prezzo all'interno della barra sono positivi, o in breve - molti incrementi positivi (MPP).
Supponiamo che le candele rosse siano rialziste e quelle blu siano ribassiste. Il 40% dei candelieri ha PPM e il 60% no. Il 30% delle candele che contengono MPP sono ribassiste e il 18% di tutte le candele sono anche ribassiste. Qual è la probabilità che una candela ribassista contenga MPP.
Qui, a prima vista, la probabilità è ancora minore: lo stesso 30% delle candele che contengono MPP sono ribassiste e la candela stessa è ribassista, quindi dovrebbe contenere più incrementi negativi che positivi. Ma secondo i calcoli in questo caso abbiamo lo stesso 67%.
La probabilità della candela ribassista contiene MPP. P(MPP|l'orso) =P(MPP)*P(orso|l'orso)/P(orso)=0,4*0,3/0,18=0,67
P(A) = p(MPP)=0,4 probabilità che la candela contenga MPP .
P(B|A)=p(ribassista|MPP) = 0,3 probabilità che la candela sia ribassista se contiene MPP
P(B)=p(ribassista) = 0,18 probabilità che la candela sia ribassista.
In questo caso, se una candela ha la maggior parte degli incrementi positivi, gli incrementi negativi devono essere più lunghi perché diventi ribassista. Questo è vero per qualsiasi legge di distribuzione degli incrementi di prezzo all'interno della candela o per la mancanza di qualsiasi.
Ecco un'altra cosa che ho letto:
"Gli esperimenti psicologici[1] hanno dimostrato che le persone spesso stimano erroneamente la probabilità di un evento sulla base della loro esperienza(probabilità a posteriori) perché ignorano la probabilità dell'ipotesi stessa(probabilità a priori). Pertanto, il risultato corretto secondo la formula di Bayes può essere molto diverso dal risultato intuitivamente atteso".
Vedete, è così.
...
In questo caso, se una candela ha la maggior parte dei suoi incrementi positivi, allora perché sia ribassista, gli incrementi negativi devono essere più lunghi. Questo è vero per qualsiasi legge di distribuzione degli incrementi di prezzo all'interno di una candela, o per la sua mancanza.
...
Per giungere a tale conclusione, è stato applicato il teorema di Bayes?
Una stima errata nei problemi di probabilità può anche risultare da una presentazione poco attraente delle condizioni del problema.
Il modo più semplice per chiudere la bocca è mostrare il funzionamento del modello polinomiale con questo esempio....
E quanti Reshet ti hanno preso in giro, e quanti adepti (18) sono morti nel thread delle previsioni...))
Ho scritto tempo fa che il mercato è un sistema che reagisce alle notizie. Tutte queste discussioni sulla distribuzione statistica dei prezzi, la volatilità e gli errori di regressione sono inutili. Se prendiamo il comportamento dei prezzi nei momenti di rilascio delle notizie (e questi momenti sono noti e regolari), otterremo una distribuzione. Se scegliamo orari di sessioni notturne, avremo un'altra distribuzione. Anche la regressione dei prezzi di mercato è inutile. La coda di regressione oscillerà e dipenderà dai prezzi in arrivo. Usa i trattini se hai bisogno di smussare la serie di prezzi. Estrapolare una regressione è un'utopia. Il prezzo non è un sasso che viene lanciato e poi si cerca di determinare dove sarà dopo un periodo di tempo. Anche l'applicazione di algoritmi di tracciamento a razzo non funziona. Anche se, concentrarsi sui momenti di rilascio delle notizie (shock esterni) e sul tracciamento dei prezzi subito dopo lo shock ha senso. Le regolarità possono essere rilevate e si possono ottenere dei profitti. Ma è un errore e un "oppio per il popolo" teorico considerare l'intera serie dei prezzi come un insieme e parlare delle sue caratteristiche medie.
Ricordo che volevi trovare un algoritmo decente per verificare l'impatto di certe notizie sui mercati.
La mia opinione sulle notizie è che solo notizie molto importanti e inaspettate cambiano la direzione del mercato e la logica del comportamento dei prezzi che non può essere descritta dalle regole dell'analisi tecnica. In tutti gli altri casi, le notizie possono influenzare il movimento dei prezzi, ma il movimento stesso è tecnico e chiaro.
Ricordo che volevi trovare un algoritmo decente per verificare l'impatto di certe notizie sui mercati.
La mia opinione sulle notizie è che solo notizie molto importanti e inaspettate cambiano la direzione del mercato e la logica del comportamento dei prezzi che non può essere descritta dalle regole dell'analisi tecnica. In tutti gli altri casi, le notizie possono influenzare il movimento dei prezzi, ma il movimento stesso è tecnico e chiaro.
È stato applicato il teorema di Bayes per arrivare a questa conclusione?
La stima errata nei problemi di probabilità può anche essere dovuta a una presentazione poco attraente delle condizioni del problema.
Una tale conclusione in questo esempio può essere raggiunta anche in modo puramente logico. Ma secondo me, la formula di Bayes è applicata correttamente in questo caso. Anche se non posso garantire per questo, perché studio la questione da articoli per "dummies".
http://baguzin.ru/wp/wp-content/uploads/2013/09/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%82%D0%B8%D0%B2%D0%BD%D0%BE%D0%B5-%D0%BE%D0%B1%D1%8A%D1%8F%D1%81%D0%BD%D0%B5%D0%BD%D0%B8%D0%B5-%D1%82%D0%B5%D0%BE%D1%80%D0%B5%D0%BC%D1%8B-%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%B0.pdf
Ho scritto molto tempo fa che il mercato è un sistema che reagisce alle notizie. Tutto questo discorso sulla distribuzione statistica dei prezzi, sulla volatilità e sugli errori di regressione è inutile. Se prendiamo il comportamento dei prezzi nei momenti di rilascio delle notizie (e questi momenti sono noti e regolari), otterremo una distribuzione. Se scegliamo orari di sessioni notturne, avremo un'altra distribuzione. Anche la regressione dei prezzi di mercato è inutile. La coda di regressione oscillerà e dipenderà dai prezzi in arrivo. Usa i trattini se hai bisogno di smussare la serie di prezzi. Estrapolare una regressione è un'utopia. Il prezzo non è un sasso che viene lanciato e poi si cerca di determinare dove sarà dopo un periodo di tempo. Anche l'applicazione di algoritmi di tracciamento a razzo non funziona. Anche se, concentrarsi sui momenti di rilascio delle notizie (shock esterni) e seguire il prezzo immediatamente dopo lo shock ha senso. I modelli possono essere rilevati e si possono ottenere dei profitti. Ma è un errore e un "oppio per il popolo" teorico prendere l'intera serie dei prezzi come un tutto e parlare delle sue caratteristiche medie.
Ho scritto l'Expert Advisor nel 2011 ed ero pronto a farlo funzionare sul reale, ma molte aziende forex negli Stati Uniti hanno chiuso, anche Alpari.
Gesù!
Quando inizierete tutti a leggere libri?
Perché tu sai ciò che è noto e sai ciò che non è noto!
Devi solo sederti e leggere!
1. Per cominciare, cercate di capire le parole che diciamo:
ANALISI TECNICA.
Analisi, e poi c'è la parola previsione - queste parole hanno significati diversi e non sono sinonimi. Le persone che conoscono l'analisi tecnica si chiamano chartisti, cioè persone che disegnano grafici. Niente di più. È una capacità della psiche umana di percepire le informazioni in forma grafica meglio che in digitale. Non più di questo. È vero, ci sono persone, molto rare, che guardano i grafici disegnati per molto tempo, 3-5 anni, prendono decisioni nel mondo reale, e alla fine commerciano con profitto. Vi starete chiedendo, chi sta leggendo questo, se fate parte di questa categoria di persone?
2 Il fatto che le regressioni non possono essere applicate ai mercati finanziari era noto circa 100 anni fa. Ma queste persone sono state soffocate da Markowitz nel 1952, quando ha inventato la teoria del portafoglio. Ha dato un apparato matematico che gli ha permesso di bilanciare redditività e rischio. Ha persino ottenuto il Nobel nel 1992, nonostante il 1987, quando tutti i portafogli sono crollati come la teoria di Markowitz.
Tutti si sono ricordati delle pubblicazioni di Mandelbrot a metà del 1960 e hanno iniziato a puntare intensamente il dito contro le code delle distribuzioni, perché gli eventi del 1987 sono quasi incredibili, ed è successo, come Mandelbrot aveva previsto prima dei guai del 1987 20 anni prima.
Altre persone sono state ricordate qui - Box-Jenkins, che aveva proposto un modello 15 anni prima del crollo del 1987.
3. il modello ARIMA. Gli autori del modello hanno dichiarato che era impossibile utilizzare le quotazioni iniziali e che era necessario utilizzare i prezzi incrementali. Ecco come si sono sbarazzati delle tendenze. Hanno dato un modello e una metodologia della sua costruzione. È ancora usato nel governo degli Stati Uniti. È disponibile al pubblico.
4. Quasi immediatamente persone intelligenti hanno notato che l'ARIMA è un modello funzionante, ma in una parte molto ristretta dei mercati finanziari. E hanno formulato: è necessario prendere in considerazione i cambiamenti nella dispersione - questi sono una varietà di modelli ARCH. Questi modelli hanno esteso il campo di applicazione dei metodi matematici.
5. Quasi allo stesso tempo Granger ha inventato il suo modello di cointegrazione, anche lui un noob. Ha detto che ARMA, ARIMA, ARCH, GARCH e tutto il resto non sono la stessa cosa, ma è possibile combinare due attività in modo tale da ottenere un risultato stazionario, e se è così, tutti i metodi statistici, comprese le regressioni e le analisi e le previsioni appropriate iniziano a funzionare perfettamente. E funziona davvero.
6. E poi nel 1998 e poi nel 2007 l'idea della stazionarietà delle serie finanziarie è stata ricordata come dubbia come i metodi per ridurre queste serie finanziarie a una forma stazionaria.
Le idee dell'intelligenza artificiale sotto forma di apprendimento automatico cominciarono a sorgere in cui si sosteneva che si poteva prevedere il valore (metodi di regressione) o la direzione(metodi di classificazione) della variabile obiettivo da un insieme di valori delle variabili di input (predittori). Nel caso della classificazione: è possibile prevedere una variabile che assume due valori: comprare e vendere. Per gli amanti dell'AT: qualcosa come il pattern trading, solo che il modello viene insegnato a riconoscere i pattern e le statistiche sono disponibili.
PS.
Il posto dei modelli bayesiani nei mercati finanziari è lungo e accuratamente definito - non applicabile.
PSBP
C'è un aforisma: non esistono modelli corretti - esistono modelli utili.
E l'utilità è definita unicamente dal fatto che un modello si applica solo ai dati ai quali può essere applicato.
...