Discussão do artigo "Classificador Bayesiano Ingênuo para sinais de um conjunto de indicadores" - página 2
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Em seguida, o tópico de outro artigo - como encontrar indicadores que sejam independentes uns dos outros automaticamente?
E então temos quase um simples KnowHow para criar robôs a partir de qualquer coleção de indicadores. Além disso, você pode adicionar trailing, mangement e assim por diante ao algoritmo básico por meio do Assistente MQL5.
Sim, esse tópico existe. Ele já foi abordado por cientistas de verdade, o que eu não sou - você pode encontrar artigos na Internet. Não tenho material pronto, e provavelmente levará muito tempo para elaborá-lo. Ao mesmo tempo, já existem publicações sobre o assunto no mql5.com, como esta ou esta.
Dito isso, já existem publicações no mql5.com sobre o assunto, como esta ou esta.
Obrigado pelos links e pelo lembrete, mas não é isso - não é uma mecânica popular.
Obrigado pelos links e pelo lembrete, mas não é isso - não é a mecânica popular.
Será que entendi bem que os links fornecidos são difíceis de entender e práticos, e que agora só preciso de um "carro funcional" pronto, sem todo o material de Excel e R? Isso é um esclarecimento para futuros autores em potencial. ;-)
Será que entendi bem que as referências fornecidas são difíceis de entender e aplicar na prática, e agora você só quer um "carro de trabalho" pronto, sem Excel e R? Isso é um esclarecimento para futuros autores em potencial. ;-)
Claro, todo mundo sabe como usar smartphones, embora ninguém saiba os fundamentos da engenharia de rádio e de outras ciências complexas que os envolvem.
Um classificador bayesiano ingênuo exige uma forma forte de independência de um conjunto de recursos (no nosso caso, indicadores) - independência no agregado (não apenas em pares ou sem correlação). Deparei-me com a afirmação de que essa independência não pode ser obtida em um conjunto de indicadores comuns e significativos.
Um classificador bayesiano ingênuo requer uma forma forte de independência de um conjunto de recursos (no nosso caso, indicadores) - independência no agregado (não apenas em pares ou sem correlação).
Será possível comparar os resultados teóricos dos cálculos com os resultados práticos das estratégias de teste baseadas em vários indicadores. Acho que 3 indicadores em uma estratégia é o limite máximo, não é possível inserir mais.
Muito provavelmente, você está certo. Do ponto de vista teórico, pode haver mais indicadores independentes (até mesmo iguais ao número de barras com as quais contamos), mas eles não serão muito significativos. Mas é bem possível que possamos compor algum número de indicadores normais (ou próximos a eles) a partir deles.
As considerações são aproximadamente as seguintes. Suponha que tenhamos n barras. Vamos definir o preço médio p(i) para cada uma delas, por exemplo, p(i)=(open(i)+close(i))/2. O conjunto de variáveis aleatórias p(1),...,p(n) será, obviamente, dependente. Mas sabe-se que uma série de preços está próxima de ser considerada como uma série de incrementos independentes. Portanto, o conjunto de n variáveis aleatórias d(1)=p(2)-p(1), d(2)=p(3)-p(2), ... d(n-1)=p(n)-p(n-1), p(n) será quase independente. Agora, qualquer conjunto de funções do nosso conjunto será independente se qualquer argumento for incluído somente na expressão de uma delas. Para simplificar: o conjunto de quatro barras das funções I1(d1,d2) e I2(d3,p4) será independente, mas I1(d1,d2,d3) e I2(d3,p4) não serão independentes, por causa de d3.
Por exemplo, duas MAs diferentes sempre serão dependentes. Mas se você pegar duas MAs de forma que a segunda seja deslocada para trás no tempo pelo período da primeira, então um sistema da primeira MA e sua diferença serão independentes.
Tentarei contar em minhas próprias palavras de forma mais simples:
1. Sejam três estratégias:
2. Todos os três indicadores A, B e C não estão correlacionados entre si, ou seja, eles dão sinais para entrar no mercado independentemente um do outro.
3) É necessário calcular a porcentagem teórica de negociações vencedoras para a estratégia Start_ABC, na qual a entrada no mercado ocorre somente se todos os três indicadores mostrarem entrada na mesma direção simultaneamente.
Então, P(Win|ABC) = P(Win|A)* P(Win|B)* P(Win|C) /[ P(Win|A)* P(Win|B)* P(Win|C) - (1 - P(Win|A))*(1 - P(Win|B))*(1 - P(Win|C))) ]
Obrigado! Então, verifica-se que P(Win|ABC) é sempre maior do que cada estrato individualmente.
Então, o tópico de outro artigo é: como encontrar indicadores que sejam independentes uns dos outros automaticamente?
E então teremos quase pronto um simples KnowHow sobre como criar robôs a partir de qualquer coleção de indicadores. Em seguida, você pode adicionar trailing, gerenciamento de mani e assim por diante ao algoritmo básico por meio do Assistente MQL5.
Pegue uma janela arbitrária (N) e estenda-a ao longo do tempo, criando uma matriz de correlação para cada momento. Em seguida, some todas as matrizes e obtenha a média. Quanto mais próximo de zero for o valor da célula correspondente da matriz média, mais independentes serão os indicadores entre si ao longo do intervalo N.
Provavelmente, no R, isso é feito em uma linha, porque, obviamente, essa tarefa é uma das primeiras na pesquisa estatística.
Obrigado! Então, verifica-se que P(Win|ABC) é sempre maior do que cada estrato individualmente.
somente se todas as estratégias forem mutuamente independentes e fornecerem uma probabilidade maior que 0,5.