Regressão Bayesiana - Alguém já fez um EA usando este algoritmo? - página 11
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
As teorias de comportamento de preços descritas em vários livros de comércio acadêmico não são apoiadas por nada além do raciocínio dos autores.
O comportamento dos preços é o comportamento de um agregado de diferentes grupos de participantes do mercado, a relação e o valor de suas posições abertas mudando de forma dinâmica e estocástica. :)
Na minha opinião, é interessante (para um pesquisador), mas não o monetário.
Anteriormente, formulei duas estratégias possíveis - a busca de tendências e a busca de pips. A primeira estratégia é reduzida à detecção do início e do fim de uma tendência.
A segunda é a captura de pequenos (quase barulhentos) movimentos de preços. Penso que ambas as estratégias devem ser formuladas em termos de características meramente estatísticas de preço e/ou aumentos de preço no período de tempo correspondente.
Recentemente encontrei uma frase interessante - arbitragem estatística. Estou estudando isso agora. :)
Entendido. Apenas um fato - o comportamento estocástico dos preços envolve padrões estocásticos, ou seja, padrões onde o resultado não será garantido, mas acontecerá com probabilidade. Mas isso não é tudo.
A probabilidade tem um intervalo de confiança. E assim, se p é um modelo - seu intervalo de confiança é provavelmente maior que, digamos, um ingênuo p = 0,5 + seu intervalo de confiança - então temos um modelo estável (não estritamente falando, é claro), empiricamente testado que pode fazer com que o MO supere as despesas gerais.
Entendido. Apenas um fato - o comportamento estocástico dos preços envolve padrões estocásticos, ou seja, aqueles em que o resultado não será garantido, mas acontecerá com probabilidade. Mas isso não é tudo.
A probabilidade tem um intervalo de confiança. E assim se p é modelo - seu intervalo de confiança é provavelmente maior que, digamos, o ingênuo p = 0,5 + seu intervalo de confiança, então temos um modelo estável (não estritamente falando, é claro), empiricamente testado que pode fazer MO superar as despesas gerais.
A diferença entre minha posição e a sua é que eu não sei como criar modelos, então eu uso o que várias pessoas espertas inventaram. :)
Concordo plenamente com você.
A diferença entre minha posição e a sua é que eu não sei como criar modelos, então eu uso o que várias pessoas espertas inventaram. :)
Há muitas camadas culturais aqui. Todos eles são puros blá blá blá blá e algumas fotos bonitas. É preciso verificar tudo de uma boa maneira.
Eu gostaria de ter um código sobre o assunto desta filial.
1. regressão linear. Método dos mínimos quadrados. As fórmulas são retiradas do videoclipe.
y=kx+b;
k=(produto médio de xy - produto da média x e y)/(quadrado médio de x - quadrado da média x);
b= y média - k*x média.
2. Ao fazer estes cálculos, você deve obter as coordenadas da linha reta. Os valores reais serão diferentes dos teóricos pelo valor eps= y(real)- y(teor).
Além disso, para que a regressão seja Bayesiana, assume-se que a eps é distribuída de acordo com a lei normal.
Por favor, aqueles que são Copenhagenistas, corrijam-me se algo está errado e me aconselhem o que fazer a seguir.
Aqui https://www.mql5.com/ru/code/8016 você pode baixar um indicador que calcula a regressão linear da mesma forma que o MT4 e constrói um canal de regressão linear.
Aqui https://www.mql5.com/ru/code/8016 você pode baixar um indicador que calcula uma regressão linear como o MT4 e constrói um canal de regressão linear.
A linha de regressão linear traçada pelo indicador quase coincidiu com a que eu desenhei a olho nu. Isso acontece.
A linha de regressão linear que o indicador traçou era quase idêntica à que tracei a olho nu. Isso acontece.
Não subestime nosso cérebro...
Talvez sejam inventados indicadores para tirar a carga do cérebro, das profundezas do inconsciente, por assim dizer...
...
Além disso, para que a regressão seja Bayesiana, assume-se que o eps é distribuído de acordo com a lei normal.
...
Por que esta suposição? De forma alguma. Não é preciso pensar sobre isso, é como definir o escopo da regressão Bayesiana.
Devemos determinar os atributos que são necessários para calcular a regressão Bayesiana. Esta é a primeira questão de como fazer um círculo quadrado. É aqui que você pode perceber que a regressão Bayesiana não se encaixa em nada. Mas não nos importamos... algo tem que ser feito. Suponha que a coincidência dos valores de preços de uma linha e da segunda linha (em nosso caso, a linha) corresponderá à máxima probabilidade. E o máximo um por um caminho será 1/n (n - número de barras). Embora esta abordagem seja exatamente como desenhar com uma forquilha sobre a água. Portanto, devemos inventar alguma fórmula que, no argumento 0 dá 1/n, e no argumento crescente, tende a 0. Em seguida, anotamos a fórmula das iscas e substituímos a fórmula que inventámos anteriormente pelas probabilidades. A seguir, precisamos encontrar o máximo da função resultante. Provavelmente pegue a derivada, equacione-a a zero.
O resultado será quase o mesmo que a regressão linear, pois o objetivo inicial era combinar a linha reta e a série de preços.