Regressão Bayesiana - Alguém já fez um EA usando este algoritmo? - página 6
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
De acordo com esta fórmula, em uma tendência, a variação será 0. É isso que você quer?
Não será igual a 0, tente substituir os valores :)
Vamos supor que a tendência é perfeita, ou seja, cada barra tem o mesmo incremento. Portanto, o gráfico de incrementos é uma linha reta. Então, qual seria a variação de uma linha reta?
Vamos supor que a tendência é ideal, ou seja, cada barra tem o mesmo incremento. Portanto, o gráfico de incremento é uma linha reta. Então, qual é a variação da linha reta?
Sim, então zero.
E a variação é maximizada em incrementos com densidade uniforme. Para o mercado, este é - para colocar em termos de outras aves - o período de maior entropia, quando pequenos, médios e grandes incrementos são igualmente freqüentes.
.......................
Assim, quando os economistas dizem que medimos, por exemplo, a variância de um instrumento, eles fazem o seguinte: variância = soma((Xi - X^)^2) / (N - 1),
onde Xi é o incremento calculado por uma das fórmulas,
X^ é o X com um limite - a estimativa da amostra do valor incremental médio na amostra disponível
N - 1 é o tamanho da amostra menos um,
e a fórmula completa é uma estimativa imparcial da variação.
E então esses economistas começam a pensar que a densidade de incrementos é normal e tentam fazer algo como: sqrt(variance) * sqrt(m) * 1,96,
onde a raiz da variância é uma estimativa do desvio padrão e toda a fórmula é um alongamento da consequência da normalidade sobre a série não(!)normal, a fim de obter uma estimativa do limite extremo do spread de preços em m passos à frente com 95% de probabilidade. E os erros são obtidos, é claro.
Espero ter explicado aproximadamente. E a série de preços original nem mesmo à primeira aproximação se parece com uma série normal, ao contrário dos incrementos.
https://www.mql5.com/ru/articles/363
o autor mostra uma aproximação bastante aceitável da amostra de incrementos em relação ao normal. Os pontos que não estão em linha reta há muito tempo são conhecidos por serem tratados - cerca de 7-10% dos valores máximos do módulo são excluídos da amostra. Então, até mesmo o critério de boa adaptação da Kolmogorov (que é muito sensível à forma de distribuição) mostra que a amostra é normal. Quanto aos valores excluídos, estes são os pontos em que a tendência atual se decompôs. A fonte de onde veio esta metodologia (li algo em inglês há muito tempo, não me lembro onde) basicamente sugere a formação de amostras de incrementos a partir de pontos que estão entre os pontos de quebra de tendência, isto é o que é sugerido para ser chamado de tendência atual.
Sim, então zero.
E a variação é maximizada em incrementos com densidade uniforme. Para o mercado, este é - para colocar em termos de outras aves - o período de maior entropia, quando pequenos, médios e grandes incrementos são igualmente comuns.
Neste posto, seção 5, eliminação de tendências
https://www.mql5.com/ru/articles/363
o autor mostra uma transformação perfeitamente aceitável de uma amostra de incrementos. Os pontos que não estão em linha reta são conhecidos há muito tempo: eles são excluídos da amostra por cerca de 7-10% dos valores máximos do módulo. Então, até mesmo o critério de boa adaptação da Kolmogorov (que é muito sensível à forma de distribuição) mostra a normalidade da amostra. Quanto aos valores excluídos, estes são os pontos em que a tendência atual se decompôs. A fonte de onde veio esta metodologia (li algo em inglês há muito tempo, não me lembro onde) basicamente sugere a formação de amostras de incrementos a partir de pontos que estão entre os pontos de quebra de tendência, isto é o que é sugerido para ser chamado de tendência atual.
Que inversão de sorte aqui.
Li:"A presença de uma 'tendência' tão clara sugere tentar descartar uma tendência primeiro".
Como se você tivesse caído da lua. Como se fosse difícil identificar as ondas. O principal problema com a análise e, conseqüentemente, o comércio, é identificar a tendência.
Que inversão de sorte aqui.
Li:"A presença de uma 'tendência' tão clara sugere tentar descartar uma tendência primeiro".
Como se você tivesse caído da lua. Como se fosse difícil identificar as ondas. O principal problema com a análise e, portanto, com o comércio, é identificar a tendência.
Suponha que a tendência seja perfeita, ou seja, em cada barra o incremento é o mesmo. Portanto, o gráfico de incremento é uma linha reta. Então qual será a variação da linha reta?
Quando tentamos aplicar estatísticas, a pedra angular, a fundação, é a questão da APLICABILIDADE de uma determinada ferramenta dessa ciência.
Seu exemplo não contém variáveis aleatórias - uma constante. A dispersão se refere SOMENTE a variáveis aleatórias. Em seu caso particular, houve um resultado exclusivo das estatísticas: o cálculo da variância mostrou que números constantes, e não números aleatórios, foram fornecidos como entrada.
A singularidade de seu exemplo é que o resultado é correto e facilmente explicado. Normalmente, se você não justificar cuidadosamente a possibilidade de usar uma ferramenta, como a regressão linear, será obtido um resultado que nada tem a ver com a realidade e, portanto, completamente inutilizável na prática: os números serão, podem ser vistos (gopher visível), mas na realidade, todos esses números não o são! Apenas um jogo de números.
Usando a regressão linear como exemplo: um algoritmo padrão (não um caseiro) calcula os coeficientes de regressão e, geralmente, a coluna da extrema direita nos diz se os coeficientes de regressão que vemos realmente existem. Se a coluna da extrema direita tem um valor de 0,5 (50%), então é certo que os números impressos não existem. Se for 10%, é só isso, no nevoeiro. mas se for menos de 5%, então os números realmente existem. E isto só pode ser acreditado se você tiver conseguido justificar a POSSIBILIDADE de aplicar esta regressão muito linear de antemão.