Discussão do artigo "Técnicas do MQL5 Wizard que você deve conhecer (Parte 19): Inferência Bayesiana"
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
Novo artigo Técnicas do MQL5 Wizard que você deve conhecer (Parte 19): Inferência Bayesiana foi publicado:
A inferência bayesiana é a adoção do Teorema de Bayes para atualizar hipóteses de probabilidade à medida que novas informações são disponibilizadas. Isso intuitivamente leva à adaptação na análise de séries temporais, então veremos como podemos usar isso na construção de classes personalizadas, não apenas para o sinal, mas também para gerenciamento de dinheiro e trailing-stops.
Continuamos nossa exploração do MQL5 Wizard revisando a inferência bayesiana, um método estatístico que processa e atualiza probabilidades com cada nova informação recebida. Ele claramente tem um amplo espectro de possíveis aplicações, mas, para nosso propósito como traders, focaremos em seu papel na previsão de séries temporais. As séries temporais disponíveis para análise pelos traders são, principalmente, os preços dos títulos negociados, mas, como veremos neste artigo, essas séries podem ser "expandidas" para também considerar alternativas, como o histórico de negociações de títulos.
Em teoria, a Inferência Bayesiana deve melhorar a adaptabilidade ao mercado de qualquer sistema de negociação, uma vez que a reavaliação de qualquer hipótese é inerente. Isso deve levar a menos ajuste de curva quando testado em dados históricos e, posteriormente, dado a testes avançados ou simulações em contas reais. Mas isso é a teoria e, na prática, a implementação pode arruinar uma ideia sólida, e é por isso que tentaremos considerar mais de uma possível implementação da Inferência Bayesiana para este artigo.
Nosso artigo, portanto, está estruturado em um formato simples que cobre a definição de inferência bayesiana, exemplos de aplicação que incluem ilustrações em uma classe de sinal personalizada, classe de gerenciamento de dinheiro e classe de trailing stop; relatórios de teste de estratégias e, finalmente, uma conclusão.
Autor: Stephen Njuki