Обсуждение статьи "Наивный байесовский классификатор для сигналов набора индикаторов" - страница 2
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Тогда напрашивается тема еще одной статьи - как найти независимые между собой индикаторы автоматически?
И тогда у нас почти готов простой KnowHow по созданию роботов из любой коллекции индикаторов. Далее можно прикрутить к базовому алгоритму через Мастер MQL5 трейлинги, манименеджмент и так далее.
Да, такая тема есть. Ею уже занимались настоящие ученые, коим я не являюсь, - в интернете можно найти статьи. У меня готовый материал отсутствует, и вероятно потребуется много времени на проработку. Вместе с тем, на mql5.com есть уже публикации по теме, как например вот эта или вот эта.
Вместе с тем, на mql5.com есть уже публикации по теме, как например вот эта или вот эта.
Спасибо за ссылки и напоминание, но это не то - не популярная механика.
Спасибо за ссылки и напоминание, но это не то - не популярная механика.
Я правильно понял мысль, что приведенные ссылки сложны для понимания и практического применения, а теперь требуется просто готовый "работающий автомобиль" без всяких там Excel и R? Это я уточняю для будущих потенциальных авторов. ;-)
Я правильно понял мысль, что приведенные ссылки сложны для понимания и практического применения, а теперь требуется просто готовый "работающий автомобиль" без всяких там Excel и R? Это я уточняю для будущих потенциальных авторов. ;-)
Конечно - все умеют пользоваться смартфонами, хотя никто не знает основ радиотехники и прочей сложной науки, которая в них применена.
Наивный байесовский классификатор требует от набора признаков (в нашем случае - индикаторов) сильной формы независимости - независимости в совокупности (а не только попарной или некоррелированности). Сталкивался с утверждением, что такой независимости нельзя получить для набора из обычных, осмысленных индикаторов.
Наивный байесовский классификатор требует от набора признаков (в нашем случае - индикаторов) сильной формы независимости - независимости в совокупности (а не только попарной или некоррелированности).
Вот и можно будет сравнивать теоретические результаты вычислений с практическими результатами тестирования стратегий на основе нескольких индикаторов. Я думаю, что 3 индикатора в одной стратегии - это потолок, больше вставить нельзя.
Скорее всего, вы правы. С точки зрения теории, независимых индикаторов может быть и больше (даже равно числу баров на которых считаем), только они будут не очень осмысленными. Но, вполне возможно, мы сможем скомпоновать из них некоторое количество нормальных индикаторов (или близких к таковым).
Соображения примерно следующие. Пусть у нас имеется n баров. Определим для каждого из них среднюю цену p(i), например p(i)=(open(i)+close(i))/2. Набор случайных величин p(1),..,p(n) будет конечно же зависимым. Но известно, что ряд цен близок к тому, чтобы считаться рядом с независимыми приращениями. Поэтому набор n случайных величин d(1)=p(2)-p(1), d(2)=p(3)-p(2), ... d(n-1)=p(n)-p(n-1), p(n) будет близким к независимому. Теперь, любой набор функций от нашего набора будет независимым если любой аргумент входит только в выражение одной из них. Если проще: набор для четырех баров из функций I1(d1,d2) и I2(d3,p4) будет независимым, а I1(d1,d2,d3) и I2(d3,p4) - нет, из-за d3.
К примеру, две разные MA всегда будут зависимы. Но если взять две MA таких, что вторая сдвинута в прошлое на период первой, то система из первой MA и их разницы будет независимой.
Я попробую пересказать своими словами более просто:
1. Пусть есть три стратегии:
2. Все три индикатора A, B и C не кореллируют между собой - то есть подают сигналы на вход в рынок независимо друг от друга
3. Требуется рассчитать теоретический процент выигрышных сделок для стратегии Start_ABC, при которой вход в рынок происходит только в том случае, если все три индикатора показывают вход в одном направлении одновременно.
Тогда 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)) ]
Спасибо! Тогда получается, что P(Win|ABC) всегда больше, чем каждая страта по отдельности.
Тогда напрашивается тема еще одной статьи - как найти независимые между собой индикаторы автоматически?
И тогда у нас почти готов простой KnowHow по созданию роботов из любой коллекции индикаторов. Далее можно прикрутить к базовому алгоритму через Мастер MQL5 трейлинги, манименеджмент и так далее.
Брать произвольное окно (N) и тянуть его по времени, строя для каждого момента матрицу корреляции. Затем все матрицы сложить и получить среднюю. Чем ближе к нулю соответствующие значение ячейки средней матрицы, тем более независимы индикаторы между собой на длине интервала N.
Наверное, в R это делается в одну строку, т.к., очевидно, такая задача является одной из первых при стат. исследованиях.
Спасибо! Тогда получается, что P(Win|ABC) всегда больше, чем каждая страта по отдельности.
только если все стратегии взаимонезависимы и дают вероятность больше 0.5