Bayesian regression - Делал ли кто советник по этому алгоритму? - страница 31
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
Проверил. Сделал программу получающие коэффициенты a и b при которых вероятность по теореме Байеса максимальна при применении нормального распределения с мат. ожиданием равным ах+b.
Алгоритм свёлся к переборке возможных значений a и b линий y=ax+b, подстановку в формулу Байеса P(a,b|x,y)=P(x,y|a,b)*P(a)*P(b)/P(x,y); (1)
В качестве функции правдоподобия P(x,y|a,b) взята формула нормального распределения при мат. ожидании ax+b. Максимальная вероятностная мера по формуле Байеса получилась обратно пропорциональна среднеквадратичному отклонению.
Прямая (красная линия) построенная по коэффициентам a и b (при которых вероятность по теореме Байеса максимальна) почти совпала с тем же индикатором (жёлтая линия) линейной регрессии из кодобазы.
Правы были Dmitry Fedoseev, Vladimir и другие "копенгагены".
Получилось то же самое плюс получена вероятностная мера соответствия a,b x и y по формуле Байеса. В данном случае (линейная зависимость, нормальное распределение y, равномерное распределение a и b) она оказалась обратно пропорциональна среднеквадратичному отклонению. Возможно эта мера пригодится при анализе.
У меня проблема в другом, что некоторые формулы не могу понять там нужно в знаках алгебраических разбираться.
Если вы про мой и свой коды показывающие распределения тиков по ценовым уровням , то там всего четыре арифметических действия.
Если вы про Байеса и вообще про вероятностные методы, то здесь интуитивно, наглядно можно представить только какие то базовые понятия. Если объект сложный, то стоит неправильно с чем то определится и результат насмарку. Здесь нужна какая то математическая культура что ли. И формулы сложные. Но ничего. Мне, с трояком по высшей математике, что то начинает прояснятся. И на форуме люди дают ключевые понятия и формулы что бы не заблудится в теории.
Недавно появилась статья - возможно, Вам пригодится...
https://habrahabr.ru/company/itinvest/blog/277337/
Ну "исследования" это вы громко сказали. Так перебрал коэффициенты, подставил в формулу. Это только для того что бы с чего то начать.
За статью спасибо. Давно хотел почитать про энтропию. А там даже пример кода есть .
P.S. Прежняя ваша аватарка со слоном прикольная была.
А я думал сюда одни болтаны ходят. Уважаю вашу настойчивость и желание разобраться в теории и применить её на практике.
Благодарю. Читаю вашу ветку Предсказание рынка на основе макроэкономических показателей . Впечатляет.
P.S. А " болтаны" на ветку про Баейса заходят интересные.
Объясните, если не сложно чем отличаются индикаторы https://www.mql5.com/ru/code/7812 и https://www.mql5.com/ru/code/7325
Если с первым вроде понятно, что он строит линию по общей середине котировок в заданном диапазоне баров, то второй, который похож на скользящую не понятен?
Объясните, если не сложно чем отличаются индикаторы https://www.mql5.com/ru/code/7812 и https://www.mql5.com/ru/code/7325
Если с первым вроде понятно, что он строит линию по общей середине котировок в заданном диапазоне баров, то второй, который похож на скользящую не понятен?
Линейная регрессия не статична - первый индикатор показывает визуально, какие данные были использованы для расчета и отображает только одну точку, как результат, а второй показывает расчет на каждой точке, соответственно, без визуализации расчета. Т.е. нам, как трейдерам, интереса мало в прошлых данных, мы хотим использовать потенциал прогнозирования, который имеется у индикатора на регрессии.
Поздравляю создательницу ветки и читательниц с праздником! Здоровья, мира и благополучия вам и вашим близким!
Попытаюсь применить теорему Байеса на практике.
Задача. Используя теорему Байеса определить какое значение ещё не пришедшего тика наиболее вероятно.
Дано. Временной ряд x,y.
y=ax+b Линия от последнего тика к будущему.
P(a,b|x,y)=P(x,y|a,b)*P(a)*P(b)/P(x,y); (1) Формула Байеса.
P(a,b|x,y)- вероятность того, что коэффициенты a и b соответствуют координатам x и y будущего тика.
Нужно найти такие a и b, что бы эта вероятность ( правильней сказать вероятностная мера) была максимальной.
P(x,y|a,b) - в качестве функции правдоподобия возьмем реальную гистограмму распределения тиков по ценовым уровням. Функция задаётся двухмерным массивом (матрицей) : ценовой диапазон - вероятность, процентное соотношение тиков попавших в этот диапазон к общему числу тиков. (см. рис 1)
Р(а) Коэффициент а определяет наклон прямой . Он может быть и положительным и отрицательным. Вероятность того или иного знака значения, определяется из той же диаграммы.
Р(b) Коэффициент b определяет подъём прямой относительно оси времени.
Коэффициенты a и b определяют ничто иное как приращение цены. Как подчеркивали участники ветки, распределение приращений цены, имеет форму близкою к нормальной. Предлагаю считать коэффициент b распределенным нормально. Можно его задать генератором случайных чисел (ГСЧ) с гауссовским распределением.
P(x,y) нормирующий делитель. Постоянная величина.
Для написания программы прошу подсказать, есть ли в штатном ГСЧ МТ4 нормальное распределение результатов, или использовать какой то другой.
Рис.1
Поздравляю создательницу ветки и читательниц с праздником! Здоровья, мира и благополучия вам и вашим близким!