贝叶斯回归 - 有没有人用这种算法做了一个EA? - 页 14

 
Dmitry Fedoseev:
多项式。
采取它,计算它,比较它。
 

如果你在报价中加入噪音,你会得到这种分布。

这对交易有什么帮助呢?

 
Yousufkhodja Sultonov:
采取它,计算它,比较它。

我为什么要这样做?我不在乎,你可以呆在你的雾中,只要你愿意,你想呆多久就多久。

此外,你的这个提议看起来非常奇怪。既然你把自己说成是这样一个独特的专家和发明家,你必须知道多项式回归,知道它的特性。

完全不需要计算,代码库里有一个指标,你甚至可以改变多项式的程度,这真的很给力。

 
Event:

如果你在报价中加入噪音,你会得到这种分布。

这对交易有什么帮助呢?

它没有。但根据当地回归论者的说法--既然分布变成了正态,你现在可以应用所有的方法,在他们看来,这些方法只能应用于正态分布。(当然,只是开玩笑)
 
Dmitry Fedoseev:

我为什么要这样做?我不在乎,你可以呆在你的雾中,只要你愿意,你想呆多久就呆多久。

此外,你的这个提议看起来非常奇怪。既然你是这样一个独特的专家和发明家,你应该知道多项式回归,知道它的特性。

多项式每次都需要适应实际的数据,而在(18)的情况下,你不需要做任何事情,它可以以最好的方式自我调整。你只是没有勇气承认,在各种意义上,比(18)更好的模型还没有被发明出来。
 
Yousufkhodja Sultonov:
多项式每次都需要适应实际的数据,而在(18)的情况下,你不需要做任何事情,它就会以最好的方式自我调整。你只是没有勇气承认,在各种意义上,比(18)更好的模型还没有被发明出来。

为什么要改编它?它是自身适应性最好的多项式。你的曲线回归只会在很少情况下符合数据。这里的情况完全不同,你的退步不是说它是最好的或最好的,它在这里根本不适用。

也不太清楚你所说的适应是什么?退步的本质是适应。否则你为什么叫它黄油?

你怎么能对你没有尝试过的东西作出估计呢?

 
Yousufkhodja Sultonov:
那你为什么不是一个百万富翁?你有一个分支机构,你可以谈论你(18)的魅力,不要在这里做。
 
Dmitry Fedoseev:

为什么要改编它?它是自身适应性最好的多项式。你的曲线回归只会在很少情况下符合数据。这里的情况完全不同,你的退步不是说它是最好的或最好的,它在这里根本不适用。

也不太清楚你所说的适应是什么?退步的本质是适应。否则你为什么叫它黄油?

让我闭嘴的最简单方法是用这个例子来说明多项式模型的工作原理。我确信它没有预测能力。它可能会在输入事实数据的一段显示一些东西,但除此之外,它将脱离现实。
 
Yousufkhodja Sultonov:
让我闭嘴的最简单方法是用这个例子来说明多项式模型的工作原理。我确信它没有预测能力。它也许能在输入的实际数据的一段显示一些东西,但随后就脱离了现实。
否则,你会认为你的会适用于预测。
 
Dmitry Fedoseev:
否则,你会认为你的会适用于预测。
显然,市场并不真正关心预测本身,特别是在短期内。从长期来看,预测给出了每年10-12%的适度成果,许多人对此并不满意。