贝叶斯回归 - 有没有人用这种算法做了一个EA？ - 页 5 123456789101112...55 新评论 Dmitry Fedoseev 2016.02.03 14:21 #41 似乎有点不谦虚，这里唯一有意义的是gpwr。其余的人，请原谅我:) Renat Akhtyamov 2016.02.03 15:57 #42 )))而我的印象是，有人根本没有更好的事情可做，开始变得聪明起来，虽然意见是--不走）......正如你在上面看到的--不仅是我的 Yuri Evseenkov 2016.02.04 07:28 #43 Alexey Burnakov: 人们应该使用一种误差分布密度不重要的方法。非参数方法。我们根本不知道外汇的误差分布。从形式上看--严格来说--误差是建模值和在基因群体上获得的模型值之间的差异，也就是纯理论值。残差是在现有样本上的模型值与模型值的区别上得到的，但它们也很难是正常的，因为金融时间序列（更确切地说，它们的回报）不是正常的（！），是厚重的线条 和峰值，而对这样一个厚重的线条和峰值的序列 进行建模是非常困难的。我甚至还为每小时的增量推导出原始分布（绿松石=））和具有相同平均数和SD参数的正常分布。正如你所看到的，这远远不是正常的。而正态性测试远远没有通过。依靠误差的正态性的方法是经典的，来自20世纪的方法，如线性回归和方差分析。但我们可以没有他们。阅读维基）。如果你像比特币策略的作者一样，在平地进行研究，那么你肯定更清楚真实和理想曲线之间的差异是如何影响结果的。高斯分布是自然界中最流行的分布，并广泛用于科学领域（从社会学到核物理学），但在MQL社区的许多人对其在市场上的适用性持敌对态度。 我不是一个数学家，但是当我按价格水平看条形或刻度量的分布时，画面让我想起了一个钟。特别是在平坦的市场上。比如说。整个欧元兑美元的故事看起来像一个全球性的平局。 Alexey Burnakov 2016.02.04 10:54 #44 Yuri Evseenkov:如果你像比特币策略的作者那样对平坦的市场进行研究，那么你肯定更清楚真实和理想曲线之间的差异对结果的影响。高斯分布是自然界中最广泛的分布，并广泛用于科学（从社会学到核物理学），由于某些原因，它不被MQL社区中的许多人接受，认为它适用于市场。 我不是一个数学家，但是当我按价格水平看条形或刻度量的分布时，画面让我想起了一个钟。特别是在平坦的市场上。比如说。整个欧元兑美元的故事看起来像一个全球性的平局。 密度是根据价格增量来衡量的，而不是价格本身。 Renat Akhtyamov 2016.02.04 13:28 #45 Alexey Burnakov: 密度是根据价格增量来衡量的，而不是价格本身。 О!现在这很有趣。我可以拥有这个公式吗？ Alexey Burnakov 2016.02.04 13:43 #46 new-rena: 哦！现在这很有趣。我可以拥有这个公式吗？同事，这些都是基本的东西!你可以采取不同的配方，如最流行的配方。Pr - 价格t - 时间1) Pr(t) - Pr(t-1)2) Pr(t) / Pr(t - 1) - 13) 对数(Pr(t))- 对数(Pr(t-1))因此，当经济学家说我们已经测量了，例如，这种工具的方差，他们的做法是：方差=sum((Xi - X^)^2) / (N - 1) 。其中Xi是由其中一个公式计算的增量。X^是有上限的X--现有样本中平均增量值的样本估计值N - 1是样本量减去1。 而整个公式是对方差的无偏估计。然后这些经济学家开始认为增量的密度是正常的，并试图做一个类似于：sqrt（方差）*sqrt（m）*1.96的事情。其中，方差根是对标准差的估计，整个公式是对非正态序列的正态性后果的延伸，以便在95%的概率下得到对m个步骤的价格传播的极端极限的估计。当然，也会获得错误。我希望我已经解释了大概。而最初的价格系列即使在第一近似中也不像正常的价格系列，与增量不同。 Bayesian regression - Has 机器学习模型的变量评估和选择 深度神经网络 (第 I 部)。准备数据 Renat Akhtyamov 2016.02.04 13:45 #47 Alexey Burnakov:同事，这些都是基本的东西!你可以采取不同的配方，如最流行的配方。Pr - 价格t - 时间1) Pr(t) - Pr(t-1)2) Pr(t) / Pr(t - 1) - 13) 对数(Pr(t))- 对数(Pr(t-1))因此，当经济学家说我们已经测量了，例如，这种工具的方差，他们的做法是：方差=（Xi - X^）^2 /（N - 1）。其中Xi是由其中一个公式计算的增量。X^是有上限的X--是现有样本中增量的平均值的样本估计。N - 1是样本量减去1。 而整个公式是对方差的无偏估计。然后这些经济学家开始认为增量的密度是正常的，并试图做一个类似于：sqrt（方差）*sqrt（m）*1.96的事情。其中，方差根是对标准差的估计，整个公式是对非正态序列的正态性后果的延伸，以便在95%的概率下得到对m个步骤的价格传播的极端极限的估计。当然，也会获得错误。我希望我已经解释了大概。而最初的价格序列甚至在第一次近似时也不像正常的价格序列，与增量不同。我看了看公式。是的，这种方法适合这里。谢谢你!我想阅读基本知识。也许有一本关于上述主题的教科书？ Aleksey Vyazmikin 2016.02.04 14:12 #48 new-rena:我看了看公式。是的，它被粘在这种方法上了。谢谢你!我想阅读基本知识。也许有一本关于上述主题的教科书？有一个很好的基础知识的耳濡目染 Лекция 14: Линейная регрессия и корреляция 2014.01.29www.youtube.com Излагается метод линейной регрессии. Лекция и тесты в НОУ ИНТУИТ http://www.intuit.ru/studies/courses/637/493/lecture/11167 Alexey Burnakov 2016.02.04 14:14 #49 new-rena:我看了看公式。是的，它被粘在了这个方法上。谢谢你!我想阅读基本知识。也许有一本具有上述主题的教科书？说实话，我自己没有读过任何教科书。基本上，我在分析的过程中抓紧时间。在这种情况下，最主要的是不要想当然地相信学者的话。我告诉你，仍然有股票分析师把它们作为一个正常的过程，仅仅是因为它很方便。我推荐一本关于时间序列 分析的书。但其中也会有一堆阿里马、Garch、单位根的东西，可能根本不适用于外汇。 Dmitry Fedoseev 2016.02.04 16:39 #50 Alexey Burnakov:方差 = sum((Xi - X^)^2) / (N - 1)。 根据这个公式，趋势上的方差将为0，这是否正确？ 123456789101112...55 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
)))
而我的印象是，有人根本没有更好的事情可做，开始变得聪明起来，虽然意见是--不走）......正如你在上面看到的--不仅是我的
人们应该使用一种误差分布密度不重要的方法。非参数方法。
我们根本不知道外汇的误差分布。从形式上看--严格来说--误差是建模值和在基因群体上获得的模型值之间的差异，也就是纯理论值。残差是在现有样本上的模型值与模型值的区别上得到的，但它们也很难是正常的，因为金融时间序列（更确切地说，它们的回报）不是正常的（！），是厚重的线条 和峰值，而对这样一个厚重的线条和峰值的序列 进行建模是非常困难的。
我甚至还为每小时的增量推导出原始分布（绿松石=））和具有相同平均数和SD参数的正常分布。正如你所看到的，这远远不是正常的。而正态性测试远远没有通过。
依靠误差的正态性的方法是经典的，来自20世纪的方法，如线性回归和方差分析。但我们可以没有他们。
阅读维基）。
如果你像比特币策略的作者一样，在平地进行研究，那么你肯定更清楚真实和理想曲线之间的差异是如何影响结果的。
高斯分布是自然界中最流行的分布，并广泛用于科学领域（从社会学到核物理学），但在MQL社区的许多人对其在市场上的适用性持敌对态度。
我不是一个数学家，但是当我按价格水平看条形或刻度量的分布时，画面让我想起了一个钟。特别是在平坦的市场上。比如说。整个欧元兑美元的故事看起来像一个全球性的平局。
如果你像比特币策略的作者那样对平坦的市场进行研究，那么你肯定更清楚真实和理想曲线之间的差异对结果的影响。
高斯分布是自然界中最广泛的分布，并广泛用于科学（从社会学到核物理学），由于某些原因，它不被MQL社区中的许多人接受，认为它适用于市场。
我不是一个数学家，但是当我按价格水平看条形或刻度量的分布时，画面让我想起了一个钟。特别是在平坦的市场上。比如说。整个欧元兑美元的故事看起来像一个全球性的平局。
密度是根据价格增量来衡量的，而不是价格本身。
哦！现在这很有趣。我可以拥有这个公式吗？
同事，这些都是基本的东西!
你可以采取不同的配方，如最流行的配方。
Pr - 价格
t - 时间
1) Pr(t) - Pr(t-1)
2) Pr(t) / Pr(t - 1) - 1
3) 对数(Pr(t))- 对数(Pr(t-1))
因此，当经济学家说我们已经测量了，例如，这种工具的方差，他们的做法是：方差=sum((Xi - X^)^2) / (N - 1) 。
其中Xi是由其中一个公式计算的增量。
X^是有上限的X--现有样本中平均增量值的样本估计值
N - 1是样本量减去1。
而整个公式是对方差的无偏估计。
然后这些经济学家开始认为增量的密度是正常的，并试图做一个类似于：sqrt（方差）*sqrt（m）*1.96的事情。
其中，方差根是对标准差的估计，整个公式是对非正态序列的正态性后果的延伸，以便在95%的概率下得到对m个步骤的价格传播的极端极限的估计。当然，也会获得错误。
我希望我已经解释了大概。而最初的价格系列即使在第一近似中也不像正常的价格系列，与增量不同。
同事，这些都是基本的东西!
你可以采取不同的配方，如最流行的配方。
Pr - 价格
t - 时间
1) Pr(t) - Pr(t-1)
2) Pr(t) / Pr(t - 1) - 1
3) 对数(Pr(t))- 对数(Pr(t-1))
因此，当经济学家说我们已经测量了，例如，这种工具的方差，他们的做法是：方差=（Xi - X^）^2 /（N - 1）。
其中Xi是由其中一个公式计算的增量。
X^是有上限的X--是现有样本中增量的平均值的样本估计。
N - 1是样本量减去1。
而整个公式是对方差的无偏估计。
然后这些经济学家开始认为增量的密度是正常的，并试图做一个类似于：sqrt（方差）*sqrt（m）*1.96的事情。
其中，方差根是对标准差的估计，整个公式是对非正态序列的正态性后果的延伸，以便在95%的概率下得到对m个步骤的价格传播的极端极限的估计。当然，也会获得错误。
我希望我已经解释了大概。而最初的价格序列甚至在第一次近似时也不像正常的价格序列，与增量不同。
我看了看公式。是的，这种方法适合这里。谢谢你!
我想阅读基本知识。也许有一本关于上述主题的教科书？
我看了看公式。是的，它被粘在这种方法上了。谢谢你!
我想阅读基本知识。也许有一本关于上述主题的教科书？
有一个很好的基础知识的耳濡目染
我看了看公式。是的，它被粘在了这个方法上。谢谢你!
我想阅读基本知识。也许有一本具有上述主题的教科书？
说实话，我自己没有读过任何教科书。基本上，我在分析的过程中抓紧时间。
在这种情况下，最主要的是不要想当然地相信学者的话。我告诉你，仍然有股票分析师把它们作为一个正常的过程，仅仅是因为它很方便。
我推荐一本关于时间序列 分析的书。但其中也会有一堆阿里马、Garch、单位根的东西，可能根本不适用于外汇。
方差 = sum((Xi - X^)^2) / (N - 1)。