Bayes'sche Regression - Hat jemand einen EA mit diesem Algorithmus erstellt? - Seite 44
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Die Klassifizierung basiert auch auf den Merkmalen der eingehenden Daten, und wenn sich diese Merkmale im Laufe der Zeit ändern, wird die künftige Anwendung der Klassifizierung eine falsche Vorhersage ergeben.
Es ist alles traurig...
Ganz genau. Die Zerlegung der Daten in Bins (Fächer) ist einfach. Problematisch wird es, wenn sich die Wahrscheinlichkeitsverteilung auf den Bins bei den Daten außerhalb der Trainingsstichprobe ändert.
Unter dem Mond dauert nichts ewig.
Aber es gibt etwas an der Klassifizierung, das dem Händler sehr am Herzen liegt.
Wir sitzen da und starren auf die Tabellen und versuchen, ein Muster zu finden. Und hier ist er: der Schnittpunkt zweier Balken! Ganz zu schweigen von einem solchen Muster wie "Kopf und Schultern".
Dann lässt man den Algorithmus laufen, und er findet mehrere hundert Bäume (hundertmal mehr Glück als bei Mashes), die Kombinationen von Eingabedatenwerten sind, die mit der Ausgabevariablen in Verbindung gebracht werden können. Nur eine Seelenverwandtschaft und TA, aber auf welcher Ebene!
Nicht-stationäre Daten werden von Zeitreihenmodellen nicht vorhergesagt. Weder statistische Modelle (Regression, Autoregression, Glättung usw.) noch Strukturmodelle (NS, Klassifizierung, Markov-Ketten usw.).
Nur Fachgebietsmodelle
Offensichtlich verstehe ich etwas nicht, aber über welche Statistik und welche Modelle sollten wir sprechen, wenn die Korrelationsfunktion für eine Ableitung eines Wiener Prozesses eine Deltafunktion ist. Natürlich handelt es sich bei den Marktdaten nicht um einen Wiener-Prozess in seiner reinen Form (zumindest nicht in einer homogenen stationären Umgebung), aber die Korrelationen auf dem modernen Markt sind in einem Intervall von in der Regel nicht mehr als 1-2 Stunden signifikant, meist zwischen 15-30 Minuten. Und in der Tat ist es keine Tatsache, dass dies die Realität ist und nicht eine "scheinbare Reflexion des scheinbaren Mondes" (c)
Es ist interessant, dass Ihr Standpunkt mit dem meinen stark übereinstimmt. Ich habe das Vorhandensein von stabilen "Korrelationen" oder besser gesagt Abhängigkeiten von mehreren Prädiktoren gerade für den Zeitraum von 20 Minuten bis zu einer Stunde gezeigt. Lesen:https://www.mql5.com/ru/blogs/post/661499
Aber das ist noch nicht die endgültige Wahrheit. Die Bedeutung der Wahrscheinlichkeitsverzerrung für eine boolesche Variable (Vorhersage des Vorzeichens der Preisbewegung) ist bei weiter entfernten Zeithorizonten gegeben. Darüber werde ich noch ausführlicher schreiben.
Unter dem Mond dauert nichts ewig.
Aber es gibt etwas an der Klassifizierung, das dem Händler sehr am Herzen liegt.
Wir sitzen da und starren auf die Tabellen und versuchen, ein Muster zu finden. Und hier ist er: der Schnittpunkt zweier Balken! Ganz zu schweigen von einem solchen Muster wie "Kopf und Schultern".
Dann lässt man den Algorithmus laufen, und er findet mehrere hundert Bäume (hundertmal mehr Glück als bei Mashes), die Kombinationen von Eingabedatenwerten sind, die mit der Ausgabevariablen in Verbindung gebracht werden können. Nur eine Seelenverwandtschaft und TA, aber auf welcher Ebene!
Nicht-stationäre Daten werden von Zeitreihenmodellen nicht vorhergesagt. Weder statistische Modelle (Regression, Autoregression, Glättung usw.) noch Strukturmodelle (NS, Klassifizierung, Markov-Ketten usw.).
Nur Fachgebietsmodelle
Wo kann ich etwas über "Fachgebietsmodelle" lesen? Genauer gesagt, soweit ich es verstehe, in Bezug auf den Themenbereich "Kursnotierungen/Börsennotierungen".
Angewandt wird die Fundamentalanalyse.
Subjektive Modelle sind Modelle, die einen Prozess durch Faktoren außerhalb der Zeitreihe erklären. Zum Beispiel: Thermodynamik