Regresión Bayesiana - ¿Alguien ha hecho un EA utilizando este algoritmo? - página 13

 
Yuri Evseenkov:

He respondido a tu primera pregunta. Realmente no entiendo lo de los signos. ¿Encontrar el número de barras en el que la teoría funciona? Lo rechazo de inmediato.

"El objetivo original era conciliar la línea recta y la serie de precios. - si la regresión bayesiana es una línea recta, entonces no sirve.

Si es compatible con una línea recta, basta con la regresión lineal por mínimos cuadrados (LOS) conocida por todos. También por el método ANC se puede combinar con cualquier curvilínea. En el código conocido por todos en lugar del número 1,2,3... se utilizan los valores de la curvulina.

Incluso puede haber una curvulina de forma desconocida (polinómica) - regresión polinómica, el código base tiene un código para eso.

---

Señales. Esta es la base de la regresión bayesiana. Se definen rasgos cuya presencia asigna una muestra a una clase concreta con cierta probabilidad. Teniendo varias características y sus probabilidades, la probabilidad final se calcula mediante la fórmula de Bayes.

 
Yuri Evseenkov:

"La suma de un número suficientemente grande de variables aleatorias débilmente dependientes de aproximadamente la misma magnitud (ninguna de las sumas es dominante o determinante) tiene una distribución que se aproxima a una distribución normal" (Wikipedia).

Si la wikipedia es más autorizada que la realidad del mercado para ti, entonces busca allí las respuestas a tus preguntas en lugar de hacerlas aquí.
 
Dmitry Fedoseev:

¿Qué te hace pensar eso? En absoluto. No hay que pensar en ello, es como definir el alcance de la regresión bayesiana.

Tenemos que determinar las características necesarias para calcular la regresión bayesiana. Esta es la primera pregunta de cómo hacer un círculo cuadrado. Aquí es donde puede darse cuenta de que la regresión bayesiana no encaja en absoluto. Pero no nos importa... hay que hacer algo. Supongamos que la coincidencia de los valores de los precios de una fila y la segunda fila (en nuestro caso la línea) corresponderá a la máxima probabilidad. Y el camino máximo por uno será 1/n (n - número de barras). Aunque este enfoque es como dibujar con una horquilla en el agua. Así que deberíamos inventar alguna fórmula que en el argumento 0 diera 1/n, y en el argumento creciente tendiera a 0. Luego escribimos la fórmula de baes y sustituimos la fórmula que inventamos antes por las probabilidades. A continuación tenemos que encontrar el máximo de la función resultante. Probablemente tome la derivada, la iguale a cero...

El resultado será casi el mismo que el de la regresión lineal, porque el propósito original era combinar la línea recta y la serie de precios.

Habiendo leído un poco de literatura, queda claro que en la regresión bayesiana, la estimación de los coeficientes de regresión lineal se basa en el conocimiento a priori de su distribución y en la suposición de normalidad de los errores. Todo lo demás es lo mismo que en la regresión lineal habitual con estimación de los coeficientes por CNA. Aplicarlo o no al mercado depende de usted.

 
Alexey Burnakov:

Después de leer un poco de matemáticas, queda claro que en la regresión bayesiana, la estimación de los coeficientes de regresión lineal se basa en el conocimiento a priori de su distribución y en la suposición de normalidad de los errores. Todo lo demás es lo mismo que en la regresión lineal habitual con estimación de los coeficientes por CNA. Aplicarlo o no al mercado depende de usted.

¿De dónde viene esto?
 
Yuri Evseenkov:

...

"La suma de un número suficientemente grande de variables aleatorias débilmente dependientes, que tienen aproximadamente la misma magnitud (ningún sumando domina, ninguna contribución determinante a la suma), tiene una distribución cercana a la normal."(Wikipedia)

...

No recomiendo tomar en serio esta definición. Esa página de wikipedia ni siquiera cita una fuente. Es el giro de otra persona.
 
Dmitry Fedoseev:
¿De dónde viene esto?

Artículos de la Wikien inglés y un par de conferencias sobre el tema. La MNC se sustituye por la inferencia bayesiana con maximización de la probabilidad.

Y creo que has confundido la aplicación del teorema bayesiano a la estimación posterior de la probabilidad de que ocurra un evento con lo que se hace en la regresión bayesiana. Aunque ambos se basan en un enfoque bayesiano de la probabilidad.

 
Alexey Burnakov:

Artículos de la Wikien inglés y un par de conferencias sobre el tema. La MNC se sustituye por la inferencia bayesiana con maximización de la probabilidad.

Y creo que has confundido la aplicación del teorema bayesiano a la estimación posterior de la probabilidad de que ocurra un evento con lo que se hace en la regresión bayesiana. Aunque ambos se basan en un enfoque bayesiano de la probabilidad.

¿Y qué y cómo se confunde aquí?

¿Cuál es la probabilidad?

 
Yuri Evseenkov:

... Los datos del mercado de divisas tienen una distribución normal y, por lo tanto, es el ámbito de la regresión bayesiana ...

Durante algunos períodos, los "datos de divisas" (supongamos que se trata de los precios) pueden tener una distribución normal, pero evidentemente no es el caso de una tendencia; tal vez haya una mezcla de distribuciones normales (?) y otras.
Podemos suponer que en las series de precios hay un cambio secuencial de distribuciones (o sus mezclas), no necesariamente normales.
Aplicar cualquier regresión a las series de precios no tiene sentido porque las series de precios son no estacionarias. En ruso, esto significa que los coeficientes de regresión calculados en una muestra no coincidirán con los de otra muestra.

 
Dmitry Fedoseev:
Este 18 no cubre nada. Es perfectamente sustituible por la regresión lineal y el nivel de Fibo. No puedes tener una conversación normal, no tienes conversaciones constructivas. Todavía no has demostrado que entiendes lo que es el 18 y lo que hace.

Evalúe la potencia de (18) con un ejemplo sencillo, los datos de aquí http://www.statdata.ru/russia, ¿qué regresión puede replicar tal cosa? Puede introducir los 10 principales métodos de regresión http://datareview.info/article/10-tipov-regressii-kakoy-vyibrat/


Население России на 2016 год составляет 146 519 759 человек. Статистика населения России РФ - www.statdata.ru - Сайт о странах, городах, статистике населения и пр.
Население России на 2016 год составляет 146 519 759 человек. Статистика населения России РФ - www.statdata.ru - Сайт о странах, городах, статистике населения и пр.
  • www.statdata.ru
Общая численность населения России на 1 января 2016 года составляет 146 519 759 человек (с Крымом) по данным [1-Росстат] (согласно данным о предварительной оценке численности населения на 01.01.2016). ии на 1 января 2015 года составляла 146 267 288 человек. 1.41% или 32 421 чел. Далее Северо-Кавказский федеральный округ с ростом на 0.61% или 58...
 
Yousufkhodja Sultonov:

...¿qué regresión puede replicar algo así? Puede introducir los 10 principales métodos de regresión http://datareview.info/article/10-tipov-regressii-kakoy-vyibrat/

...

Polinomio.