Regresión Bayesiana - ¿Alguien ha hecho un EA utilizando este algoritmo? - página 32
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Para escribir un programa, por favor, indique si la distribución normal de los resultados está disponible en MT4, o si hay que utilizar otra.
Me sorprende el alto nivel de dominio de los métodos matemáticos por parte de los panelistas y su completa falta de comprensión de los principios de su aplicabilidad. Cualquier análisis de regresión correlaciona los datos. Si no hay correlación, la regresión no es aplicable. Si la distribución de las cantidades estudiadas es distinta de la normal, los métodos estadísticos paramétricos tampoco son aplicables. El mercado no tiene la propiedad de la normalidad. Además, el mercado como proceso no depende del tiempo. Sin embargo, ambas cosas desbaratan la idea misma del análisis de regresión en su raíz.
Me sorprende el alto nivel de dominio de los métodos matemáticos de los participantes en el debate en un contexto de total desconocimiento de los principios de su aplicabilidad. Cualquier análisis de regresión correlaciona los datos. Si no hay correlación, la regresión no es aplicable. Si la distribución de las cantidades estudiadas es distinta de la normal, los métodos estadísticos paramétricos tampoco son aplicables. El mercado no tiene la propiedad de la normalidad. Además, el mercado como proceso no depende del tiempo. Sin embargo, ambas cosas desbaratan la idea misma del análisis de regresión en su raíz.
Bueno, por fin, la voz de la razón.
Antiguamente, el estudio de las matemáticas aplicadas se iniciaba con el estudio de los errores sistemáticos de primer y segundo tipo, cuyo significado se extraía del análisis de sistemas y no de la estadística.
El primer tipo de error sistemático se formuló como sigue:
La aplicación de métodos correctos a datos a los que no se aplican dichos métodos.
La base de la aplicación de los métodos matemáticos en general y de los métodos estadísticos en particular es la RAZÓN de la aplicabilidad de estos mismos métodos. Y hoy en día la importancia de esta misma justificación ha aumentado repetidamente en relación con el amplio acceso a las herramientas matemáticas más sofisticadas en forma de paquetes de software: no es necesario entender la construcción interna del método - un par de líneas y todo. Pero para justificar la aplicación de ....
El PRNG normal genera números distribuidos uniformemente. Para convertir una distribución uniforme en una distribución normal, hay que utilizar un algoritmo de conversión especial.
Me sorprende el alto nivel de dominio de los métodos matemáticos por parte de los panelistas y su completa falta de comprensión de los principios de su aplicabilidad. Cualquier análisis de regresión correlaciona los datos. Si no hay correlación, la regresión no es aplicable. Si la distribución de las cantidades estudiadas es distinta de la normal, los métodos estadísticos paramétricos tampoco son aplicables. El mercado no tiene la propiedad de la normalidad. Además, el mercado como proceso no depende del tiempo. Ambas cosas, tachan la idea misma de análisis de regresión, sea cual sea su raíz.
Y lo que me sorprende es la incoherencia en los puestos de los participantes con un alto nivel de competencia. Recientemente, en otro hilo de Illita, confirmó la existencia de una distribución normal. Es cierto, allí se hablaba del spread y tú escribiste: "El análisis de la distribución sólo tiene interés desde el punto de vista del estudio de las condiciones de negociación. Y ahora escribes "El mercado no tiene la propiedad de la normalidad".
No fui yo quien escribió sobre el hecho de que la volatilidad, los incrementos, tienen una ley de distribución cercana a la normal y dio gráficos. Sólo lo he tenido en cuenta porque creo en ello.
En general, me interesa el enfoque bayesiano en sí mismo y el intento de calcular una medida de probabilidad como producto de probabilidades mediante la fórmula de Bayes. Y depende de cada uno construir una regresión sobre ella. Creo que aquí hay peces en el agua.
Bueno, por fin, la voz de la razón.
Antiguamente, el estudio de las matemáticas aplicadas se iniciaba con el estudio de los errores sistemáticos de primer y segundo tipo, cuyo significado se extraía del análisis de sistemas y no de la estadística.
El primer tipo de error sistemático se formuló como sigue:
La aplicación de métodos correctos a datos a los que no se aplican dichos métodos.
La base de la aplicación de los métodos matemáticos en general y de los métodos estadísticos en particular es la RAZÓN de la aplicabilidad de estos mismos métodos. Y hoy en día la importancia de esta misma justificación ha aumentado repetidamente en relación con el amplio acceso a las herramientas matemáticas más sofisticadas en forma de paquetes de software: no es necesario entender la construcción interna del método - un par de líneas y todo. Pero para RAZONAR la aplicación de....
Gracias por el recordatorio de los errores sistémicos. En tu breve historia del análisis técnico en un post de este hilo escribiste: "El lugar de los modelos bayesianos en los mercados financieros es largo y está claramente definido: no es aplicable".
Es muy interesante cómo se aplicaron los modelos bayesianos y quién determinó la inmutabilidad. Los métodos bayesianos se utilizan ampliamente en la detección de fraudes, spam y medicina. ¿Por qué las rechaza en el mercado de divisas?
Quiero citar una discusión de Habra sobre Bayes.
"Probablemente valga la pena decir que este tipo de métodos, a la hora de diseñar algoritmos, requieren una cultura matemática bastante elevada del desarrollador, ya que el más mínimo error en la salida y/o implementación de las fórmulas computacionales anulará y desacreditará todo el método. Los métodos probabilísticos son especialmente propensos a ello, porque el pensamiento humano no está adaptado para trabajar con categorías probabilísticas y, por tanto, no hay "visibilidad" ni comprensión del "significado físico" de los parámetros probabilísticos intermedios y finales. Esta comprensión sólo existe para los conceptos básicos de la teoría de la probabilidad, y entonces sólo hay que combinar y derivar con mucho cuidado las cosas complejas según las leyes de la teoría de la probabilidad: el sentido común para los objetos compuestos ya no sirve. En particular, las batallas metodológicas bastante serias que tienen lugar en los libros modernos de filosofía de la probabilidad, así como un gran número de sofismas, paradojas y rompecabezas sobre este tema están relacionados con esto".
Gracias por el recordatorio de los errores sistémicos. En tu breve historia del análisis técnico en un post de este hilo escribiste: "El lugar de los modelos bayesianos en los mercados financieros es largo y está claramente definido: no es aplicable".
Es muy interesante cómo se aplicaron los modelos bayesianos y quién determinó la inmutabilidad.
Vuelve a leer mi post.
Lo mismo, pero con otras palabras.
Cada método matemático es aplicable a datos muy específicos, por lo que la aplicabilidad de la bayesiana no la determina nadie, sino los datos a los que se aplica. Se han dedicado varios posts a esta cuestión.
Y para decirlo de forma aún más sencilla, un destornillador para los tornillos y una llave inglesa para los pernos.
Vuelve a leer mi post. Lo mismo, pero con otras palabras.
Cada método matemático es aplicable a unos datos muy concretos, por lo que la aplicabilidad de Bayes no la determina alguien, sino los datos a los que se aplica. Se han dedicado varios posts a esta cuestión. Y para decirlo de forma más sencilla, un destornillador a los tornillos, y una llave inglesa a los pernos.
Vuelve a leer tu posthttps://www.mql5.com/ru/forum/72329/page17 me parece difícil de discutir. Permítanme hacer una pregunta.
Se ha demostrado aquí que los incrementos de precios tienen una ley de distribución cercana a la normal. ¿No estás de acuerdo con eso?
Quiero usar esto como una probabilidad a priori en la fórmula de Bayes. ¿Está mal?
P.D. " Y aún más sencillo, un destornillador para los tornillos y una llave inglesa para los pernos". Los buenos tornillos modernos tienen cabeza hexagonal (cuando es difícil trabajar con un destornillador) y los buenos pernos tienen ranuras para destornilladores (cuando no se puede llegar con una llave). Por favor, entiendan esto tanto en sentido literal como figurado. Lo que quiero decir es que estos datos (tornillos y pernos) son de naturaleza muy diversa. No creo que los datos de los pisos de "batalla" de las bolsas (con los que opera el análisis técnico clásico) sean adecuados para el Forex. En el Forex, desgraciadamente, hay una simulación de juego del mercado real.
Quiero usar esto como una probabilidad a priori en la fórmula de Bayes. ¿Está mal?
No hago regresión bayesiana.
Soy un matemático profesional, tal vez uno malo, PERO para mí, los pasos habituales son para mí para cualquier modelo:
O simplemente podemos tener en cuenta (como se ha escrito más arriba) que la aplicación de regresiones en el mercado es una cosa intrigante, si Dios quiere, que los incrementos de precios, no los precios en sí, encajen en algún GARCH.
Me sorprende el alto nivel de dominio de los métodos matemáticos por parte de los panelistas y su completa falta de comprensión de los principios de su aplicabilidad. Cualquier análisis de regresión correlaciona los datos. Si no hay correlación, la regresión no es aplicable. Si la distribución de las cantidades estudiadas es distinta de la normal, los métodos estadísticos paramétricos tampoco son aplicables. El mercado no tiene la propiedad de la normalidad. Además, el mercado como proceso no depende del tiempo. Ambos tachan la idea misma del análisis de regresión, sea cual sea su raíz.
Elanálisis de regresión no requiere una distribución normal de los datos de entrada, sino una distribución normal de los residuos del modelo.
Todos los datos económicos, las características de los precios, etc. están correlacionados. No hay datos no correlacionados.
El precio depende del tiempo.