Regresión Bayesiana - ¿Alguien ha hecho un EA utilizando este algoritmo? - página 9
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
deberías ir a colgarte entonces, ¿por qué te quejas, no lo entiendo? ...... ¿perdedores? ¿no pueden comerciar de forma rentable? Qué haces aquí en el foro????? Ve a afilar tuercas en una fábrica o algo así...
Si no creyera en el trading (no necesariamente en Forex, en general), no volvería a visitar este foro! ...... ¿para qué?
pero puedo... y estoy ganando.... wow.... de forma constante y constante...desde hace años...el % no es grande (porque soy realista) pero lo hago.... bueno... ¿y? ¿alguna pregunta?
Te has dejado llevar un poco. Llamando a los nombres y a la heroína. Ese no es el perfil de este foro. ¿Para qué sirve la vida? Está escrito en los primeros libros de la humanidad. Los otros libros son solo palabrería.
los verdaderos creyentes están aquí)) ...... ¿no estamos hablando de la torah y del nuevo pacto? en todo caso, no son los primeros libros, y ciertamente no son los más importantes.... y ciertamente no son los más interesantes o inteligentes... la biblia chupa.....
Esto es interesante.
Una nota importante: el autor escribe que para la regresión lineal y el ANOVA se supone una distribución normal de los datos. Esta es una afirmación muy larga e incorrecta que mucha gente repite sin pensar. De hecho, se trata de asumir una distribución normal de los errores del modelo. Los datos en sí mismos pueden no ser normales.
y para las series de precios, así como los incrementos, no se cumplen las condiciones 3a,3b - la varianza es diferente cada día, los errores están correlacionados ...
En el primer post del autor del hilo hay una descripción con fórmulas en formato pdf. Encuentre una traducción adecuada. h ttps://www.mql5.com/go?http://arxiv.org/pdf/1410.1231.pdf
¿Cuál es el problema? Google traduce bien... :)
Regresión bayesiana, regresión lineal, redes neuronales, algoritmos evolutivos..... eh lo rica que es la comunidad de pringados del mercado.... y lo contentos que están los profesionales de que haya tontos que crean en sucientífico modelos............)
que asombroso que todavía no esté claro que el mercado es una cosa simple... algoritmos complejos... se estropean porque simplemente no son relevantes...
pero no - adelante, tanto mejor para los que no se masturban con las matemáticas, pero dibujar niveles de resistencia, vigilar las falsas rupturas, construir una posición y ..... el resto es desconocido para la mayoría del foro (es conseguir billetes en el cajero)
nosotros volamos y vosotros os arrastráis tontos...........
Queda por presentar a la comunidad de capital.
Tal vez usted es realmente un buen comerciante intuitivo ...
Como dijo un profesor: "Hay que ser muy estúpido para hacer teoría fundamental". Si es interesante y promete beneficios a largo plazo, ¿por qué no?
Google traduce entonces:
La Estrategia RU es capaz de casi duplicar las inversiones en menos de un período de 60 días cuando se ejecuta contra el rastro de datos reales.
I. Problema de regresión de Bayes. Consideremos el problema de regresión: se nos dan p puntos de datos etiquetados de entrenamiento (Xi, Yi) sobre 1 ^ y ^ n con Xi ∈ Rd, y ∈ R para algún e ≥ 1 fijo. El objetivo es utilizar este entrenamiento de datos para predecir etiquetas desconocidas y ∈ R para una determinada x ∈ Rd. Enfoque clásico. Elenfoque estándar de la estadística no paramétrica (cf. [3], por ejemplo) es asumir el siguiente tipo de modelo: los datos etiquetados se generan según la relación y = F (x) +? donde ? es una variable aleatoria independiente que representa el ruido, generalmente asumida como gaussiana con media 0 y varianza (normalizada) 1. La regresión se reduce a estimar el pH a partir de n observaciones (x1, y1), ..., (Xn, yup) y utilizarlo para la predicción futura. Por ejemplo, si P (x) = xTθ *, es decir, se supone que F es una función lineal, se utiliza la estimación clásica por mínimos cuadrados para estimar en * o p: θLS ∈argmin θ∈Rd n X i = 1 ( Yi -xt i Q) 2 (1) [...]
Esto es del primer post del autor del hilo. Por cierto, ¿alguien sabe cómo insertar el texto del formato pdf en el traductor sin tener que escribirlo manualmente?
P.S. F En general, me gustaría contar con un traductor que conozca el tema y el dialecto de la comunidad MQL.
Google traduce entonces:
La Estrategia RU es capaz de casi duplicar las inversiones en menos de un período de 60 días cuando se ejecuta contra el rastro de datos reales.
I. Problema de regresión de Bayes. Consideremos el problema de regresión: se nos dan p puntos de datos etiquetados de entrenamiento (Xi, Yi) sobre 1 ^ y ^ n con Xi ∈ Rd, y ∈ R para algún e ≥ 1 fijo. El objetivo es utilizar este entrenamiento de datos para predecir etiquetas desconocidas y ∈ R para una determinada x ∈ Rd. Enfoque clásico. Elenfoque estándar de la estadística no paramétrica (cf. [3], por ejemplo) es asumir el siguiente tipo de modelo: los datos etiquetados se generan según la relación y = F (x) +? donde ? es una variable aleatoria independiente que representa el ruido, generalmente asumida como gaussiana con media 0 y varianza (normalizada) 1. La regresión se reduce a estimar el pH a partir de n observaciones (x1, y1), ..., (Xn, yup) y utilizarlo para la predicción futura. Por ejemplo, si P (x) = xTθ *, es decir, se supone que F es una función lineal, se utiliza la estimación clásica por mínimos cuadrados para estimar en * o p: θLS ∈argmin θ∈Rd n X i = 1 ( Yi -xt i Q) 2 (1) [...]
Esto es del primer post del autor del hilo. Por cierto, ¿alguien sabe cómo insertar el texto del formato pdf en el traductor sin tener que escribirlo manualmente?
P.S. F En general, me gustaría tener una traducción de alguien familiarizado con el tema y el dialecto de esta comunidad MQL.