Discusión sobre el artículo "Características del Wizard MQL5 que debe conocer (Parte 19): Inferencia bayesiana"
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
Artículo publicado Características del Wizard MQL5 que debe conocer (Parte 19): Inferencia bayesiana:
La inferencia bayesiana es la adopción del teorema de Bayes para actualizar la hipótesis de probabilidad a medida que se dispone de nueva información. Esto intuitivamente se inclina hacia la adaptación en el análisis de series de tiempo, por lo que observamos cómo podríamos usarlo para crear clases personalizadas no solo para la señal sino también para la gestión de dinero y los trailing stops.
Continuamos nuestra explotación del asistente MQL5 repasando la inferencia bayesiana, un método en estadística que procesa y actualiza las probabilidades con cada nuevo aporte de información. Es evidente que tiene un amplio espectro de posibles aplicaciones, sin embargo, para nuestro propósito como operadores, nos centraremos en su papel en la previsión de series temporales. Las series temporales abiertas a los operadores para su análisis son principalmente los precios de los valores negociados, pero como veremos en este artículo, estas series podrían «ampliarse» para considerar también alternativas como el historial de operaciones de los valores.
En teoría, la inferencia bayesiana debería mejorar la adaptabilidad al mercado de cualquier sistema comercial, ya que la reevaluación de cualquier hipótesis en inherente. Esto debería conducir a un menor ajuste de curvas cuando se pruebe con datos históricos y, posteriormente, se realicen recorridos hacia delante o ejercicios con cuentas reales. Pero eso es la teoría y en la práctica la implementación puede hacer naufragar una buena idea, por lo que intentaremos considerar más de una posible implementación de la inferencia bayesiana para este artículo.
Nuestro artículo, por tanto, está estructurado en un formato sencillo que abarca la definición de la inferencia bayesiana, ejemplos de aplicación que cubren ilustraciones en una clase de señal personalizada, una clase de gestión monetaria y una clase de trailing stop; informes de pruebas de estrategias y, por último, una conclusión.
Autor: Stephen Njuki