Regressione bayesiana - Qualcuno ha fatto un EA usando questo algoritmo? - pagina 6

 
Dmitry Fedoseev:
Secondo questa formula, su una tendenza, la varianza sarà 0. È questo che volete?
Non sarà 0, prova a sostituire i valori :)
 
Mike:
Non sarà uguale a 0, prova a sostituire i valori :)
Diciamo che il trend è perfetto, cioè c'è lo stesso incremento su ogni barra. Quindi il grafico degli incrementi è una linea retta. Quindi quale sarà la varianza di una linea retta?
 
Dmitry Fedoseev:
Supponiamo che la tendenza sia perfetta, cioè che ogni barra abbia lo stesso incremento. Quindi il grafico degli incrementi è una linea retta. Quindi quale sarebbe la varianza di una linea retta?
Prima hai scritto "sulla tendenza". :) Non conosco quelli ideali, non ne ho incontrati...
 
Non hai visto nemmeno una marmotta? Lo ha fatto.
 
Dmitry Fedoseev:
Supponiamo che la tendenza sia ideale, cioè che ogni barra abbia lo stesso incremento. Quindi il grafico dell'incremento è una linea retta. Quindi qual è la varianza della linea retta?

Sì, allora zero.

E la varianza è massimizzata sugli incrementi con densità uniforme. Per il mercato, questo è - per dirla in altri termini - il periodo di maggiore entropia, quando gli incrementi piccoli, medi e grandi sono ugualmente frequenti.

 
Alexey Burnakov:

.......................

Così, quando gli economisti dicono che abbiamo misurato, per esempio, la varianza di uno strumento, fanno così: varianza = somma((Xi - X^)^2) / (N - 1),

dove Xi è l'incremento calcolato da una delle formule,

X^ è la X con un tappo - la stima campionaria del valore incrementale medio nel campione disponibile

N - 1 è la dimensione del campione meno uno,

e l'intera formula è una stima imparziale della varianza.

E poi questi economisti cominciano a pensare che la densità degli incrementi sia normale e cercano di fare una cosa come: sqrt(varianza) * sqrt(m) * 1,96,

dove la radice della varianza è una stima della deviazione standard e l'intera formula è un allungamento della conseguenza della normalità sulla serie non(!)normale per ottenere una stima del limite estremo della diffusione del prezzo in m passi avanti con il 95% di probabilità. E gli errori si ottengono, ovviamente.

Spero di essermi spiegato approssimativamente. E la serie originale dei prezzi non sembra nemmeno in prima approssimazione una serie normale, a differenza degli incrementi.

In questo post, sezione 5. Rimuovere la tendenza
https://www.mql5.com/ru/articles/363
l'autore mostra un'approssimazione abbastanza accettabile del campione di incrementi a quello normale. I punti che non giacciono su una linea retta sono noti da tempo per essere trattati - circa il 7-10% dei valori massimi del modulo sono esclusi dal campione. Allora anche il criterio di bontà dell'adattamento di Kolmogorov (che è molto sensibile alla forma della distribuzione) mostra che il campione è normale. Per quanto riguarda i valori esclusi, questi sono i punti in cui la tendenza attuale si è interrotta. La fonte da cui proviene questa metodologia (ho letto qualcosa in inglese molto tempo fa, non ricordo dove) suggerisce fondamentalmente di formare campioni di incrementi da punti che sono tra i punti di rottura del trend, questo è ciò che si suggerisce di chiamare il trend corrente.
Преобразование Бокса-Кокса
Преобразование Бокса-Кокса
  • 2012.01.17
  • Victor
  • www.mql5.com
Статья призвана познакомить читателя с преобразованием Бокса-Кокса (Box-Cox Transformation). В статье кратко затрагиваются вопросы, связанные с его использованием и приводятся примеры, позволяющие оценить эффективность данного преобразования по отношению к случайным последовательностям и реальным котировкам.
 
Alexey Burnakov:

Sì, allora zero.

E la varianza è massimizzata sugli incrementi con densità uniforme. Per il mercato, questo è - per dirla in altri termini di uccelli - il periodo di maggiore entropia, quando piccoli, medi e grandi incrementi sono ugualmente comuni.

E il punto? Certo, si può trovare se si guarda, durante l'esistenza dei mercati sono stati inventati molti indicatori diversi, ognuno dei quali può essere collegato a qualcosa con maggiore o minore successo.
 
Mike:
In questo post, sezione 5, eliminazione delle tendenze
https://www.mql5.com/ru/articles/363
l'autore mostra una trasformazione perfettamente accettabile di un campione di incrementi. I punti che non giacciono su una linea retta sono noti da tempo per essere trattati: sono esclusi dal campione di circa il 7-10% dei valori massimi del modulo. Allora anche il criterio di bontà dell'adattamento di Kolmogorov (che è molto sensibile alla forma della distribuzione) mostra la normalità del campione. Per quanto riguarda i valori esclusi, questi sono i punti in cui la tendenza attuale si è interrotta. La fonte da cui proviene questa metodologia (ho letto qualcosa in inglese molto tempo fa, non ricordo dove) suggerisce fondamentalmente di formare campioni di incrementi da punti che sono tra i punti di rottura del trend, questo è ciò che si suggerisce di chiamare il trend corrente.

Che inversione di fortuna qui.

Leggo:"La presenza di una 'tendenza' così evidente suggerisce di cercare di escludere prima una tendenza".

Come se fossi caduto dalla luna. Come se identificare le onde fosse difficile. Il problema principale dell'analisi e di conseguenza del trading è l'identificazione della tendenza.

 
Dmitry Fedoseev:

Che inversione di fortuna qui.

Leggo:"La presenza di una 'tendenza' così evidente suggerisce di cercare di escludere prima una tendenza".

Come se fossi caduto dalla luna. Come se identificare le onde fosse difficile. Il problema principale dell'analisi, e quindi del trading, è identificare la tendenza.

L'autore del post di cui sopra si è appena espresso in modo infelice. I pacchetti statistici hanno procedure standard per l'analisi delle serie temporali: identificare la tendenza, selezionare la componente stagionale e prendere la differenza. L'autore intendeva la terza, che serve per passare a una serie stazionaria (in realtà - approssimazione alla stazionarietà).
 
Dmitry Fedoseev:
Supponiamo che la tendenza sia perfetta, cioè che su ogni barra l'incremento sia lo stesso. Quindi il grafico dell'incremento è una linea retta. Quindi quale sarà la varianza della linea retta?

Quando cerchiamo di applicare la statistica, la pietra angolare, il fondamento, è la questione dell'APPLICABILITÀ di un particolare strumento di quella scienza.

Il tuo esempio non contiene variabili casuali - una costante. La dispersione si riferisce SOLO alle variabili casuali. Nel vostro caso particolare, c'era un risultato unico nella statistica: il calcolo della varianza mostrava che le costanti, non i numeri casuali, erano forniti come input.

L'unicità del tuo esempio è che il risultato è corretto e facilmente spiegabile. Di solito, se non si giustifica attentamente la possibilità di usare uno strumento, come la regressione lineare, si otterrà un risultato che non ha nulla a che fare con la realtà, e quindi completamente inutilizzabile nella pratica: i numeri saranno, si possono vedere (gopher visibile), ma in realtà, tutti questi numeri non lo fanno! Solo un gioco di numeri.

Usando la regressione lineare come esempio: un algoritmo standard (non uno fatto in casa) calcola i coefficienti di regressione e, di solito, la colonna all'estrema destra ci dice se i coefficienti di regressione che vediamo esistono davvero. Se la colonna all'estrema destra ha una cifra di 0,5 (50%) allora è certo che le cifre stampate non esistono. Se è il 10%, allora è solo così, nella nebbia. ma se è meno del 5%, allora i numeri esistono davvero. E questo può essere creduto solo se prima si è riusciti a giustificare la POSSIBILITÀ di applicare questa stessa regressione lineare.