Regressione bayesiana - Qualcuno ha fatto un EA usando questo algoritmo? - pagina 12
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
...
Yusuf, mi dispiace, ma sei stufo di spingere i tuoi 18 ovunque e in ogni occasione.
Gauss ISC non è un ritorno al passato, è un classico che è migliore e più semplice che mai e non lo sarà mai. Non c'è niente di più stupido e ottuso che dividere i metodi matematici in moderni e obsoleti.
Yusuf, mi dispiace, ma sei stufo di spingere i tuoi 18 ovunque e in ogni occasione.
Gauss ISC non è un ritorno al passato, è un classico che è migliore e più semplice che mai e non lo sarà mai. Non c'è niente di più stupido e ottuso che dividere i metodi matematici in moderni e obsoleti.
Dimitri, grazie per l'osservazione sulla scorrettezza, corretta, ma essenzialmente, ci sono forti obiezioni alla (18), come la metti tu? Tipo, questo modello di regressione è migliore di (18)? MNC si applica in presenza di dipendenza lineare, e la (18), a parte il caso lineare, copre altrettanto bene il dominio non lineare, mantenendo tutti i vantaggi di MNC.
Successivamente, affinché la regressione diventi bayesiana, si assume che l'eps sia distribuito secondo la legge normale.
Per favore, coloro che sono Copenhagenisti, correggetemi se qualcosa è sbagliato e consigliatemi cosa fare dopo.
Buttate via la distribuzione normale, dato che non si osserva da nessuna parte negli strumenti finanziari. E invece costruire un istogramma della densità di distribuzione reale e approssimarlo.
Per capire la differenza, è sufficiente dare un'occhiata allo screenshot qui sotto. La linea nera rappresenta una distribuzione normale e la linea rossa rappresenta un istogramma della funzione di densità di probabilità reale.
Cioè, se prendiamo solo una distribuzione triangolare, ci sarà molto meno errore. Anche se è più facile prendere due cerchi contigui i cui centri sono sulla stessa linea orizzontale o ellissi contigue per una maggiore precisione, poiché i lati del triangolo sono chiaramente concavi.
1. Buttate via la distribuzione normale, dato che non si osserva da nessuna parte negli strumenti finanziari. Invece, costruisci un istogramma della densità della distribuzione reale e approssimala.
2. Per capire la differenza, basta guardare la seguente schermata. La linea nera mostra la distribuzione normale, e la linea rossa mostra l'istogramma della funzione di densità di probabilità della volatilità reale.
3 Cioè se si prende solo una distribuzione triangolare, ci sarà molto meno errore. Anche se è più facile prendere due cerchi contigui i cui centri sono sulla stessa linea orizzontale o ellissi contigue, poiché i lati del triangolo sono chiaramente concavi, per una migliore precisione.
1. Dove approssimarsi? Approssimare cosa e a cosa?
2.
3. L'errore di cosa?
Cosa te lo fa pensare? Niente affatto. Non c'è bisogno di pensarci, è come definire l'ambito della regressione bayesiana.
Dobbiamo determinare le caratteristiche che sono necessarie per calcolare la regressione bayesiana. Questa è la prima domanda su come fare un cerchio quadrato. È qui che ci si può rendere conto che la regressione bayesiana non si adatta affatto. Ma non ci interessa... qualcosa deve essere fatto. Supponiamo che la coincidenza dei valori dei prezzi di una riga e della seconda riga (nel nostro caso la linea) corrisponda alla massima verosimiglianza. E il massimo di un percorso per uno sarà 1/n (n - numero di barre). Anche se questo approccio è come disegnare con un forcone nell'acqua. Quindi dovremmo inventare una formula che ad argomento 0 dà 1/n, e ad argomento crescente tende a 0. Poi scriviamo la formula di Baes e sostituiamo la formula che abbiamo inventato prima per le probabilità. Poi dobbiamo trovare il massimo della funzione risultante. Probabilmente prendere la derivata, equipararla a zero...
Il risultato sarà quasi lo stesso della regressione lineare, perché l'obiettivo iniziale era di combinare la linea retta e la serie dei prezzi.
Il presupposto che i dati sul Forex hanno una distribuzione normale, e quindi è l'ambito della regressione bayesiana è perché.
Forex è un sacco di società di intermediazione, società di forex, cucine - europeo, cinese, Bahamas, Bermuda ... Ce ne sono molti. Nessuno di loro domina e non contribuisce in modo decisivo alla formazione dei prezzi, e nemmeno nessun attore del mercato. L'ipotesi si basa sul teorema del limite centrale della teoria della probabilità:
"La somma di un numero sufficientemente grande di variabili casuali debolmente dipendenti di circa la stessa grandezza (nessuna di esse domina, nessun determinante contribuisce alla somma) ha una distribuzione che si avvicina alla normale"(Wikipedia).
Come lo capisco in relazione al forex. Se raccogliamo tutti i tick di TUTTE le società di intermediazione in una barra M5 (milioni di tick) allora la distribuzione dei tick all'interno della barra sarà vicina ad una normale. E più vecchio è il timeframe, più è vicino. Ogni particolare società di intermediazione ha il proprio flusso di quotazioni che differisce dal flusso globale dominante per la misura della svalutazione di questa società di intermediazione. Questo flusso dominante sul grafico rappresenta una curva (certamente non una linea retta!) dalla quale nessuna società di intermediazione può allontanarsi.
L'assunzione che i dati forex hanno una distribuzione normale e quindi sono l'ambito di una regressione bayesiana è il motivo.
Forex è un sacco di società di intermediazione, società di forex, cucine - europeo, cinese, Bahamas, Bermuda ... Ce ne sono molti. Nessuno di loro domina e non contribuisce in modo decisivo alla formazione dei prezzi, e nemmeno nessun attore del mercato. L'ipotesi si basa sul teorema del limite centrale della teoria della probabilità:
"La somma di un numero sufficientemente grande di variabili casuali debolmente dipendenti di grandezza approssimativamente uguale (nessuna singola sommatoria domina, nessun determinante contribuisce alla somma) ha una distribuzione che è vicina alla normalità" (Wikipedia).
Come lo capisco in relazione al forex. Se raccogliamo in una barra M5 tutti i tick di TUTTE le società di brokeraggio (milioni di tick) allora la distribuzione dei tick all'interno della barra sarà vicina ad una normale. E più vecchio è il timeframe, più è vicino. Ogni particolare società di brokeraggio ha il proprio flusso di quotazioni che differisce dal flusso globale dominante per la misura del deprezzamento di questa società di brokeraggio. Questo flusso dominante sul grafico rappresenta una curva (certamente non una linea retta!) dalla quale nessuna società di intermediazione può allontanarsi.
Quindi non hai capito niente di quello che ho scritto?
Buttate via la distribuzione normale, perché non si osserva da nessuna parte negli strumenti finanziari. Invece, costruisci un istogramma della densità della distribuzione reale e approssimala.
Per capire la differenza, è sufficiente dare un'occhiata allo screenshot qui sotto. La linea nera mostra la distribuzione normale e la linea rossa mostra l'istogramma della funzione di densità di probabilità reale.
Cioè, se prendiamo solo una distribuzione triangolare, ci sarà molto meno errore. Anche se è più facile prendere due cerchi contigui i cui centri sono sulla stessa linea orizzontale o ellissi contigue per una migliore precisione, poiché i lati del triangolo sono chiaramente concavi.
Yuri,
Prova la distribuzione di Laplace - esponenziale bilaterale. A mio parere, i dati finanziari sono i più vicini.
Stima analitica dei parametri di massima verosimiglianza per Laplace:
Stima dei parametri[modifica]
Dati N campioniindipendenti e identicamente distribuitix1,x2, ...,xN, lostimatoredimassima verosimiglianzadi μ è lamediana del campione,[1]e lostimatore dimassima verosimiglianza di bè
da: https://en.wikipedia.org/wiki/Laplace_distribution
Quindi non ha capito niente di quello che ho scritto?
Ho risposto alla tua prima domanda. Dei segni davvero non capisco: trovare il numero di battute a cui funziona la teoria? E da questo ballare? Lo rifiuto subito.
"Lo scopo originale era di combinare la linea retta e la serie dei prezzi". - Se la regressione bayesiana è una linea retta, allora non va proprio bene.