Regressione bayesiana - Qualcuno ha fatto un EA usando questo algoritmo? - pagina 9
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
Dovresti andare a impiccarti allora, perché piagnucolare, non lo capisco? ...... perdenti? non può commerciare con profitto? Cosa fai qui al forum????? Vai ad affilare le noci in una fabbrica o qualcos'altro...
Se non credessi nel trading (non necessariamente nel Forex, in generale), non visiterei più questo forum! ...... per cosa?
ma io posso... e sto guadagnando.... wow.... costantemente e costantemente... per anni... la percentuale non è grande (perché sono un realista) ma lo faccio... Beh... allora? qualche domanda?
Ti sei fatto prendere un po' la mano. Chiamandoti con nomi ed eroina. Non è il profilo di questo forum. A cosa serve la vita? È scritto nei primi libri dell'umanità. Gli altri libri sono solo chiacchiere.
i veri credenti sono qui)) ...... non stiamo parlando della torah e della nuova alleanza? semmai non sono i primi libri, e certamente non sono i più importanti.... e non sono certo i più interessanti o intelligenti... la bibbia fa schifo.....
Questa è roba interessante.
Una nota importante: l'autore scrive che per la regressione lineare e l'ANOVA si assume una distribuzione normale dei dati. Questa è un'affermazione molto lunga e scorretta che molte persone ripetono senza pensare. Si tratta, infatti, di assumere una distribuzione normale degli errori del modello. I dati stessi possono non essere normali.
e per le serie di prezzi così come per gli incrementi, le condizioni 3a,3b non sono soddisfatte - la varianza è diversa ogni giorno, gli errori sono correlati ...
Nel primo post dell'autore del thread c'è una descrizione con formule in formato pdf. Trova una traduzione adeguata. h ttps://www.mql5.com/go?http://arxiv.org/pdf/1410.1231.pdf
Qual è il problema? Google traduce bene... :)
Regressione bayesiana, regressione lineare, reti neurali, algoritmi evolutivi..... eh quanto è ricca la comunità dei babbei del mercato.... e quanto sono felici i professionisti che ci sono dei pazzi che credono nei loroscientifico modelli............)
come è incredibile che non sia ancora chiaro che il mercato è una cosa semplice... algoritmi complessi - si incasinano perché non sono rilevanti...
ma no - andate avanti, tanto meglio per quelli che non si fanno le seghe sulla matematica, ma disegnate i livelli di resistenza, guardate le false rotture, costruite una posizione e..... il resto è sconosciuto alla maggior parte del forum (è prendere banconote al bancomat)
noi voliamo e voi strisciate sciocchi sciocchi...........
Rimane da presentare alla comunità del capitale.
Forse sei davvero un buon commerciante intuitivo ...
Come disse un professore: "Bisogna essere molto stupidi per fare la teoria fondamentale". Se è interessante e promette profitti a lungo termine, perché no?
Google poi traduce:
La strategia RU è in grado di raddoppiare quasi gli investimenti in meno di un periodo di 60 giorni quando viene eseguita contro la traccia dei dati reali.
I. Problema di regressione di Bayes. Consideriamo il problema della regressione: ci vengono dati p punti di dati etichettati di allenamento (Xi, Yi) su 1 ^ y ^ n con Xi ∈ Rd, y ∈ R per qualche e ≥ 1 fisso. L'obiettivo è quello di utilizzare questo addestramento dei dati per predire le etichette sconosciute y ∈ R per una data x ∈ Rd .Approccio classico. L'approccio standard della statistica non parametrica (cfr. [3], per esempio) è quello di assumere il seguente tipo di modello: i dati etichettati sono generati secondo la relazione y = F (x) +? dove ? è una variabile casuale indipendente che rappresenta il rumore, generalmente assunto come gaussiano con media 0 e varianza (normalizzata) 1. La regressione si riduce a stimare il pH a partire da n osservazioni (x1, y1), ..., (Xn, yup) e a utilizzarlo per una previsione futura. Per esempio, se P (x) = xTθ *, cioè si assume che F sia una funzione lineare, allora la stima classica dei minimi quadrati è usata per stimare in * o p: θLS ∈argmin θ∈Rd n X i = 1 ( Yi -xt i Q) 2 (1) [...]
Questo è dal primo post dell'autore del thread. A proposito, qualcuno sa come inserire il testo dal formato pdf nel traduttore senza digitarlo manualmente?
P.S. F In generale, mi piacerebbe avere un traduttore che conosca la materia e il dialetto della comunità MQL.
Google poi traduce:
La strategia RU è in grado di raddoppiare quasi gli investimenti in meno di un periodo di 60 giorni quando viene eseguita contro la traccia dei dati reali.
I. Problema di regressione di Bayes. Consideriamo il problema della regressione: ci vengono dati p punti di dati etichettati di addestramento (Xi, Yi) su 1 ^ y ^ n con Xi ∈ Rd, y ∈ R per qualche fisso e ≥ 1. L'obiettivo è quello di utilizzare questo addestramento dei dati per predire le etichette sconosciute y ∈ R per una data x ∈ Rd .Approccio classico. L'approccio standard della statistica non parametrica (cfr. [3], per esempio) è quello di assumere il seguente tipo di modello: i dati etichettati sono generati secondo la relazione y = F (x) +? dove ? è una variabile casuale indipendente che rappresenta il rumore, generalmente assunto come gaussiano con media 0 e varianza (normalizzata) 1. La regressione si riduce a stimare il pH a partire da n osservazioni (x1, y1), ..., (Xn, yup) e a utilizzarlo per una previsione futura. Per esempio, se P (x) = xTθ *, cioè si assume che F sia una funzione lineare, allora la stima classica dei minimi quadrati è usata per stimare in * o p: θLS ∈argmin θ∈Rd n X i = 1 ( Yi -xt i Q) 2 (1) [...]
Questo è dal primo post dell'autore del thread. A proposito, qualcuno sa come inserire il testo dal formato pdf nel traduttore senza digitarlo manualmente?
P.S. F In generale, mi piacerebbe avere una traduzione da parte di qualcuno che conosce l'argomento e il dialetto di questa comunità MQL.