ベイズ回帰 - このアルゴリズムを使ってEAを作った方はいらっしゃいますか？

[Lilita Bogachkova]

このストラテジーは、実際のデータトレースに対して実行した場合、60日足らずで投資額をほぼ2倍にすることができます。

I.ベイズ回帰 問題です。ある一定のd≥1に対してxi∈Rd,yi∈Rで1≤i≤nのラベル付き学習データ点(xi,yi)が与えられたとする。この学習データを用いて、与えられたx∈Rdに対する未知のラベルy∈Rを予測することが目標である。古典的なアプローチ。ノンパラメトリック統計学の標準的なアプローチ（例えば[3]を参照）は、次のタイプのモデルを仮定することである：ラベル付きデータは関係式y = f(x)+ に従って生成される。ここで、平均0、（正規化）分散1のガウス型と通常仮定されるノイズを表す独立確率変数がある。回帰法は、n 個の観測値(x1,y1),...,(xn,yn)から f を推定し、将来の予測に利用することに帰結します。例えば、f(x)=xTθ＊、すなわちfを線形関数と仮定すれば、θ＊やfの推定には古典的な最小二乗推定が用いられる。ˆ θLS ∈argmin θ∈Rd n X i=1 (yi -xT i θ)2 (1) [...]ベイズ型回帰とビットコイン.pdf

[TheXpert]

まず通常の取引所が使われ、第二におそらく供給された主なデータはマーケットカップで、さらにそこでは個別のボリュームを得ることができ、第三に暗号通貨であった。

Pdfがヒゲになってる、今はそんな簡単にはいかないと思う、トレードはもっと難しい。

でも、まだまだピンチは続くと思います。

FXでそんなことをしたいのなら、冷たい水を飲めばいい、すぐに教えてあげますが、99％の確率でうまくいきません。

[Lilita Bogachkova]

Комбинатор:

まず通常の取引所が使われていること、次に、おそらく投入された主なデータは相場であり、さらに出来高も別途取得できること、そして3つ目は、暗号通貨であることです。

Pdfがヒゲになってる、今はそんな簡単にはいかないと思う、トレードはもっと難しい。

でも、まだピンチはあり得ると思います。

FXでそんなことをしたいなら、冷たい水を飲めばいい、今すぐ言えるのは、99％の確率でうまくいかないということです。

ありがとうございます。

このストラテジーがFXで使えるかどうかの意見に興味がある。特に実体験に基づいた貴重な意見も多くあります。

[TheXpert]

lilita bogachkova:

ご意見は様々ですが、特に実務経験に基づくものは貴重です。

実は簡単なことで、回帰がパターンを見出すようなデータがあれば、それを得ることができるのです。しかし、FXのティックは、何の追加情報もなく、平滑化された価格変動を集約したものです。このようなデータでも大丈夫なのでしょうか？

[Alexey Burnakov]

lilita bogachkova:

ありがとうございます。

このストラテジーをFXで使用する可能性について意見を聞きたい。ご意見は様々ですが、特に実務経験に基づくものは貴重です。

ベイズ回帰はリッジ回帰と似ていますが、データのノイズ（誤差）が正規分布しているという仮定に基づいています。したがって、データ構造の一般的な理解がすでに得られていることが前提で、これにより（確実に線形回帰と比較して）より正確なモデルを 得ることが可能です。

したがって、http://datareview.info/article/10-tipov-regressii-kakoy-vyibrat/。

誤差の正規性を仮定しているため、この方法の金融市場への適用には疑問がある。

また、依存関係が超平面として推定されるだけのモデルでは、非線形のエッジを見逃してしまう可能性があり、それこそがモデルを収益化する要因となる。

[Yuri Evseenkov]

Alexey Burnakov:

誤差の正規性を仮定しているため、この方法の金融市場への適用には疑問がある。

なぜ？金融市場では正規分布の法則は働かないと思いますか？ノイズ（誤差）を確率変数と考えるなら、ガウス分布を使うのが適切です。

[TheXpert]

回帰にはあまり関係なく、むしろ入力データに依存するのです。

[СанСаныч Фоменко]

Комбинатор:
回帰にはあまり関係なく、むしろ入力データに依存するのです。

モデリングが成功するかどうかは、モデル（正しく適用されている場合）ではなく、入力データによって決まるということです。私の経験では、入力データセットの中には必ずと言っていいほど過剰に学習されたモデルがあり、それを扱うと学習されていないモデルになってしまう可能性があります。モデリングの最大の弊害であるオーバーフィッティングは、入力データによって決まると考えています。この問題を正則化で解決するのは中途半端なことだ。

最も有望なのは、ada、randomforest、SVMです。

ベイズモデルは誤差の正規性を仮定しているため（他の多くのモデルも同様）、使用しない方がよいでしょう。

[Lilita Bogachkova]

СанСаныч Фоменко:

モデリングが成功するかどうかは、モデル（正しく適用されている場合）ではなく、入力データによって決まるということです。私の経験では、ある入力データセットは必ず過剰に学習されたモデルになるのですが、それを扱うと、過剰に学習されていないモデルが得られることがよくわかります。モデリングの最大の弊害であるオーバーフィッティングは、入力データによって決まると考えています。この問題を正則化で解決するのは中途半端なことだ。

最も有望なのは、ada、randomforest、SVMです。

ベイズモデルは誤差の正規性を仮定しているため（他の多くのモデルも同様）、使用しない方がよいでしょう。

ありがとうございます。

記事で紹介されている取引手法についての意見も気になるところです。

[Dmitry Fedoseev]

間違っている側で取って、コーディングして、チェックする必要があります。もう始まっているのか......分布の正規性を推測している。

[Alexey Burnakov]

Yuri Evseenkov:
なぜ？金融市場では正規分布の法則は働かないと思いますか？ノイズ（誤差）をランダムな量と考えるなら、ガウス分布を使うのは至極当然です。

実際に誤差が正規分布になる状況は稀であり、そのためには元の系列の確率密度関数をモデルで注意深く再現する必要がある。これは実現可能なのでしょうか？それが問題なのです。また、モデルパラメータの推定値の妥当性がそれに依存している場合、失敗する可能性があります。ノンパラメトリックな方法、同じランダムフォレスト、GBM、ノンリニアSVMを使うことになります。

しかし、一般的には、線形回帰を よく理解し、特徴量エンジニアリングができる人は、金融市場において、無作為に推測するより良い結果を得ているのです。