Теорема Байеса (или формула Байеса) — одна из основных теорем элементарной теории вероятностей, которая позволяет определить вероятность какого-либо события при условии, что произошло другое статистически взаимозависимое с ним событие. Другими словами, по формуле Байеса можно более точно пересчитать вероятность, взяв в расчет как ранее...
ベイズの仕事について、一般的な科学の記事を読んでいると、次のような問題に出くわした。
"樽の中に小さなプラスチックの卵がたくさん入っているとします。あるものは赤く、あるものは青く着色されています。卵の40%に真珠が含まれ、60%は空である。真珠を含む卵の30％が青く着色され、空の卵の10％も青く着色されます。青い卵に真珠が含まれている確率は？"
真珠を含む卵のうち、青い卵は30％しかないため、一見すると確率は低いように見えます。実は逆に、青い方に真珠が含まれている確率は67％で、含まれていない確率の2倍なのです。
"40%の卵に真珠が含まれ、30%が青色なので、12%の卵に真珠と青色が両方含まれていることになります。
60%の卵には真珠が含まれず、10%の卵が青いので、6%の卵が青く、真珠が含まれないことになります。
12% + 6% = 18% なので、青い卵の割合は合計で18%になります。
卵の12％が青色で真珠が含まれていることが既に分かっているので、青い卵に真珠が含まれている確率は12/18、つまり約67％です。"
あるいは、ベイズの公式によれば、青い卵に真珠が含まれている確率 P(A|B)=P(B|A)*P(A)/P(B)=0.4*0.3/0.18=0.67 となります。
P(A)=p(pearls) = 0.4 卵に真珠が含まれる確率 .
P(B|A)=p(blue| pearl) = 0.3 真珠を含む卵が青色である確率
P(B)=p(blue) = 0.18 卵が青色である確率。
バレル」を「チャート」に置き換え、青い卵は弱気のローソク足、赤い卵は強気のローソク足、パールはバー内の価格差の70％以上がプラス、要するに多くのプラス差（MPP）です。
赤いローソク足が強気で、青いローソク足が弱気だとします。ローソク足の40%にPPMがあり、60%にPPMがない。MPPを含むローソク足の30%が弱気で、全体の18%も弱気である。 弱気のローソク足がMPPを含む確率はどのくらいか。
ここで、一見すると、確率はさらに低く、MPPを含むローソク足の同じ30％が弱気で、ローソク足自体が弱気なので、プラスよりマイナスの増分が多く含まれているはずです。しかし、この場合の計算では、同じ67％となっています。
弱気ローソク足の確率はMPPを含んでいます。P(MPP|熊)=P(MPP)*P(熊|熊)/P(熊)=0.4*0.3/0.18=0.67
P(A)=p(MPP)=0.4 キャンドルにMPPが含まれる確率。
P(B|A)=p(bearish|MPP) = 0.3 MPPを含む場合、ローソク足が弱気である確率
P(B)=p(bearish)=0.18の確率でローソクは弱気となる。
この場合、ローソク足が最も陽線が多い場合、弱気になるにはより多くの陰線が必要です。これは、ローソク足内部の価格刻みの分配法則がある場合とない場合に当てはまります。
もうひとつ、こんなことが書いてありました。
"心理学的実験[1]では、人はしばしば、仮定自体の確率（アプリオリ確率）を無視して、経験に基づいてある事象の確率（事後確率）を誤って推定してしまうことが示されています。したがって、ベイズの公式による正しい結果は、直感的に予想される結果と大きく異なることがある。"
ほら、そういうことです。
...
この場合、ローソク足の増分がほとんど陽線であれば、弱気であるためには陰線の増分が長くなる必要があります。これは、ローソク足内の価格刻みの分布の法則、あるいはその欠如のいずれにも当てはまります。
...
そのような結論に至るまでに、ベイズの定理が適用されたのでしょうか？
また、確率の問題では、問題条件の提示が魅力的でないために、推定がうまくいかないことがある。
私の口を封じる最も簡単な方法は、この例で多項式モデルの働きを示すことだ......。
そして、何人のリセマラがあなたを小馬鹿にし、何人のアデプト（18人）が予想スレで死んだことか・・・))
私はずいぶん前に、マーケットはニュースに反応するシステムだと書きました。価格の統計的分布、ボラティリティ、回帰誤差など、これらの議論はすべて無駄である。ニュースリリース時の価格行動をとれば（しかもその時間は既知で規則的）、1つの分布が得られる。夜のセッションの時間帯を選べば、また別の配信があります。市場価格の回帰も意味がない。回帰の尾はくねくねと動き、入ってくる価格に依存します。価格シリーズを滑らかにする必要がある場合は、ダッシュを使用してください。回帰を外挿するのはユートピア。価格は、石を投げて、一定期間後にその石がどこにあるかを判断するものではありません。ロケット追跡のアルゴリズムを適用してもうまくいかない。ニュースリリース（外的ショック）の瞬間に着目し、ショック直後の価格を追跡することは理にかなっていますが。規則性を見抜き、利益を出すことができる。しかし、価格系列全体を全体としてとらえ、その平均的な特徴を語ることは誤りであり、理論的な「民衆のアヘン」である。
あるニュースが市場に与える影響をチェックするための、適切なアルゴリズムを探したいと思っていたんですね。
ニュースについての私の考えは、非常に重要で予期しないニュースだけが、市場の方向性とテクニカル分析のルールでは説明できない価格行動の論理を変えるということです。それ以外の場合は、ニュースが値動きに影響を与えることはあっても、動きそのものはテクニカルで明確です。
あるニュースが市場に与える影響をチェックするための、適切なアルゴリズムを探したいと思っていたんですね。
ニュースについての私の考えは、非常に重要で予期しないニュースだけが、市場の方向性とテクニカル分析のルールでは説明できない価格行動の論理を変えるということです。それ以外の場合は、ニュースが値動きに影響を与えることはあっても、動きそのものはテクニカルで明確です。
この結論に至るまでに、ベイズの定理が適用されたのでしょうか？
また、確率の問題で推定がうまくいかないのは、問題の条件が魅力的でないことが原因である場合もある。
この例のような結論も、純粋に論理的に導き出せるだろう。しかし、私の考えでは、ここではベイズの公式が正しく適用されています。私は "ダミー "向けの記事で勉強しているので、保証はできませんが。
http://baguzin.ru/wp/wp-content/uploads/2013/09/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%82%D0%B8%D0%B2%D0%BD%D0%BE%D0%B5-%D0%BE%D0%B1%D1%8A%D1%8F%D1%81%D0%BD%D0%B5%D0%BD%D0%B8%D0%B5-%D1%82%D0%B5%D0%BE%D1%80%D0%B5%D0%BC%D1%8B-%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%B0.pdf
昔、相場はニュースに反応するシステムだと書いたことがある。価格の統計的分布、ボラティリティ、回帰誤差などの話はすべて無駄である。ニュースリリース時の価格行動をとれば（しかもその時間は既知で規則的）、1つの分布が得られる。夜のセッションの時間帯を選ぶと、別の配信があります。市場価格の回帰も意味がない。回帰の尾はくねくねと動き、入ってくる価格に依存します。価格シリーズを滑らかにする必要がある場合は、ダッシュを使用してください。回帰を外挿するのはユートピア。価格は、石を投げて、一定期間後にその石がどこにあるかを判断するものではありません。ロケット追尾のアルゴリズムを適用してもうまくいかない。ニュースリリース（外的ショック）の瞬間に着目し、ショック直後の価格を追跡することは理にかなっていますが。規則性を見抜き、利益を出すことができる。しかし、価格系列全体を取り上げて、その平均的な特徴を語るのは誤りであり、理論的な「人民のアヘン」である。
2011年にExpert Advisorを書き、実際に運用する準備をしていたのですが、アメリカの多くのFX会社が閉鎖し、Alpariも閉鎖してしまいました。
なんだよ！
皆さんはいつから本を読み始めるのでしょうか？
なぜなら、あなたは何が知られていて、何が知られていないかを知っているからです
座って読むだけでいいんです!
1.まずは、私たちが発する言葉を理解することから始めてみてください。
テクニカル分析
分析、 そして予測という言葉がありますが、これらの言葉は意味が異なり、同義ではありません。テクニカル分析を知っている人は、チャートを描く人、すなわちチャーティストと呼ばれます。それ以上はない。それは、デジタルよりもグラフィックで情報を認識する人間の心理的な能力です。それ以上はない。確かに、描かれたチャートを3～5年という長い時間見て、実戦で判断し、最終的に利益を出すトレードをする人は、ごくごく稀にいますね。これを読んでいる人は、この部類に入るのか、と思うかもしれません。
2 逆行列が金融市場に適用できないことは、約100年前に知られていた。しかし、そのような人たちは、1952年にマーコウィッツがポートフォリオ理論を考案したことで煙たがられることになった。彼は、収益性とリスクのバランスを取るための数学的な装置を与えた。1987年には、マーコウィッツの理論と同様にすべてのポートフォリオが崩壊したにもかかわらず、彼は1992年にノーベル賞を受賞したほどだ。
誰もがマンデルブロの1960年半ばの出版物を思い出し、分布のテールを激しく指さし始めた。1987年の出来事はほとんど信じられないことであり、20年前にマンデルブロが1987年の苦境の前に予測したように、それは起こったのである。
1987年の暴落の15年前にモデルを提案したボックス・ジェンキンスもここに記憶されている。
3. ARIMAモデル。このモデルの作者は、初値の使用は不可能であり、価格刻みを使用する必要があると述べている。こうして流行を追い払ったのです。その模型と作り方の方法論が示された。現在も米国政府で使用されている。一般に公開されています。
4.すぐに賢い人たちは、ARIMAが有効なモデルであることに気づいたが、それは金融市場の非常に狭い範囲でのことであった。そして、「分散の変化を考慮する必要がある」と定式化した。これらは、さまざまなARCHモデルである。これらのモデルは、マットメソッドの範囲を拡張するものであった。
5.ほぼ同時期にグレンジャーがコイネグレーションのモデルを考案し、またノッブも得た。ARMA、ARIMA、ARCH、GARCHなどすべて同じではないが、2つの資産を定常的な結果が得られるように組み合わせることは可能で、そうすれば回帰や適切な分析・予測など、すべての統計手法が完全に機能し始めると述べた。そして、それは本当に効果があります。
6.そして1998年、2007年には、金融系列の定常性という考え方が、これらの金融系列を定常型に還元する方法として、怪しげなものとして記憶されるようになったのです。
入力変数の値の集合（予測変数）から、対象変数の値（回帰法）や方向（分類法）を予測できると主張する、機械学習という形の人工知能の考え方が台頭し始めたのである。分類の場合：「買い」と「売り」の2つの値をとる変数を予測することが可能である。TAの愛好家のために：パターン・トレーディングのようなもので、モデルだけがパターンを認識するように教えられ、統計が利用できます。
PS.
金融市場におけるベイズモデルの位置づけは、長く、正確に定義されている - 適用できない。
ピーエスビーピー
正しいモデルは存在しない-有用なモデルは存在する」という格言があります。
そして、有用性とは、モデルが適用可能なデータにのみ適用されるという事実によってのみ定義される。
...