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？ - ページ 5

[Dmitry Fedoseev]

ここで意味不明なことを言ってるのがgpwrだけってのはちょっと不謹慎な気がする。それ以外の人は、ちょっと失礼します:)

[Renat Akhtyamov]

)))

そして、私は誰かが単に行うには良い何も持っていないと意見はあるが、巧妙な取得を開始するという印象を受ける - ノー行く）...そして、上にあるように、私のものだけではありません。

[Yuri Evseenkov]

Alexey Burnakov:

誤差分布の密度が重要でない方法を使うべきでしょう。ノンパラメトリックな方法。

FXの誤差分布は全く分からない。形式的には-厳密には-誤差はモデル値と遺伝子集団で得られたモデル値との差、すなわち純粋に理論値である。残差は、利用可能なサンプルについてモデル値とモデル値を区別して得られるが、金融時系列（正確にはそのリターン）は正規分布ではなく（！）、太い線と ピークを持つため、正規分布にはなりにくく、また、このように太い線とピークを持つ系列の モデル化は非常に困難である。

さらに、1時間ごとの増分について、元の分布（水色 =）と、同じ平均と標準偏差のパラメータを持つ正規分布をわざわざ導出しました。ご覧の通り、普通とは程遠い状態です。そして、正規性テストは合格には程遠い。

誤差の正規性に依存する方法は、線形回帰や分散分析など、20世紀からの古典的な方法である。でも、なくても大丈夫なんです。

wikiを読んでみてください)

ビットコインストラテジーの著者が行ったように、フラットで研究を行ったのであれば、現実の曲線と理想の曲線の違いが結果にどのように影響するかは、きっとよくご存知でしょう。

自然界で最もポピュラーで、科学（社会学から原子物理学まで）でも広く使われているガウス分布は、MQLコミュニティの多くから、市場への適用性に関して敵意をもって受け入れられています。

私は数学者ではありませんが、価格帯別のバーやティックボリュームの分布を見ると、その絵はベルを連想させます。特にフラットマーケットで。例えば、こんな感じです。EURUSDの話は全体的に横ばいのようです。

[Alexey Burnakov]

Yuri Evseenkov:

ビットコイン戦略の著者が行っているように、フラットマーケットを研究していれば、現実のカーブと理想のカーブの違いが結果にどのように影響するかは、きっとよくご存知でしょう。

ガウス分布は自然界で最も普及している分布で、社会学から原子物理学まで科学の分野で広く使われていますが、なぜかMQLコミュニティでは市場に適用できるものとして多くの人に受け入れられていません。

私は数学者ではありませんが、価格帯別のバーやティックボリュームの分布を見ると、その絵はベルを連想させます。特にフラットマーケットで。例えば、こんな感じです。EURUSDの話は全体的に横ばいのようです。

密度は価格そのものではなく、価格刻みで測定されます。

[Renat Akhtyamov]

Alexey Burnakov:
密度は価格そのものではなく、価格刻みで測定されます。

О!今のは面白いですね。計算式を教えてください。

[Alexey Burnakov]

new-rena:
おお！それは面白い。計算式を教えてください。

同僚よ、これが基本だ!

など、さまざまな処方を取ることができます。

Pr - 価格

t - 時間

1) Pr(t) - Pr(t-1)

2) Pr(t) / Pr(t - 1) - 1

3) log(Pr(t))- ログ(Pr(t-1))

ですから、経済学者が、例えば、このような道具の分散を測定したと言うとき、次のようにします：分散 = sum((Xi - X^)^2) / (N - 1)です。

ここで、Xi はいずれかの計算式で算出された増分を示す。

X^ はキャップ付きX - 利用可能なサンプルにおける増分値の平均のサンプル推定値

N - 1 はサンプルサイズから 1 を引いたものである。

であり、式全体が分散の不偏推定値である。

そして、経済学者たちは、増分の密度が正常であると考え始め、sqrt(分散) * sqrt(m) * 1.96 のようなことをしようとするのです。

ここで、分散の根は標準偏差の推定値であり、式全体は、95%の確率でmステップ前進における価格の広がりの極限の推定値を得るために、非(!)正規系列の正規性の結果を伸張したものである。そして、エラーは当然ながら得られます。

だいたいのことは説明できたかと思います。そして、最初の価格系列は、増分と違って、第一近似でも正常なものに似ていないのです。

[Renat Akhtyamov]

Alexey Burnakov:

同僚よ、これが基本だ!

など、さまざまな処方を取ることができます。

Pr - 価格

t - 時間

1) Pr(t) - Pr(t-1)

2) Pr(t) / Pr(t - 1) - 1

3) log(Pr(t))- ログ(Pr(t-1))

ですから、経済学者が、例えば、このような道具の分散を測定したと言うとき、次のようにします：分散 = (Xi - X^)^2 / (N - 1)です。

ここで、Xi はいずれかの計算式で算出された増分を示す。

X^ は，キャップ付きの X - 利用可能なサンプルにおける増分の平均値のサンプル推定値です。

N - 1 はサンプルサイズから 1 を引いたものである。

であり、式全体が分散の不偏推定値である。

そして、経済学者たちは、増分の密度が正常であると考え始め、sqrt(分散) * sqrt(m) * 1.96 のようなことをしようとするのです。

ここで、分散の根は標準偏差の推定値であり、式全体は非(!)正規系列の正規性の帰結を引き伸ばして、95%の確率でmステップ前進における価格の広がりの極限の推定値を得るためのものである。そして、エラーは当然ながら得られます。

だいたいのことは説明できたかと思います。そして、最初の価格系列は、増分と違って、第一近似でも正常なものに似ていない。

数式を見た。そうですね、このやり方はここに当てはまりますね。ありがとうございました。

基本的なことを読みたい。もしかしたら、上記のテーマで教科書があるのでは？

[Aleksey Vyazmikin]

new-rena:

数式を見た。そう、このアプローチに釘付けなんです。ありがとうございました。

基本的なことを読みたい。上記のテーマで教科書があるのでは？

基本に忠実な耳寄り情報あり

[Alexey Burnakov]

new-rena:

数式を見た。そう、このアプローチに釘付けなんです。ありがとうございました。

基本的なことを読みたい。もしかして、上記のような題材の教科書があるのでは？

正直、私自身は教科書を読んだことがありません。基本的には、分析する過程でキャッチアップしています。

この場合、重要なことは、学者の言葉を鵜呑みにしないことである。でも、証券アナリストは、便利だからということで、当たり前のように使っています。

時系列 解析の本がおすすめです。しかし、そこには有馬、Garch、Unit Rootのような、FXには全く当てはまらないかもしれないものもたくさん出てくるでしょう。

[Dmitry Fedoseev]

Alexey Burnakov:

variance = sum((Xi - X^)^2) / (N - 1),

この式によると、トレンドの分散は0になります。