확률 문제 - 페이지 11

새 코멘트
 
Stanislav Korotky :

다시 주문으로 돌아가자.

위에서 제안한 공식(X, A, B, C를 통해 의도적으로 다르게 작성합니다):

P(X) = 1 - (1 - P(A)) * (1 - P(B)) * (1 - P(C))

적어도 하나의 지표에서 신호의 확률을 제공합니다. 이것이 결과가 너무 높은 이유입니다. 세 개의 표시기가 더 자주 신호를 보냅니다. 그러나 실제로 이것은 문제의 공식화에서 추구되는 것이 아닙니다.

베이즈:

P(D|ABC) = P(ABC|D) * P(D) / P(ABC)

여기서 P(ABC) = P(A) * P(B) * P(C)

여기서 지표의 선험적 확률은 모든 지표의 신호의 총합 중 각 지표의 신호 수로 구합니다.

P(D) = 슈퍼 추세가 없을 때 기본적으로 0.5입니다. 즉, 매수 및 매도 신호의 확률이 동일합니다.

그러나 P(ABC|D)를 계산하는 방법 - 의문점이 있습니다. 가장 간단한 옵션(독립성으로 인해):

P(ABC|D) = P(A|D) * P(B|D) * P(C|D)

이러한 각 조건부 확률은 구매가 정확한 모든 막대 세트에 대한 각 지표의 신호 수로 간주되어야 합니다.

그러나 이 모든 것이 궁극적인 진리는 아닙니다. ;-/

처음 3개의 신호는 너무 많습니다 :-)

2개의 신호에 대한 문제를 해결하는 것으로 충분합니다.

둘째, 신호의 선험적 확률을 처음에 알지 못하더라도 진실에 매우 가까운 가정을 할 수 있습니다.

예를 들어, 종속성 P(X)=f(P(D|X))를 도입할 수 있습니다. 즉, 선험적 확률이 알려진 확률 "takeProfit after signal"의 특정 함수라고 간주할 수 있습니다. 이것에 대해 꽤 많이 알려져 있습니다. f:

  • 0.5에 대해 대칭입니다(참고로 P(D|X)와 같이)
  • P(D|X)에 반비례합니다. 대부분의 경우 더 정확한 신호는 드뭅니다.
  • 그것은 그 자체에 exp를 포함합니다. 즉, 비선형입니다. 모든 신호는 그 자체로 구성이기 때문에 Gaus에서 벗어날 수 없습니다 :-)

즉, 계산에 편리한 함수를 선택하고 거기에서 대략적으로 얻은 것과 "얻은 것"에 더 강하게 의존하는 것을 계산할 수 있습니다.

 
Maxim Kuznetsov :

처음 3개의 신호는 너무 많습니다 :-)

2개의 신호에 대한 문제를 해결하는 것으로 충분합니다.

흉상 - 스마일로 판단하면 아마도 농담 일 것입니다. N 신호에 대한 분석 형식의 시스템을 갖는 것이 바람직합니다. 여기서 2는 물론 2도 입력되지만 내 관찰에 따르면 3은 상당히 연속적인 숫자입니다(최소한 "개 사육가 권장" - 주요, 확인 및 필터링) ).

그리고 내가 틀렸다면 2 신호에 대한 분석 솔루션은 무엇입니까?

여기까지는 D를 유일한 결과로 보고 있다는 것이 분명하지만 실제로는 몇 가지가 있습니다: 구매(Db), 판매(Ds) 및 대기(Dw), 그리고 그들은 완전한 그룹을 형성하고 P(A), P(B), P(C) 계산에 영향을 줄 수 있습니다.
 
라디오 오퍼레이터가 부풀어 오른다. 신호를 찾고 있습니다.
 
Stanislav Korotky :

파열에 대해 - 스마일로 판단하면 아마도 농담 일 것입니다. N 신호에 대한 분석 형식의 시스템을 갖는 것이 바람직하며, 여기서 2도 물론 입력되지만 내 관찰에 따르면 3은 상당히 연속적인 숫자입니다(최소한 "개 사육자가 권장하는"-주요, 확인 및 필터링) ).

그리고 내가 틀렸다면 2 신호에 대한 분석 솔루션은 무엇 입니까?

여기까지는 D를 유일한 결과로 보고 있다는 것이 분명하지만 실제로는 몇 가지가 있습니다: 구매(Db), 판매(Ds) 및 대기(Dw), 그리고 그들은 완전한 그룹을 형성하고 P(A), P(B), P(C) 계산에 영향을 줄 수 있습니다.

가장 단순한 경우 2=(1+1) 신호에 대한 솔루션이 있으면 N에 대한 시스템을 구축하기가 매우 쉽습니다. 3개의 신호는 (1 + 1) + 1 등입니다.

그리고 여기에 분석 솔루션이 있습니다, 우리는 여기에서 찾고 있습니다. 제 주머니에 기성품 솔루션이 없으므로 아이디어가 나오는 즉시 여기에 제안합니다.

우리는 원래 설정된 작업의 틀 내에서 모든 것을 지나치게 복잡하게 만들지 않고 결과를 아주 정확하게 봅니다.

물론 실제 생활에서 신호 X는 다음과 같은 신호를 보냅니다. "T보다 빠르지 않은 시간에 가격은 확률 P로 손실 포인트보다 더 빨리 +이익 포인트에 도달할 것입니다." T,Profit,Loss가 다르면 또 다른 즐거움 :-)

 
Maxim Kuznetsov :

물론 실제 생활에서 신호 X는 다음과 같은 신호를 보냅니다. "T보다 빠르지 않은 시간에 가격은 확률 P로 손실 포인트보다 더 빨리 +이익 포인트에 도달할 것입니다." T,Profit,Loss가 다르면 또 다른 즐거움 :-)

종종 TakeProfit, StopLoss 및 시간 범위 T는 전략에 의해 결정됩니다. 통계에서 수집된 모든 신호에 대해 동일합니다. 섣부르게 일을 복잡하게 만들지 맙시다. ;-)
 
Stanislav Korotky :
종종 TakeProfit, StopLoss 및 시간 범위 T는 전략에 의해 결정됩니다. 통계에서 수집된 모든 신호에 대해 동일합니다. 너무 성급하게 일을 복잡하게 만들지 맙시다 . ;-)

나는 작업을 복잡하게 만들지 말고 가능하면 단순화할 것을 촉구합니다. 배타적으로 추상적인 작업과 단 2개의 신호만 고려하는 것입니다.

현실에 대한 이전의 마지막 탈선: 전략에 설정된 TakeProfit, StopLoss 및 손실/이익 신호의 언급된 특성은 "두 가지 큰 차이"와 같습니다 :-) 대체로 실제 신호에는 특정 비선형 특성이 있습니다(그래프로 간주될 수 있음 ) F(t) "신호에서 시간 t의 손실 이전에 이익에 도달할 확률", 이는 t 증가와 유사한 경향이 있지만 "랜덤 워크" 차트의 임의 항목에 대한 것입니다.

마지막 탈선: 분석 솔루션을 실험적으로 테스트할 수 없다는 것은 유감입니다. 아니면 55,60,65%의 신뢰도를 가진 독립적인 신호를 아는 사람이 있습니까?

 
Maxim Kuznetsov :

마지막 탈선: 분석 솔루션을 실험적으로 테스트할 수 없다는 것은 유감입니다. 아니면 55,60,65%의 신뢰도를 가진 독립적인 신호를 아는 사람이 있습니까?

물론 분석 솔루션을 확인할 수 있습니다. 약한 상관 관계가 있는 칠면조 한 쌍을 선택하여 모든 선험적 확률과 상금과 일치하는 신호의 확률을 계산할 수 있습니다. 검증을 위해 값이 무엇인지는 중요하지 않습니다. 30%, 40%라도 - 수식 확인에도 적합합니다 ;-) . 이 분석 솔루션의 동작을 평가하기 위해 단순히 다른 확률에 대한 N차원 함수를 계산할 수 있으며 더 높은 신뢰성을 가진 칠면조에 대한 후속 검색은 별도의 문제입니다.
 
Stanislav Korotky :
물론 분석 솔루션을 확인할 수 있습니다. 약한 상관 관계가 있는 칠면조 한 쌍을 선택하여 모든 선험적 확률과 상금과 일치하는 신호의 확률을 계산할 수 있습니다. 검증을 위해 값이 무엇인지는 중요하지 않습니다. 30%, 40%라도 - 이것은 수식 확인에도 적합합니다 ;-) ....
30.40이었다면 오래전에 억만장자가 되었을 것입니다. 그러나 실제로 - 50. 그리고 함께 또는 별도로 동일한 50을 너무 많이 가져 가지 마십시오.
 
Alexander :

주기적으로 매수/매도 신호를 제공하는 3개의 지표가 있고 그 판독값이 서로 독립적이라고 가정합니다. 첫 번째 지표가 자산을 구매하라는 신호를 보내는 이벤트는 A, 두 번째는 B, 세 번째는 C로 표시됩니다.

가격 상승을 이벤트 D로 표시합시다.

P(D/A)=0.55로 하자 - 지표 A가 매수 신호를 주었을 때 가격 상승 확률.

P(D/B)=0.6 및 P(D/C)=0.65

Р(D/АВС) 찾기 - 세 가지 지표가 모두 매수 신호를 줄 경우 가격이 상승할 확률.


질문에 대한 답변:

P(D|ABC) = [P(D|A) * P(D|B) * P(D|C)] / [P(D|A) * P(D|B) * P(D|C ) + (1 - P(D|A)) * (1 - P(D|B)) * (1 - P(D|C))]

이에 대한 기사 가 발표되었습니다.

 
Stanislav Korotky :

질문에 대한 답변:

P(D|ABC) = [P(D|A) * P(D|B) * P(D|C)] / [P(D|A) * P(D|B) * P(D|C ) + (1 - P(D|A)) * (1 - P(D|B)) * (1 - P(D|C))]

배짱!
1...456789101112
새 코멘트