Regressão Bayesiana - Alguém já fez um EA usando este algoritmo? - página 13
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Eu respondi sua primeira pergunta. Eu realmente não entendo os sinais. Descobriu o número de barras em que a teoria funciona? Rejeito de imediato.
"O objetivo original era reconciliar a linha reta e a série de preços. - se a regressão Bayesiana é uma linha reta, então realmente não é bom.
Se for compatível com uma linha reta, a regressão linear de mínimos quadrados (LOS) conhecida por todos é suficiente. Também pelo método ANC é possível combinar com qualquer curvilíneo. Em conhecido de todos os códigos ao invés do número 1,2,3. são utilizados os valores da curvulina.
Pode até haver uma curvulina de forma desconhecida (polinomial) - regressão polinomial, a base do código tem um código para isso.
---
Sinais. Esta é a base da regressão Bayesiana. São definidos traços, cuja presença atribui uma amostra a uma determinada classe com alguma probabilidade. Tendo várias características e suas probabilidades, a probabilidade final é calculada usando a fórmula Bayes.
"A soma de um número suficientemente grande de variáveis aleatórias pouco dependentes de aproximadamente a mesma magnitude (nenhuma das somas é dominante ou determinante) tem uma distribuição próxima a uma distribuição normal" (Wikipedia).
O que o faz pensar isso? De forma alguma. Não é preciso pensar sobre isso, é como definir o escopo da regressão Bayesiana.
Precisamos determinar as características que são necessárias para calcular a regressão Bayesiana. Esta é a primeira questão de como fazer um círculo quadrado. É aqui que você pode perceber que a regressão Bayesiana não se encaixa em nada. Mas não nos importamos... algo tem que ser feito. Suponha que a coincidência dos valores de preços de uma linha e da segunda linha (em nosso caso, a linha) corresponderá à máxima probabilidade. E o máximo um por um caminho será 1/n (n - número de barras). Embora esta abordagem seja exatamente como desenhar com uma forquilha na água. Portanto, devemos inventar alguma fórmula que, no argumento 0 dá 1/n, e no argumento crescente, tende a 0. Em seguida, anotamos a fórmula das iscas e substituímos a fórmula que inventámos anteriormente pelas probabilidades. A seguir, precisamos encontrar o máximo da função resultante. Provavelmente pegue a derivada, equacione-a a zero.
O resultado será quase o mesmo que a regressão linear, pois o objetivo original era combinar a linha reta e a série de preços.
Tendo lido um pouco de literatura, torna-se claro que na regressão Bayesiana, a estimativa dos coeficientes de regressão linear é baseada no conhecimento a priori de sua distribuição e na suposição de normalidade dos erros. Tudo o resto é o mesmo que na regressão linear habitual com a estimativa dos coeficientes do ANC. Cabe a você aplicá-lo ou não ao mercado.
Após ler um pouco de matemática, torna-se claro que na regressão Bayesiana a estimativa dos coeficientes de regressão linear é baseada no conhecimento a priori de sua distribuição e na suposição da normalidade dos erros. Tudo o resto é o mesmo que na regressão linear habitual com a estimativa dos coeficientes do ANC. Cabe a você aplicá-lo ou não ao mercado.
...
"A soma de um número suficientemente grande de variáveis aleatórias pouco dependentes, tendo aproximadamente a mesma magnitude (nenhuma soma domina, nenhuma contribuição determinante para a soma), tem uma distribuição próxima do normal"(Wikipedia)
...
De onde isto veio?
Artigos Wikiem inglês e um par de palestras sobre o assunto. A MNC é substituída pela inferência Bayesiana com maximização das probabilidades.
E eu acho que você confundiu a aplicação do teorema Bayesiano com a estimativa posterior da probabilidade de um evento ocorrer com o que é feito na regressão Bayesiana. Embora ambos se baseiem em uma abordagem bayesiana da probabilidade.
Artigos Wikiem inglês e um par de palestras sobre o assunto. A MNC é substituída pela inferência Bayesiana com maximização das probabilidades.
E eu acho que você está confundindo a aplicação do teorema Bayesiano para a probabilidade posterior de um evento com o que é feito na regressão Bayesiana. Embora ambos sejam baseados em uma abordagem Bayesiana da probabilidade.
E o que e como existe alguma confusão aqui?
Qual é a probabilidade?
... Os dados forex têm uma distribuição normal e, portanto, é o domínio da regressão Bayesiana ...
Durante alguns períodos "dados forex" (vamos supor que sejam preços) podem ter uma distribuição normal, mas este não é obviamente o caso com uma tendência - talvez haja uma mistura de distribuição normal(?) e outras distribuições.
Podemos assumir que na série de preços há uma mudança sucessiva de distribuições (ou suas misturas), não necessariamente normais.
A aplicação de qualquer regressão às séries de preços não faz sentido porque as séries de preços são não-estacionárias. Em russo, isto significa que os coeficientes de regressão calculados em uma amostra não corresponderão aos de outra amostra.
Este 18 não cobre nada. É perfeitamente substituível pela regressão linear e pelo nível de Fibo. Não se pode ter uma conversa normal, não se tem nenhuma conversa construtiva. Você ainda nem sequer demonstrou que entende o que são os 18 e o que eles fazem.
Avalie o poder de (18) com um simples exemplo, dados daqui http://www.statdata.ru/russia, que regressão pode replicar uma coisa dessas? Você pode conectar todos os 10 métodos de regressão superiores http://datareview.info/article/10-tipov-regressii-kakoy-vyibrat/
...que regressão pode replicar algo como isto? Você pode conectar todos os 10 métodos de regressão superiores http://datareview.info/article/10-tipov-regressii-kakoy-vyibrat/
...