Regressão Bayesiana - Alguém já fez um EA usando este algoritmo? - página 17
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
Ao ler sobre o trabalho da Bayes em artigos científicos populares, deparei-me com o seguinte problema.
"Suponha que um barril contenha muitos pequenos ovos de plástico. Alguns são coloridos de vermelho e outros de azul. 40% dos ovos contêm pérolas e 60% estão vazios. 30% dos ovos contendo pérolas são de cor azul e 10% dos ovos vazios também são azuis. Qual é a probabilidade de que o ovo azul contenha pérolas"?
À primeira vista, a probabilidade parece pequena, pois apenas 30% dos ovos contendo pérolas são azuis. De fato, ao contrário, a probabilidade de que o azul contenha pérolas é de 67%, o dobro da probabilidade de que não contenha.
"40% dos ovos contêm pérolas e 30% deles são azuis, portanto 12% dos ovos contêm pérolas e são azuis".
60% dos ovos não contêm pérolas, e 10% deles são azuis, portanto 6% dos ovos são azuis e não contêm pérolas.
12% + 6% = 18%, portanto, a proporção total de ovos azuis é de 18%.
Já sabemos que 12% dos ovos são azuis e contêm pérolas, portanto a chance de um ovo azul conter pérolas é de 12/18 ou cerca de 67%".
Ou de acordo com a fórmula de Bayes: a probabilidade de que o ovo azul contenha pérolas P(A|B)=P(B|A)*P(A)/P(B)=0,4*0,3/0,18=0,67.
P(A)= p(pérolas) = 0,4 probabilidade de que o ovo contenha uma pérola .
P(B|A)=p(azul| pérola) = 0,3 probabilidade de que o ovo seja azul se ele contiver pérolas
P(B)=p(azul) = 0,18 probabilidade de que o ovo seja azul.
Substituiu-se "barril" por "gráfico", ovos azuis são vela de baixa, ovos vermelhos são vela de alta, pérolas - mais de 70% dos incrementos de preço dentro da barra são positivos, ou em resumo - muitos incrementos positivos (MPP).
Suponha que os castiçais vermelhos estejam em alta, e os azuis em baixa. 40% dos castiçais têm PPM e 60% não têm. 30% dos castiçais que contêm MPP são de baixa e 18% de todos os castiçais também são de baixa. Qual é a probabilidade de que um castiçal de baixa contenha MPP.
Aqui, à primeira vista, a probabilidade é ainda menor: os mesmos 30% dos castiçais que contêm MPP são de baixa e o próprio castiçal é de baixa, portanto deve conter incrementos mais negativos do que os positivos. Mas de acordo com os cálculos neste caso, temos os mesmos 67%.
A probabilidade do candelabro em forma de candelabro contém MPP. P(MPP|Bear) =P(MPP)*P(bear|Bear)/P(bear)=0,4*0,3/0,18=0,67
P(A) = p(MPP)=0,4 probabilidade de que a vela contenha MPP .
P(B|A)=p(bearish|MPP) = 0,3 probabilidade de que a vela seja de baixa se ela contiver MPP
P(B)=p(bearish) = 0,18 probabilidade de a vela estar em baixa.
Neste caso, se um castiçal tem incrementos mais positivos, então os incrementos negativos devem ser mais longos para que ele se torne em baixa. Isto é verdade para qualquer lei de distribuição de aumentos de preço dentro do castiçal ou para a falta de qualquer um.
Aqui está outra coisa que eu li:
"Experiências psicológicas[1] mostraram que as pessoas frequentemente estimam incorretamente a probabilidade de um evento com base em sua experiência(probabilidade a posteriori) porque ignoram a probabilidade da própria suposição(probabilidade a priori). Portanto, o resultado correto de acordo com a fórmula da Bayes pode ser muito diferente do resultado intuitivamente esperado".
Veja, é assim que é.
...
Neste caso, se um castiçal tem a maior parte de seus incrementos positivos, então para que seja em baixa, os incrementos negativos devem ser mais longos. Isto é verdade para qualquer lei de distribuição de aumentos de preço dentro de um castiçal, ou para a falta dele.
...
Para chegar a tal conclusão, o teorema de Bayes foi aplicado?
Uma estimativa incorreta dos problemas de probabilidade também pode resultar de uma apresentação pouco atraente das condições do problema.
A maneira mais fácil de fechar minha boca é mostrar o funcionamento do modelo polinomial com este exemplo....
E quantos Reshetts se divertiram com você, e quantos adeptos (18) morreram no fio da predição...)
Escrevi há muito tempo que o mercado é um sistema que reage às notícias. Todas estas discussões sobre a distribuição estatística dos preços, volatilidade e erros de regressão são inúteis. Se tomarmos o comportamento dos preços nos horários de divulgação de notícias (e esses horários são conhecidos e regulares), teremos uma distribuição. Se escolhermos os horários das sessões noturnas, teremos outra distribuição. A regressão dos preços de mercado também é inútil. A cauda de regressão se agitará e dependerá dos preços recebidos. Use travessões se você precisar suavizar a série de preços. Extrapolar uma regressão é utopia. O preço não é uma pedra que é atirada e então você tenta determinar onde ela estará após um período de tempo. A aplicação de algoritmos de rastreamento de foguetes também não funciona. Embora, concentrar-se nos momentos de divulgação de notícias (choques externos) e acompanhamento de preços imediatamente após o choque faça sentido. Regularidades podem ser detectadas e lucros podem ser obtidos. Mas é um erro e um teórico "ópio para o povo" considerar toda a série de preços como um todo e falar sobre suas características médias.
Lembro que você queria encontrar um algoritmo decente para verificar o impacto de certas notícias sobre os mercados.
Minha opinião sobre as notícias é que somente notícias muito importantes e inesperadas mudam a direção do mercado e a lógica do comportamento dos preços que não podem ser descritas pelas regras de análise técnica. Em todos os outros casos, as notícias podem afetar o movimento de preços, mas o movimento em si é técnico e claro.
Lembro que você queria encontrar um algoritmo decente para verificar o impacto de certas notícias sobre os mercados.
Minha opinião sobre as notícias é que somente notícias muito importantes e inesperadas mudam a direção do mercado e a lógica do comportamento dos preços que não podem ser descritas pelas regras de análise técnica. Em todos os outros casos, as notícias podem influenciar o movimento de preços, mas o movimento em si é técnico e claro.
O teorema de Bayes foi aplicado para chegar a esta conclusão?
A estimativa incorreta dos problemas de probabilidade também pode ser devida a uma apresentação pouco atraente das condições do problema.
Tal conclusão neste exemplo também pode ser alcançada de forma puramente lógica. Mas, em minha opinião, a fórmula Bayes é corretamente aplicada aqui. Embora eu não possa atestar isso, pois estudo a questão a partir de artigos para "manequins".
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
Escrevi há muito tempo que o mercado é um sistema que reage às notícias. Toda esta conversa sobre a distribuição estatística de preços, volatilidade e erros de regressão é inútil. Se tomarmos o comportamento de preços nos horários de divulgação de notícias (e esses horários são conhecidos e regulares), teremos uma distribuição. Se escolhermos os horários das sessões noturnas, teremos outra distribuição. A regressão dos preços de mercado também é inútil. A cauda de regressão se agitará e dependerá dos preços recebidos. Use travessões se você precisar suavizar a série de preços. Extrapolar uma regressão é utopia. O preço não é uma pedra que é atirada e então você tenta determinar onde ela estará após um período de tempo. A aplicação de algoritmos de rastreamento de foguetes também não funciona. Embora, concentrar-se nos momentos de divulgação de notícias (choques externos) e rastrear o preço imediatamente após o choque faça sentido. Regularidades podem ser detectadas e lucros podem ser obtidos. Mas é um erro e um teórico "ópio para o povo" tomar toda a série de preços como um todo e falar sobre suas características médias.
Eu escrevi o Expert Advisor em 2011 e estava pronto para administrá-lo de verdade, mas muitas empresas forex nos EUA fecharam, até mesmo a Alpari.
Jesus!
Quando todos vocês começarão a ler livros?
Porque você sabe o que é conhecido e você sabe o que não é conhecido!
Você só tem que sentar e ler!
1. Para começar, basta tentar entender as palavras que dizemos:
ANÁLISE TÉCNICA.
Análise, e depois há a palavra previsão - estas palavras têm significados diferentes e não são sinônimos. As pessoas que conhecem a análise técnica são chamadas de cartas, ou seja, pessoas que desenham gráficos. Nada mais. É uma capacidade da psique humana de perceber a informação em forma gráfica melhor do que em digital. Não mais do que isso. É verdade que há pessoas, muito raras, que olham para os gráficos desenhados durante muito tempo, 3-5 anos, tomam decisões no mundo real, e eventualmente comercializam de forma lucrativa. Você pode estar se perguntando, quem está lendo isto, se você faz parte desta categoria de pessoas?
2 O fato de que as regressões não podem ser aplicadas aos mercados financeiros era conhecido há cerca de 100 anos. Mas essas pessoas foram sufocadas por Markowitz em 1952, quando ele inventou a teoria da carteira. Ele deu um aparelho matemático que lhe permitiu equilibrar rentabilidade e risco. Ele até recebeu um Nobel em 1992, apesar de 1987, quando todos os portfólios entraram em colapso, como fez a teoria de Markowitz.
Todos se lembraram das publicações de Mandelbrot de meados de 1960 e começaram a apontar os dedos intensamente para as caudas das distribuições, porque os eventos de 1987 são quase inacreditáveis, e isso aconteceu, como Mandelbrot previu antes dos infortúnios de 1987 20 anos antes.
Outras pessoas foram lembradas aqui - Box-Jenkins, que havia proposto um modelo 15 anos antes do acidente de 1987.
3. O modelo ARIMA. Os autores do modelo declararam que era impossível utilizar as cotações iniciais, e que era necessário utilizar aumentos de preços. Foi assim que eles se livraram das tendências. Eles deram um modelo e uma metodologia de sua construção. Ainda é usado no governo dos Estados Unidos. Ela está disponível ao público.
4. Quase imediatamente as pessoas inteligentes notaram que a ARIMA é um modelo viável, mas em uma parte muito estreita dos mercados financeiros. E eles formularam: é necessário levar em conta as mudanças na dispersão - estes são uma variedade de modelos ARCH. Esses modelos ampliaram o escopo dos métodos matemáticos.
5. Quase ao mesmo tempo, Granger inventou seu modelo de cointegração, também conseguiu um noob. Ele disse que ARMA, ARIMA, ARCH, GARCH e todos os demais não são a mesma coisa, mas é possível combinar dois ativos de tal forma que um resultado estacionário seja obtido e, em caso afirmativo, todos os métodos estatísticos, incluindo regressões e análises e previsões apropriadas, começam a funcionar perfeitamente. E realmente funciona.
6. E então em 1998 e depois em 2007 a idéia de estacionaridade das séries financeiras foi lembrada tão duvidosa quanto os métodos de reduzir essas séries financeiras a uma forma estacionária.
As idéias de inteligência artificial na forma de aprendizagem de máquinas começaram a surgir, argumentando-se que se podia prever o valor (métodos de regressão) ou a direção(métodos de classificação) da variável alvo a partir do conjunto de valores das variáveis de entrada (preditores). No caso da classificação: é possível prever uma variável que leva dois valores: comprar e vender. Para os amantes de TA: algo como o comércio de padrões, somente o modelo é ensinado a reconhecer padrões e estatísticas estão disponíveis.
PS.
O lugar dos modelos Bayesianos nos mercados financeiros é longo e definido com precisão - não se aplica.
PSBP
Há um aforismo: não existem modelos corretos - existem modelos úteis.
E a utilidade é definida unicamente pelo fato de que um modelo se aplica somente aos dados aos quais pode ser aplicado.
...