Regressão Bayesiana - Alguém já fez um EA usando este algoritmo? - página 44

 
Дмитрий:
A classificação também se baseia nas características dos dados recebidos, e se essas características mudarem com o tempo, então a aplicação futura da classificação dará uma previsão incorreta
Exatamente. A decomposição dos dados em caixas (bolsos) é fácil. O problema será quando a distribuição de probabilidade nos silos mudar nos dados fora da amostra de treinamento.
 
Дмитрий:
É tudo triste...
Na verdade, não. De forma alguma. Estatísticas robustas e corretas para artefatos não estacionários, a menos, é claro, que os dados sejam irremediavelmente não estacionários.
 
Alexey Burnakov:
Exatamente. A decomposição dos dados em caixas (bolsos) é fácil. O problema será quando a distribuição de probabilidade nos silos mudar nos dados fora da amostra de treinamento.

Nada dura para sempre sob a lua.

Mas há algo na classificação que está muito próximo do ouvido do comerciante.

Sentamo-nos e olhamos para os gráficos e tentamos encontrar alguns padrões. E aqui está: a interseção de duas barras! Para não mencionar um padrão como "cabeça e ombros".

E então você executa o algoritmo e ele encontra várias centenas de árvores (cem vezes mais felicidade do que com mashes), que são combinações de valores de dados de entrada, que podem ser associados com a variável de saída. Apenas um parentesco de almas e TA, mas a que nível!

 
As árvores são lixo, asflorestas aleatórias são a verdade
 
Provavelmente não entendo algo, mas de que tipo de estatísticas e modelos podemos falar se a função de correlação para a derivada de um processo Wiener é uma função delta. É claro que os dados de mercado não são um processo Wiener em sua forma pura (pelo menos não em um ambiente estacionário homogêneo), mas as correlações no mercado atual são significativas em um intervalo geralmente não superior a 1-2 horas, em sua maioria entre 15-30 minutos. E, na verdade, não é um fato que isso seja realidade e não um "reflexo aparente da lua aparente" (c)
 
Дмитрий:

Os dados não estacionários não são previstos pelos modelos de séries temporais. Nem modelos estatísticos (regressão, autoregressão, alisamento, etc.) nem modelos estruturais (NS, classificação, cadeias de Markov, etc.).

Somente modelos de áreas temáticas

Pronto! É aí que a discussão deveria ter começado.
 
Yuriy Asaulenko:
Obviamente não entendo algo, mas que estatísticas e que modelos devemos falar se a função de correlação para uma derivada de um processo Wiener é uma função delta. É claro que os dados de mercado não são um processo Wiener em sua forma pura (pelo menos não em um ambiente estacionário homogêneo), mas as correlações no mercado moderno são significativas no intervalo, geralmente não mais do que 1-2 horas, em sua maioria entre 15-30 minutos. E, na verdade, não é um fato que isso seja realidade e não um "reflexo aparente da lua aparente" (c)

É interessante que seu ponto de vista coincide fortemente com o meu ) Eu tenho mostrado a presença de "correlações" estáveis ou melhor dito, dependências de vários preditores apenas para o intervalo de 20 minutos a uma hora. Leia:https://www.mql5.com/ru/blogs/post/661499

Mas esta ainda não é a verdade final. O significado da inclinação de probabilidade para uma variável booleana (predizendo o sinal de movimento de preços) existe em horizontes mais distantes. Escreverei sobre isso com mais detalhes.

СОПРОВОЖДЕНИЕ ЭКСПЕРИМЕНТА ПО АНАЛИЗУ ДАННЫХ ФОРЕКСА: первое серьезное обучение модели и результаты
СОПРОВОЖДЕНИЕ ЭКСПЕРИМЕНТА ПО АНАЛИЗУ ДАННЫХ ФОРЕКСА: первое серьезное обучение модели и результаты
  • 2016.02.27
  • Alexey Burnakov
  • www.mql5.com
Начало по ссылкам: https://www.mql5.com/ru/blogs/post/659572 https://www.mql5.com/ru/blogs/post/659929 https://www.mql5.com/ru/blogs/post/660386 https://www.mql5.com/ru/blogs/post/661062
 
СанСаныч Фоменко:

Nada dura para sempre sob a lua.

Mas há algo na classificação que está muito próximo do ouvido do comerciante.

Sentamo-nos e olhamos para os gráficos e tentamos encontrar alguns padrões. E aqui está: a interseção de duas barras! Para não mencionar um padrão como "cabeça e ombros".

E então você executa o algoritmo e ele encontra várias centenas de árvores (cem vezes mais felicidade do que com mashes), que são combinações de valores de dados de entrada, que podem ser associados com a variável de saída. Apenas um parentesco de almas e TA, mas a que nível!

Tenho uma atitude muito positiva em relação aos dados discretos e à redução à forma discreta. O método é importante aqui.
 
Дмитрий:

Os dados não estacionários não são previstos pelos modelos de séries temporais. Nem modelos estatísticos (regressão, autoregressão, alisamento, etc.) nem modelos estruturais (NS, classificação, cadeias de Markov, etc.).

Somente modelos de áreas temáticas

Onde posso ler sobre "modelos de domínio"? Mais precisamente, tanto quanto sei, em relação à área temática "cotações de preços/cotações de câmbio".
 
Karputov Vladimir:
Onde posso ler sobre "modelos de áreas temáticas"? Mais precisamente, tanto quanto sei, em relação à área temática "cotações de preços/cotações de câmbio".

Aplicada é uma análise fundamental.

Modelos de assunto são modelos que explicam um processo por fatores fora da série temporal. Por exemplo, a termodinâmica