Regressão Bayesiana - Alguém já fez um EA usando este algoritmo? - página 9
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
você deve ir se enforcar então, por que choramingar, eu não entendo? ...... perdedores? não podem negociar de forma lucrativa? O que você está fazendo aqui no forum????? Go sharpen nuts in a factory or something else...
Se eu não acreditasse em negociação (não necessariamente Forex, em geral), eu nunca mais visitaria este fórum! ...... para quê?
mas eu posso... e eu estou ganhando.... wow.... consistente e constante...durante anos...o % não é grande (porque sou realista), mas eu o faço... bem... e daí? alguma pergunta?
Você se entusiasmou um pouco. Chamando você de nomes mais heroína. Esse não é o perfil deste fórum. Para que serve a vida? Está escrito nos primeiros livros da humanidade. Os outros livros são apenas conversa.
os verdadeiros crentes estão aqui) ...... não estamos falando da torá e do novo zelo? se alguma coisa, eles não são os primeiros livros, e certamente não são os mais importantes.... e certamente não são os mais interessantes ou inteligentes... a bíblia suga.....
Isto é interessante.
Uma nota importante: o autor escreve que para a regressão linear e a ANOVA é assumida uma distribuição normal dos dados. Esta é uma afirmação muito longa e incorreta que muitas pessoas repetem sem pensar. Trata-se, na verdade, de assumir uma distribuição normal dos erros do modelo. Os dados em si podem não ser normais.
e para séries de preços, bem como incrementos, as condições 3a,3b não são cumpridas - a variação é diferente a cada dia, os erros são correlacionados ...
No primeiro post do autor do tópico, há uma descrição com fórmulas em formato pdf. Encontre uma tradução adequada. h ttps://www.mql5.com/go?http://arxiv.org/pdf/1410.1231.pdf
Qual é o problema? O Google traduz bem... :)
regressão Bayesiana, regressão linear, redes neurais, algoritmos evolutivos..... eh quão rica é a comunidade de sugadores de mercado.... e quão felizes são os profissionais que acreditam em seuscientífico modelos............)
como ainda não está claro que o mercado é uma coisa simples... algorítimos complexos -- estragam tudo porque não são relevantes
mas não - vá em frente, tanto melhor para aqueles que não se masturbam com a matemática, mas puxam os níveis de resistência, observam as falsas pausas, constroem uma posição e ..... o resto é desconhecido para a maioria do fórum (é receber cédulas no caixa eletrônico)
nós voamos e vocês rastejam, seus tolos...........
Permanece para ser apresentado à comunidade de equidade.
Talvez você seja realmente um bom comerciante intuitivo ...
Como disse um professor: "Você tem que ser muito estúpido para fazer uma teoria fundamental". Se é interessante e promete lucros a longo prazo, por que não?
O Google traduz então:
A Estratégia RU é capaz de quase dobrar os investimentos em menos de 60 dias quando se corre contra a pista de dados reais.
I. Problema de regressão Bayes. Considere o problema da regressão: nos é dado p treinamento rotulado pontos de dados (Xi, Yi) sobre 1 ^ y ^ n com Xi ∈ Rd, y ∈ R para alguns fixos e ≥ 1. O objetivo é usar este treinamento de dados para prever rótulos desconhecidos y ∈ R para um determinado x ∈ Rd .Abordagem clássica. Aabordagem padrão das estatísticas não paramétricas (cf. [3], por exemplo) é assumir o seguinte tipo de modelo: os dados rotulados são gerados de acordo com a relação y = F (x) +? onde ? é uma variável aleatória independente representando ruído, geralmente assumida como sendo gaussiana com média 0 e variância (normalizada) 1. A regressão se desenvolve para estimar o pH a partir de n observações (x1, y1), ..., (Xn, yup) e utilizando sua previsão de futuro. Por exemplo, se P (x) = xTθ *, ou seja, F é suposto ser uma função linear, então a estimativa clássica dos mínimos quadrados é usada para estimar em * ou p: θLS ∈argmin θ∈Rd n X i = 1 ( Yi -xt i Q) 2 (1) [...]
Este é do primeiro posto do autor do fio. A propósito, alguém sabe como inserir texto do formato pdf no tradutor sem digitá-lo manualmente?
P.S. F Em geral, eu gostaria de ter um tradutor que conheça o assunto e o dialeto da comunidade MQL.
O Google traduz então:
A Estratégia RU é capaz de quase dobrar os investimentos em menos de 60 dias quando se corre contra a pista de dados reais.
I. Problema de regressão Bayes. Considere o problema da regressão: nos é dado p treinamento rotulado pontos de dados (Xi, Yi) sobre 1 ^ y ^ n com Xi ∈ Rd, y ∈ R para alguns fixos e ≥ 1. O objetivo é usar este treinamento de dados para prever rótulos desconhecidos y ∈ R para um determinado x ∈ Rd .Abordagem clássica. Aabordagem padrão das estatísticas não paramétricas (cf. [3], por exemplo) é assumir o seguinte tipo de modelo: os dados rotulados são gerados de acordo com a relação y = F (x) +? onde ? é uma variável aleatória independente representando ruído, geralmente assumida como sendo gaussiana com média 0 e variância (normalizada) 1. A regressão se desenvolve para estimar o pH a partir de n observações (x1, y1), ..., (Xn, yup) e utilizando sua previsão de futuro. Por exemplo, se P (x) = xTθ *, ou seja, F é suposto ser uma função linear, então a estimativa clássica dos mínimos quadrados é usada para estimar em * ou p: θLS ∈argmin θ∈Rd n X i = 1 ( Yi -xt i Q) 2 (1) [...]
Este é do primeiro posto do autor do fio. A propósito, alguém sabe como inserir texto do formato pdf no tradutor sem digitá-lo manualmente?
P.S. F Em geral, eu gostaria de ter uma tradução de alguém familiarizado com o tópico e o dialeto desta comunidade MQL.