Bayesian regression - Делал ли кто советник по этому алгоритму? - страница 29
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Этакий многопользовательский , компьютерный онлайн симулятор
С фьючерсами синхронно ходит, так что не совсем.
С фьючерсами синхронно ходит, так что не совсем.
Убедили. Почти. Осталась тень сомнения что коэффициенты a и b линий y=ax+b при подсчёте разными методами будут численно или приблизительно равны. Тут нужно либо кропотливо сравнить формулы двух методов либо написать программу. Главное что бы формулы, алгоритм и сам код был адекватен теории. Программа должна:
-посчитать коэффициенты a и b линейной регрессии y=ax+b методом наименьших квадратов
-получить коэффициенты a и b при которых вероятность по теореме Байеса максимальна при применении нормального распределения с мат. ожиданием равным ах+b
Далее нужно сравнить коэффициенты, и в случае существенной разницы, посмотреть на поведение двух прямых, построенных на этих a и b в динамике. Например в тестере стратегий в режиме визуализации.
Программу можно будет использовать и далее используя другие модели, регрессии, распределения в формуле Байеса. Может быть что то действительно хорошо выстрелит.
CME ))
Вряд ли результат торговли по регресионной модели будет сильно зависеть от метода выбора параметров a и b. Входы намного важнее. А метод расчёта a и b выбирайте тот который попроще (наименьших квадратов).
Спасибо за совет. Только ведь методика по Байесу выдаёт то, что не выдают другие методы. А именно вероятность. Вероятность того, что коэффициенты a и b соответствуют х и y, времени и цене. Это можно использовать при принятии решения о входе и выходе. Или я выдаю желаемое за действительное?
Проверил. Сделал программу получающие коэффициенты a и b при которых вероятность по теореме Байеса максимальна при применении нормального распределения с мат. ожиданием равным ах+b.
Алгоритм свёлся к переборке возможных значений a и b линий y=ax+b, подстановку в формулу Байеса P(a,b|x,y)=P(x,y|a,b)*P(a)*P(b)/P(x,y); (1)
В качестве функции правдоподобия P(x,y|a,b) взята формула нормального распределения при мат. ожидании ax+b. Максимальная вероятностная мера по формуле Байеса получилась обратно пропорциональна среднеквадратичному отклонению.
Прямая (красная линия) построенная по коэффициентам a и b (при которых вероятность по теореме Байеса максимальна) почти совпала с тем же индикатором (жёлтая линия) линейной регрессии из кодобазы.
Правы были Dmitry Fedoseev, Vladimir и другие "копенгагены".
Получилось то же самое плюс получена вероятностная мера соответствия a,b x и y по формуле Байеса. В данном случае (линейная зависимость, нормальное распределение y, равномерное распределение a и b) она оказалась обратно пропорциональна среднеквадратичному отклонению. Возможно эта мера пригодится при анализе.
Выкинуть нормальное распределение, т.к. оно нигде в финансовых инструментах не наблюдается. А вместо него самостоятельно построить гистограмму реальной плотности распределения и аппроксимировать её.
Построить то можно. Только как её применить в формуле Байеса?
Построить то можно. Только как её применить в формуле Байеса?
А вместо него самостоятельно построить гистограмму реальной плотности распределения
Плотность не самих цен, а их приращений.
Проверил. Сделал программу получающие коэффициенты a и b при которых вероятность по теореме Байеса максимальна при применении нормального распределения с мат. ожиданием равным ах+b.
...
Крут! Безусловно.
Стоит посмотреть, посравнивать в местах начала тренда, там может быть разница.