İlk olarak, normal bir değişim kullanıldı, ikincisi, muhtemelen gönderilen ana veriler bir bardaktır, ayrıca orada ayrı hacimler alabilirsiniz ve üçüncüsü, bu bir kripto para birimidir.
Sakallı PDF, sanırım artık o kadar kolay değil, ticaret çok daha zor hale geldi.
Ama bence çimdikleme hala mümkün.
Forex ile böyle bir şey yapmak istiyorsanız, soğuk su için, hemen söyleyeceğim -% 99 olasılıkla hiçbir şey yürümez.
İlk olarak, normal bir değişim kullanıldı, ikincisi, muhtemelen gönderilen ana veriler bir bardaktır, ayrıca orada ayrı hacimler alabilirsiniz ve üçüncüsü, bu bir kripto para birimidir.
Sakallı PDF, sanırım artık o kadar kolay değil, ticaret çok daha zor hale geldi.
Ama bence çimdikleme hala mümkün.
Forex ile böyle bir şey yapmak istiyorsanız, soğuk su için, hemen söyleyeceğim -% 99 olasılıkla hiçbir şey yürümez.
Teşekkür ederim.
Bu stratejiyi Forex'te kullanma olasılığı hakkındaki görüşle ilgileniyor. Görüşler farklı olabilir, özellikle pratik deneyime dayanan değerli olanlar.
Görüşler farklı olabilir, özellikle pratik deneyime dayanan değerli olanlar.
Teşekkür ederim.
Bu stratejiyi Forex'te kullanma olasılığı hakkındaki görüşle ilgileniyor. Görüşler farklı olabilir, özellikle pratik deneyime dayanan değerli olanlar.
Bayes regresyonu , sırt regresyonuna benzer, ancak verilerde gürültünün (hata) normal olarak dağıldığı varsayımına dayanır - buna göre, veri yapısının zaten genel bir anlayışının olduğu varsayılır ve bu, elde etmeyi mümkün kılar. daha doğru bir model (kesinlikle doğrusal regresyona kıyasla).
Buradan: http://datareview.info/article/10-tipov-regressii-kakoy-vyibrat/
Hataların normalliği varsayımıyla bağlantılı olarak, bu yöntemin finansal piyasalar için uygulanabilirliğini sorguluyorum.
Ek olarak, bağımlılığın yalnızca bir hiperdüzlem olarak tahmin edildiği herhangi bir modelde, modeli karlı hale getirebilecek doğrusal olmayan kenarı kaçırma şansı vardır.
- oylar: 4
- datareview.info
Hataların normalliği varsayımıyla bağlantılı olarak, bu yöntemin finansal piyasalar için uygulanabilirliğini sorguluyorum.
Burada, aslında, çok az şey regresyona bağlıdır, daha çok girdi verilerine bağlıdır.
Hatta şu noktayı pekiştireyim: Bir simülasyonun başarısı, modeller (doğru uygulanmışlarsa) tarafından değil, girdi verileriyle belirlenir. Tecrübelerime göre, bazı veri kümeleri DAİMA modellerin fazla takılmasına yol açar ve onlarla çalışırsanız, fazla takılmayan modeller elde edebileceğiniz ortaya çıkabilir. Modellemenin ana kötülüğünün - fazla uydurmanın - ilk veriler tarafından belirlendiğine inanıyorum. Bu sorunu düzenlileştirme ile çözmek yarım ölçüdür.
En umut verici olanı düşünüyorum: ada, randomforest, SVM.
Hatanın normal olduğu varsayımı nedeniyle (diğer birçok model gibi), Bayes modelini kullanmamak daha iyidir.
Hatta şu noktayı pekiştireyim: Bir simülasyonun başarısı, modeller (doğru uygulanmışlarsa) tarafından değil, girdi verileriyle belirlenir. Tecrübelerime göre, bazı veri kümeleri DAİMA modellerin fazla takılmasına yol açar ve onlarla çalışırsanız, fazla takılmayan modeller elde edebileceğiniz ortaya çıkabilir. Modellemenin ana kötülüğünün - fazla uydurmanın - ilk veriler tarafından belirlendiğine inanıyorum. Bu sorunu düzenlileştirme ile çözmek yarım ölçüdür.
En umut verici olanı düşünüyorum: ada, randomforest, SVM.
Hatanın normal olduğu varsayımı nedeniyle (diğer birçok model gibi), Bayes modelini kullanmamak daha iyidir.
Teşekkür ederim.
Ayrıca makalede açıklanan ticarete özel yaklaşım hakkındaki görüşle de ilgileniyor.
Niye ya? Normal dağılım yasasının fin için çalışmadığını düşünüyor musunuz? pazarlar? Gürültüyü (hataları) rastgele değerler olarak kabul edersek, onlar için Gauss dağılımını kullanmak oldukça uygundur.
Hataların gerçekten normal olduğu durum nadirdir ve bunun için modeldeki orijinal seri için olasılık yoğunluğunu doğru bir şekilde yeniden oluşturmanız gerekir. ulaşılabilir olacak mı? Soru bu. Ve modelin parametrelerini tahmin etmenin akla yatkınlığı buna bağlıysa, kaçırabilirsiniz. Parametrik olmayan yöntemleri, aynı rastgele ormanı, GBM'yi, doğrusal olmayan SVM'yi kullanırdım.
Ancak genel olarak konuşursak, finansal piyasalarda lineer regresyonu iyi anlayan ve özellik mühendisliği yapmayı bilen insanlar rastgele tahminden daha iyi sonuçlar aldı.
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Strateji, gerçek veri takibine karşı çalıştırıldığında 60 günden daha kısa bir sürede yatırımı neredeyse ikiye katlayabilir.
I. Bayesian Regresyon Problemi. Regresyon sorusunu ele alıyoruz: 1 ≤ i ≤ n için n eğitim etiketli veri noktası verildi ve xi ∈ Rd,yi ∈ R bazı sabit d ≥ 1 için. verilen x ∈Rd için bilinmeyen y ∈R etiketini tahmin edin. Klasik yaklaşım. Parametrik olmayan istatistiklerden standart bir yaklaşım (örneğin bkz. [3]), aşağıdaki tipte bir model varsaymaktır: etiketli veriler, y = f(x)+ ilişkisine göre üretilir, burada bağımsız bir rastgele değişken temsil edilir. gürültü, genellikle ortalama 0 ve (normalleştirilmiş) varyans 1 ile Gauss olduğu varsayılır. Regresyon yöntemi, f'yi n gözlemden (x1,y1),...,(xn,yn) tahmin etmeye ve onu gelecek tahmin için kullanmaya doğru kaynar. Örneğin, f(x) = xTθ∗ ise, yani f'nin lineer fonksiyon olduğu varsayılırsa, o zaman θ∗ veya f'yi tahmin etmek için klasik en küçük kareler tahmini kullanılır: ˆ θLS ∈argmin θ∈Rd n X i=1 ( yi −xT i θ)2 (1) [...] Bayesian regresyon ve Bitcoin.pdf