Bayesian regresyon - Bu algoritmayı kullanarak Uzman Danışman yapan var mı? - sayfa 11
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Ticaretle ilgili çeşitli bilimsel kitaplarda açıklanan fiyat davranışı teorileri, yazarların argümanlarından başka hiçbir şey tarafından desteklenmemektedir.
Fiyat davranışı - açık pozisyonların oranı ve değeri dinamik ve stokastik olarak değişen bir dizi farklı piyasa katılımcısı grubunun davranışı. :)
Burada kalıp aramak, bana öyle geliyor ki, ilginç bir konu (bir araştırmacı için), ama para değil.
Daha önce kendim için iki olası strateji formüle ettim - trendleri yakalamak ve pipleri yakalamak. İlk strateji, bir trendin başlangıcını ve sonunu tespit etmektir.
İkincisi, küçük (neredeyse gürültü) fiyat hareketlerini yakalamaktır. Bana göre her ikisi de fiyatın ve/veya ilgili zaman dilimindeki fiyat artışlarının tamamen istatistiksel özellikleri açısından formüle edilmelidir.
Son zamanlarda ilginç bir ifadeyle karşılaştım - istatistiksel arbitraj. Öğreniyorum... :)
Seni anladım. Sadece bir Gerçek - stokastik fiyat davranışı, sonucun garanti edilmediği, ancak olasılıkla gerçekleştiği stokastik kalıpları içerir. Ama hepsi bu değil.
Olasılığın bir güven aralığı vardır. Ve şimdi, eğer p bir modelse - güven aralığı, diyelim ki, saf bir p = 0,5 + güven aralığından kanıtlanabilir şekilde daha büyükse, o zaman kararlı (tabii ki kesin olarak konuşulmaz), bağımsız veriler üzerinde ampirik olarak test edilmiş bir modelimiz var. ML'yi üstün genel giderler yapabilir.
Seni anladım. Sadece bir Gerçek - stokastik fiyat davranışı, sonucun garanti edilmediği, ancak olasılıkla gerçekleştiği stokastik kalıpları içerir. Ama hepsi bu değil.
Olasılığın bir güven aralığı vardır. Ve şimdi, eğer p bir model ise - güven aralığı, diyelim ki, saf bir p = 0,5 + güven aralığından kanıtlanabilir bir şekilde daha büyükse, o zaman kararlı (tabii ki kesin olarak konuşulmaz), bağımsız veriler üzerinde ampirik olarak test edilmiş bir modelimiz var. ML'yi üstün genel giderler yapabilir.
Benim konumumla sizinki arasındaki fark şu ki, nasıl model oluşturacağımı bilmiyorum, bu yüzden çeşitli akıllı insanların ortaya çıkardığı şeyleri kullanıyorum. :)
Sana tamamen katılıyorum.
Benim konumumla sizinki arasındaki fark şu ki, nasıl model oluşturacağımı bilmiyorum, bu yüzden çeşitli akıllı insanların ortaya çıkardığı şeyleri kullanıyorum. :)
Burada birçok kültürel katman var. Hepsi tamamen falan filan ve bazı güzel resimler. Her şeyin iyi olması için kontrol edilmesi gerekiyor.
Bu dalın konusu ile ilgili bir kod istiyorum.
1. Doğrusal regresyon. En küçük kareler yöntemi. Formüller videodan alınmıştır.
y=kx+b;
k=(ortalama xy ürünü - x ve y ortalamalarının çarpımı)/ (ortalama x kare - kare ortalama x);
b=ortalama y - k*x ortalama.
2. Bu hesaplamaları yaptıktan sonra doğrunun koordinatlarını almalıyız. Gerçek değerler teorik değerlerden eps= y(gerçek)- y(teor) kadar farklılık gösterecektir.
Ayrıca, regresyonun Bayes olması için, eps'nin normal yasaya göre dağıtıldığı varsayımı yapılır.
Lütfen Kopenhag'da olanlar, bir şeyler yanlışsa beni düzeltin ve bundan sonra ne yapacağımı tavsiye edin.
Buradan https://www.mql5.com/ru/code/8016 lineer regresyonu MT4 ile aynı şekilde hesaplayan ve lineer regresyon kanalı oluşturan bir gösterge indirebilirsiniz.
Buradan https://www.mql5.com/ru/code/8016 lineer regresyonu MT4 ile aynı şekilde hesaplayan ve lineer regresyon kanalı oluşturan bir gösterge indirebilirsiniz.
Göstergenin oluşturduğu doğrusal regresyon çizgisi, gözle oluşturduğum çizgiyle neredeyse örtüşüyordu. Öyle oluyor.
Göstergenin oluşturduğu doğrusal regresyon çizgisi, gözle oluşturduğum çizgiyle neredeyse örtüşüyordu. Öyle oluyor.
Beynimizi hafife almayın...
Belki de beynin, bilinçaltının derinliklerinden gelen yükü hafifletmek için göstergeler icat edilmiştir, deyim yerindeyse...
...
Ayrıca, regresyonun Bayes olması için, eps'nin normal yasaya göre dağıtıldığı varsayımı yapılır.
...
Neden böyle bir varsayım? Hiç de bile. Bunu düşünmenize bile gerek yok, Bayes regresyonunun kapsamını tanımlamak gibi.
Bayesian regresyonunu hesaplamak için gerekli olan işaretlere karar vermek gerekir. Bu kare bir yuvarlak nasıl yapılır ilk sorudur. Bayesian regresyonunun buraya hiçbir şekilde uymadığı anlayışının ortaya çıkabileceği yer burasıdır. Ama umursamıyoruz... bir şeyler yapmalıyız. Bir satırın ve ikinci satırın (bizim durumumuzda satır) fiyat değerlerinin çakışmasının maksimum olasılığa karşılık geleceğini varsayalım. Ve bir özelliğin maksimum yolu 1/n olacaktır (n, çubuk sayısıdır). Her ne kadar bu yaklaşım, bir dirgen ile su üzerinde çizim yapmak gibidir. Yani, 0 argümanıyla 1 / n veren ve argüman arttıkça 0'a meyleden bir tür formül icat etmeniz gerekiyor.Sonra, olasılıklar yerine Bayes formülünü yazıyoruz, daha önce icat edilen formülü yerine koyuyoruz. . Ardından, ortaya çıkan işlevin maksimumunu bulmanız gerekir. Muhtemelen türevi alın, sıfıra eşit ...
Sonuç olarak, doğrusal regresyonla neredeyse aynı şeyi elde ederiz, çünkü asıl amaç düz bir çizgi ile bir fiyat serisini birleştirmekti .