Bayesian regresyon - Bu algoritmayı kullanarak Uzman Danışman yapan var mı? - sayfa 13
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
İlk sorunuzu cevapladım. İşaretleri gerçekten anlamıyorum. Teorinin geçerli olduğu çubuk sayısını bulunuz? Ve bundan dansa? hemen reddediyorum.
"Asıl amaç, düz bir çizgi ile bir fiyat serisini birleştirmekti." - Bayes regresyonu düz bir çizgi ise, o zaman gerçekten işe yaramaz.
Düz bir çizgi ile hizalanırsa, en küçük kareler yöntemiyle (LSM) iyi bilinen doğrusal regresyon yeterlidir. Ayrıca MNC yöntemi herhangi bir eğrilikle birleştirilebilir. Bilinen kodda 1,2,3... sayısı yerine eğrilik değerleri kullanılmıştır.
Belki daha önce bilinmeyen bir şeklin eğriliği (polinom) - polinom regresyonu, kod tabanında bunun için bir kod vardır.
---
İşaretler. Bayes regresyonunun temeli budur. Varlığı, örneği belirli bir olasılıkla belirli bir sınıfa yönlendiren işaretler belirlenir. Birkaç işarete ve bunların olasılıklarına sahip olan nihai olasılık, Bayes formülü kullanılarak hesaplanır.
"Yaklaşık olarak aynı ölçeğe sahip (terimlerin hiçbiri baskın değildir, toplama belirleyici bir katkı sağlamaz) yeterince fazla sayıda zayıf bağımlı rastgele değişkenin toplamı normale yakın bir dağılıma sahiptir." (Wikipedia)
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. Bu nedenle, 0 argümanıyla 1 / n veren ve argümandaki bir artışla 0 eğiliminde olan bir tür formül icat etmeniz gerekiyor. Ardından, olasılıklar yerine Bayes formülünü yazıyoruz, öncekini değiştiriyoruz. formül icat etti. 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 .
Biraz donanım okuduktan sonra, Bayes regresyonunda, lineer regresyon katsayılarının tahmininin, dağılımlarının önsel bilgisine ve hataların normalliği varsayımına dayandığı açıkça ortaya çıkıyor. Diğer her şey, katsayıların en küçük kareler yöntemiyle tahmin edilmesiyle olağan doğrusal regresyondakiyle aynıdır. Uygulanıp uygulanmaması, piyasaya uygulanıp uygulanmaması - size kalmış.
Biraz donanım okuduktan sonra, Bayes regresyonunda, lineer regresyon katsayılarının tahmininin, dağılımlarının önsel bilgisine ve hataların normalliği varsayımına dayandığı açıkça ortaya çıkıyor. Diğer her şey, katsayıların en küçük kareler yöntemiyle tahmin edildiği olağan doğrusal regresyondakiyle aynıdır. Uygulanıp uygulanmaması, piyasaya uygulanıp uygulanmaması - size kalmış.
...
"Yaklaşık olarak aynı ölçeklere sahip yeterince büyük sayıda zayıf bağımlı rastgele değişkenlerin toplamı (terimlerin hiçbiri baskın değildir, toplama belirleyici bir katkı sağlamaz) normale yakın bir dağılıma sahiptir." (Wikipedia)
...
Bu nerede okunuyor?
İngilizce wiki makaleleri ve konuyla ilgili birkaç ders. LSM, olabilirlik maksimizasyonu ile Bayes çıkarımı ile değiştirilir.
Ve bence siz, Bayes teoreminin bir olayın olasılığının posteriori tahmini için uygulamasını Bayes regresyonunda yapılanlarla karıştırdınız. Her ikisi de olasılığa Bayes yaklaşımına dayanmasına rağmen.
İngilizce wiki makaleleri ve konuyla ilgili birkaç ders. LSM, olasılığı maksimize eden Bayes çıkarımı ile değiştirilir.
Ve bence siz, Bayes teoreminin bir olayın olasılığının posteriori tahmini için uygulamasını Bayes regresyonunda yapılanlarla karıştırdınız. Her ikisi de olasılığa Bayes yaklaşımına dayanmasına rağmen.
Ve burada neyi ve nasıl karıştırabilirsiniz?
Ne güvenilirliği?
... forex verileri normal olarak dağıtılır ve bu nedenle Bayesian regresyonunun kapsamıdır ...
Bazı dönemlerde "forex verileri" (bunların fiyatlar olduğunu varsayacağız) normal bir dağılıma sahip olabilir, ancak bu açıkça bir trendde durum böyle değildir - belki normal (?) ve diğer dağılımların bir karışımı vardır.
Fiyat serilerinde, mutlaka normal olmayan dağılımlarda (veya bunların karışımlarında) birbirini izleyen bir değişiklik olduğu varsayılabilir.
Fiyat serilerine herhangi bir regresyon uygulamak anlamsızdır, çünkü fiyat serileri durağan değildir. Rusça'ya çevrildiğinde, bu, bir örnek üzerinde hesaplanan regresyon katsayılarının başka bir örneklemdekilere karşılık gelmeyeceği anlamına gelir.
Evet, bu 18 hiçbir şeyi kapsamıyor. Doğrusal regresyon ve fibolevel ile mükemmel bir şekilde değiştirildi. Normal bir konuşma çalışmaz, yapıcı konuşmaları desteklemiyorsunuz. 18 için ne yaptığınızı ve bunun ne işe yaradığını anladığınızı henüz kanıtlamadınız bile.
Burada verilen basit bir örnek üzerinde gücü (18) tahmin edin http://www.statdata.ru/russia, ne tür bir gerileme bunu tekrarlayabilir? En iyi 10 regresyon yöntemini bağlayabilirsiniz http://datareview.info/article/10-tipov-regressii-kakoy-vyibrat/
...nasıl bir gerileme bunu tekrarlayabilir? En iyi 10 regresyon yöntemini bağlayabilirsiniz http://datareview.info/article/10-tipov-regressii-kakoy-vyibrat/
...