贝叶斯回归 - 有没有人用这种算法做了一个EA？
首先是使用了一个正常的交易所，第二可能是输入的主要数据是市场杯，另外你可以在那里得到单独的量，第三是加密货币。
Pdf是有胡子的，我觉得现在没那么容易，交易难度更大。
但我认为还是有可能捏。
如果你想用外汇做这样的事情，喝冷水，我马上告诉你--99%的概率不会成功。
首先是使用了一个正常的交易所，第二，可能送来的主要数据是一个市场汇率，另外你可以单独得到数量，第三，它是一个加密货币。
Pdf是有胡子的，我觉得现在没那么容易，交易难度更大。
但我认为还是有可能捏。
如果你想用外汇做这样的事情，喝冷水，我现在就可以告诉你--99%的概率不会成功。
谢谢你。
有兴趣了解一下这个策略是否可以在外汇中使用的意见。我有很多不同的意见，特别是珍贵的意见，这些意见是基于实际经验的。
意见可能有所不同，特别是那些基于实际经验的意见是有价值的。
谢谢你。
我对在外汇中使用这种策略的可能性的意见感兴趣。意见可能有所不同，特别是那些基于实际经验的意见是有价值的。
贝叶斯 回归与岭回归相似，但它是基于数据中的噪声（误差）是正态分布的假设--因此它假设已经有了对数据结构的一般理解，这使得它有可能获得一个更准确的模型（与线性回归相比肯定是 这样）。
因此：http://datareview.info/article/10-tipov-regressii-kakoy-vyibrat/
由于误差的正态性假设，我质疑这种方法对金融市场的适用性。
此外，在任何模型中，如果依赖性只被估计为超平面，就有可能错过非线性边缘，而这正是可以使模型获利的原因。
- 投票： 4
- datareview.info
由于误差的正态性假设，我质疑这种方法对金融市场的适用性。
这真的不怎么取决于回归，更多的是取决于输入数据。
我甚至想加强你的观点：建模的成功不是由模型决定的（如果应用正确），而是由输入数据决定的。根据我的经验，一些输入数据集总是会导致过度训练的模型，如果你用它们来工作，你很可能最终得到未经训练的模型。我认为，建模的主要弊端--过度拟合--是由输入数据决定的。用正则化来解决这个问题是一种半成品的做法。
我指的是最有希望的那些：Ada、Randomforest、SVM。
贝叶斯模型因为假设了误差的正态性（以及许多其他模型），所以最好不要使用。
我甚至想加强你的观点：建模的成功不是由模型决定的（如果应用正确），而是由输入数据决定的。根据我的经验，一些输入数据集总是会导致过度训练的模型，如果你用它们来工作，你很可能最终得到未经训练的模型。我认为，建模的主要弊端--过度拟合--是由输入数据决定的。用正则化来解决这个问题是一种半成品的做法。
我指的是最有希望的那些：Ada、Randomforest、SVM。
贝叶斯模型因为假设了误差的正态性（以及许多其他模型），所以最好不要使用。
谢谢你。
我还对文章中描述的交易方式的意见感兴趣。
在针对真实数据追踪运行时，该策略能够在不到60天的时间内将投资翻倍。
I.贝叶斯回归的问题。我们考虑回归的问题：给我们n个训练标记的数据点(xi,yi)，1≤i≤n，xi∈Rd,yi∈R，对于一些假设的d≥1。我们的目标是使用这些训练数据来预测给定的x∈R的未知标签y∈R。古典方法。非参数统计学的一个标准方法（例如参见[3]）是假设以下类型的模型：标记的数据是根据关系y = f(x)+产生的，其中是一个代表噪声的独立随机变量，通常假设为均值为0、（归一化）方差为1的高斯。回归方法归结为从n个观察值（x1,y1）,...,（xn,yn）中估计f，并使用它进行未来预测。例如，如果f(x)=xTθ∗，即f被假定为一个线性函数，那么经典的最小二乘法估计被用于估计θ∗或f。ˆ θLS ∈argmin θ∈Rd n X i=1 (yi -xT i θ)2 (1) [...]Bayesian regression and Bitcoin.pdf