Теорема Байеса (или формула Байеса) — одна из основных теорем элементарной теории вероятностей, которая позволяет определить вероятность какого-либо события при условии, что произошло другое статистически взаимозависимое с ним событие. Другими словами, по формуле Байеса можно более точно пересчитать вероятность, взяв в расчет как ранее...
在阅读科普文章中关于贝叶斯的工作时,我遇到了以下问题。
"假设一个桶里有许多小塑料蛋。有些是红色的,有些是蓝色的。40%的鸡蛋含有珍珠,60%是空的。30%含有珍珠的蛋被染成蓝色,10%的空蛋也是蓝色。蓝蛋含有珍珠的概率是多少?"
乍一看,这个概率似乎很小,因为只有30%的含珠蛋是蓝色的。事实上,恰恰相反,蓝色的含有珍珠的概率是67%,是不含有珍珠的概率的两倍。
"40%的鸡蛋含有珍珠,30%的鸡蛋是蓝色的,所以12%的鸡蛋既含有珍珠又是蓝色的。
60%的鸡蛋不含珍珠,10%的鸡蛋是蓝色的,所以6%的鸡蛋是蓝色的,不含珍珠。
12% + 6% = 18%,所以蓝蛋的总比例是18%。
我们已经知道,12%的鸡蛋是蓝色的,含有珍珠,所以蓝蛋含有珍珠的几率是12/18,即大约67%。"
或者根据贝叶斯公式:蓝蛋含有珍珠的概率P(A|B)=P(B|A)*P(A)/P(B)=0.4*0.3/0.18=0.67。
P(A)=P(珍珠)=0.4 鸡蛋含有珍珠的概率。
P(B|A)=p(blue| pearl)=0.3 如果鸡蛋含有珍珠,则鸡蛋是蓝色的概率
P(B)=p(blue)=0.18的概率,鸡蛋是蓝色的。
将 "桶 "改为 "图",蓝色的蛋是看跌的蜡烛,红色的蛋是看涨的蜡烛,珍珠--柱状图内70%以上的价格增量为正数,或者简而言之--许多正数增量(MPP)。
假设红色蜡烛图是看涨的,而蓝色蜡烛图是看跌的。40%的烛台有PPM,60%没有。30%的包含MPP的蜡烛图是看跌的,18%的蜡烛图也是看跌的。 一个看跌的蜡烛图包含MPP的概率是多少。
在这里,乍一看,概率更小:同样30%的包含MPP的蜡烛图是看跌的,而蜡烛图本身是看跌的,所以它包含的负增量应该多于正增量。但根据计算,在这种情况下,我们有相同的67%。
看跌的蜡烛图的概率包含MPP。P(MPP|熊)=P(MPP)*P(熊|熊)/P(熊)=0.4*0.3/0.18=0.67
P(A) = p(MPP)=0.4 蜡烛含有MPP的概率。
P(B|A)=p(看跌|MPP)=0.3的概率,如果包含MPP的蜡烛是看跌的
P(B)=P(看跌)=0.18 蜡烛的概率是看跌。
在这种情况下,如果一个蜡烛图有大部分的正数增量,那么负数增量必须更长,才能成为熊市。烛台内部的价格增量的任何分布规律都是如此,或者没有任何分布规律。
这是我读到的另一件事。
"心理学实验[1] 表明,人们经常根据自己的经验错误地估计一个事件的概率(后验概率),因为他们忽略了假设本身的概率(先验概率)。因此,根据贝叶斯公式得出的正确结果可能与直觉上的预期结果大不相同"。
你看,事情就是这样的。
...
在这种情况下,如果一个蜡烛图的大部分增量都是正数,那么要想看跌,负数的增量必须更长。对于烛台内价格增量的任何分布规律都是如此,或者说缺乏这种规律。
...
为了得出这样的结论,是否应用了贝叶斯定理?
概率问题中的不正确估计也可能是由于对问题条件的介绍不吸引人。
让我闭嘴的最简单方法是用这个例子来说明多项式模型的工作原理....
还有,有多少雷谢特人取笑过你,又有多少阿普特人(18人)死在预测线里......)
我很久以前就写过,市场是一个对新闻做出反应的系统。所有这些关于价格的统计分布、波动性和回归误差的讨论都是无用的。如果我们采取新闻发布时间的价格行为(而且这些时间是已知的和定期的),我们将得到一个分布。如果我们选择夜间会议的时间,我们将得到另一种分配。市场价格的回归也是无用的。回归的尾巴会摇摆不定,取决于传入的价格。如果你需要使价格系列变得平滑,请使用破折号。推断出的回归是乌托邦。价格不是一块被抛出的石头,然后你试图确定它在一段时间后会在哪里。应用火箭跟踪算法也没有用。虽然,关注新闻发布的时刻(外部冲击)和冲击后立即进行的价格跟踪确实有意义。模式可以被发现,并且可以获得利润。但是,把整个价格系列作为一个整体来考虑,并谈论其平均特征,这是一个错误,也是理论上的 "人民的鸦片"。
我记得你想找到一个体面的算法来检查某些新闻对市场的影响。
我对新闻的看法是,只有非常重要和出乎意料的新闻才会改变市场方向和价格行为的逻辑,这是技术分析规则所不能描述的。在所有其他情况下,新闻会影响价格走势,但走势本身是技术性的,也是明确的。
我记得你想找到一个体面的算法来检查某些新闻对市场的影响。
我对新闻的看法是,只有非常重要和出乎意料的新闻才会改变市场方向和价格行为的逻辑,这是技术分析规则所不能描述的。在所有其他情况下,新闻可以影响价格走势,但走势本身是技术性的、明确的。
是否应用了贝叶斯定理来得出这一结论?
概率问题中的不正确估计也可能是由于对问题条件的介绍不吸引人。
在这个例子中,这样的结论也可以纯粹地从逻辑上得出。但在我看来,贝叶斯公式在这里得到了正确的应用。虽然我不能保证这一点,因为我是从 "傻瓜 "的文章中研究这个问题的。
http://baguzin.ru/wp/wp-content/uploads/2013/09/%D0%98%D0%BD%D1%82%D1%83%D0%B8%D1%82%D0%B8%D0%B2%D0%BD%D0%BE%D0%B5-%D0%BE%D0%B1%D1%8A%D1%8F%D1%81%D0%BD%D0%B5%D0%BD%D0%B8%D0%B5-%D1%82%D0%B5%D0%BE%D1%80%D0%B5%D0%BC%D1%8B-%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%B0.pdf
我很早以前就写过,市场是一个对新闻做出反应的系统。所有这些关于价格的统计分布、波动性和回归误差的讨论都是无用的。如果我们采取新闻发布时间的价格行为(而且这些时间是已知的和定期的),我们将得到一个分布。如果我们选择夜间会议的时间,我们将得到另一种分配。市场价格的回归也是无用的。回归的尾巴会摇摆不定,取决于传入的价格。如果你需要使价格系列变得平滑,请使用破折号。推断出的回归是乌托邦。价格不是一块被抛出的石头,然后你试图确定它在一段时间后会在哪里。应用火箭跟踪算法也没有用。虽然,关注新闻发布的时刻(外部冲击)和冲击后立即进行的价格跟踪确实有意义。可以发现规律性的东西,也可以获得利润。但把整个价格系列作为一个整体,并谈论其平均特征,这是一个错误,也是理论上的 "人民的鸦片"。
我在2011年写了专家顾问,并准备在实际中运行,但美国的许多外汇公司都关闭了,甚至Alpari。
天啊!
你们什么时候都开始看书呢?
因为你知道什么是已知的,你也知道什么是未知的!
你只需坐下来读一读!
1.对于初学者来说,只要试着理解我们所说的话。
技术分析。
分析, 然后是预测这个词--这些词有不同的含义,不是同义词。懂得技术分析的人被称为图表师,也就是绘制图表的人。仅此而已。这是人类心理的一种能力,以图形形式感知信息比数字形式更好。仅此而已。诚然,有一些人,非常罕见,他们长期看着绘制的图表,3-5年,在现实世界中做出决定,并最终在交易中获利。你可能会想,如果你是这一类人中的一员,谁在读这篇文章?
2 回归法不能应用于金融市场的事实大约在100年前就已经知道了。但这些人在1952年被马科维茨扼杀了,当时他发明了投资组合理论。他给出了一个数学仪器,使他能够平衡盈利能力和风险。他甚至在1992年获得了诺贝尔奖,尽管1987年,所有的投资组合都像马科维茨的理论一样崩溃了。
每个人都记得曼德布罗特1960年中期的出版物,并开始密集地将矛头指向分布的尾部,因为1987年的事件几乎是不可思议的,它发生了,正如曼德布罗特在20年前1987年的困境之前所预测的那样。
这里还记住了其他一些人--Box-Jenkins,他在1987年崩溃前15年就提出了一个模型。
3.ARIMA模型。模型的作者说,不可能使用初始报价,必须使用增量价格。这就是他们摆脱趋势的方式。他们给出了一个模型和其建造方法。它仍然在美国政府中使用。它可以向公众开放。
4.聪明的人们几乎立即注意到,ARIMA是一个可行的模型,但在金融市场的一个非常狭窄的部分。而且他们制定:有必要考虑到分散性的变化--这些是各种ARCH模型。这些模型扩展了matmethods的范围。
5.几乎在同一时间,格兰杰发明了他的协整模型,也得到了一个无名小卒。他说,ARMA、ARIMA、ARCH、GARCH和其他所有的东西都不一样,但有可能以这样的方式将两种资产结合起来,得到一个静止的结果,如果是这样,所有的统计方法,包括回归和适当的分析和预测都开始完美运作。而且它真的很有效。
6.然后在1998年和2007年,金融序列的静止性的想法被认为是可疑的,因为将这些金融序列还原为静止形式的方法。
机器学习形式的人工智能思想开始兴起,其中认为人们可以从输入变量(预测器)的数值集合中预测目标变量的数值(回归法)或方向(分类法)。在分类的情况下:有可能预测一个变量,它有两个值:买入和卖出。对于TA的爱好者来说:类似于模式交易的东西,只教模型识别模式,并提供统计数据。
PS。
贝叶斯模型在金融市场中的地位由来已久,而且定义准确--不适用。
PSBP
有一句谚语:正确的模型并不存在--有的是有用的模型。
而有用性的定义仅仅是,一个模型只适用于它可以适用的数据。
...