贝叶斯回归 - 有没有人用这种算法做了一个EA？ - 页 31

[Vladimir]

Yuri Evseenkov:

我做了一个程序，它可以得到系数a和b，当应用期望值等于ax+b的正态分布时，根据贝叶斯定理的概率是最大的。

该算法被简化为列举y=ax+b行中a和b的可能值，将其代入贝叶斯公式P(a,b|x,y)=P(x,y|a,b)*P(a)*P(b)/P(x,y); (1)

P(x,y|a,b)被当作似然函数P(x,y|a,b)，它是一个具有期望值ax+b的正态分布公式。贝叶斯公式的最大似然度量与标准差成反比。

由系数a和b（根据贝叶斯定理，其概率最大）构建的直线（红线）几乎与来自kodobase的线性回归的相同指标（黄线）重合。

德米特里-费多塞耶夫、弗拉基米尔和其他 "哥本哈根主义者 "是对的。

我们通过贝叶斯公式得到了相同的加上概率的a,b x和y的拟合措施。在这种情况下（线性依赖，y的正态分布，a和b的均匀分布），结果是与标准差成反比。也许这项措施在分析中会派上用场。

我还以为只有喋喋不休的人来到这里。我尊重你的坚持和愿意理解理论并在实践中应用它。

[Yuri Evseenkov]

forexman77:

我还有一个问题：我无法理解一些你必须理解代数符号的公式。

如果你指的是我和你的代码，显示按价格水平划分的点数分布，只有四个算术运算。

如果你指的是贝叶斯和一般的概率方法，你只能直观地表示一些基本概念。如果对象很复杂，你需要弄错，结果就是浪费时间。你需要一种数学文化之类的东西。而且公式很复杂。但这也没关系。我，在高等数学中获得了 "C"，有些东西开始变得有意义了。而在论坛上，人们给出了关键的概念和公式，以免迷失在理论中。

[Yuri Evseenkov]

Event:

你的研究应该得到尊重!

最近有一篇文章--你可能会发现它很有用......

https://habrahabr.ru/company/itinvest/blog/277337/

好吧，"研究 "是一个口号。所以我通过系数，把它们放到一个公式中。这只是让你开始的东西。

谢谢你的文章。我一直想读关于熵的书，已经很久了。我甚至在那里有一个代码的例子。

P.S. 你以前的大象头像很酷。

[Yuri Evseenkov]

Vladimir:
我以为这只是喋喋不休的人。我尊重你的坚持和愿意理解理论并在实践中应用它。

谢谢你。我读了你的主题，根据宏观经济指标预测市场。 令人印象深刻。

P.S. 还有，Baeis线上的 "话匣子 "很有意思。

[forexman77]

请解释指标https://www.mql5.com/ru/code/7812 和https://www.mql5.com/ru/code/7325 之间的区别。

如果用第一种似乎很清楚，它在给定的条形范围内的报价中间建立了一条线，那么第二种，看起来像滑动条，就不清楚了？

[Aleksey Vyazmikin]

forexman77:

请解释指标https://www.mql5.com/ru/code/7812 和https://www.mql5.com/ru/code/7325 之间的区别。

如果用第一种似乎很清楚，它在给定的条形范围内的报价中间画了一条线，那么第二种，看起来像滑动条，就不清楚了？

线性回归并不是静态的--第一个指标直观地显示了哪些数据被用于计算，并且只显示一个点的结果，而第二个指标则分别显示了每个点的计算结果，而没有直观地显示计算结果。也就是说，作为交易者，我们对过去的数据没有足够的兴趣，我们想利用指标对回归的预测潜力。

[forexman77]

-Aleks-:
线性回归不是静态的--第一个指标直观地显示了用于计算的数据，并且只显示一个点的结果，第二个指标则分别显示了对每个点的计算，没有计算的可视化。也就是说，作为交易者，我们对过去的数据不感兴趣，我们想利用指标的预测潜力进行回归。

谢谢你!

[Yuri Evseenkov]

祝贺这条主题的创建者和读者的节日!祝你和你的亲人健康、平安和繁荣

[Yuri Evseenkov]

我将尝试在实践中应用贝叶斯定理。

任务。使用贝叶斯定理，确定尚未到达的刻度线的哪个值最有可能。

鉴于。时间序列x,y。

y=ax+b 从最后一个刻度到未来的直线。

P（a，b|x，y）=P（x，y|a，b）*P（a）*P（b）/P（x，y）；（1）贝叶斯公式。

P(a,b|x,y)是系数a和b对应于未来刻度的x和y坐标的概率。

我们需要找到这样的a和b，使这个概率（更正确地说是概率测量）是最大的。

P(x,y|a,b) - 让我们把按价格水平分布的真实直方图作为一个似然函数。该函数由一个二维数组（矩阵）定义：价格范围--概率，落在该范围内的点数与总点数的百分比比。(见图1)

P(a) 系数a决定了直线的斜率。它既可以是积极的，也可以是消极的。该值的一个或另一个符号的概率，是由同一图表确定的。

P(b) 系数b决定了直线相对于时间轴的斜率。

系数a和b决定了价格的增量。正如与会者所强调的，价格增量的分布具有接近正常的形状。我建议考虑系数b是正态分布。你可以用 高斯分布的随机数发生器（RNG）来设置。

P(x,y)是一个归一化除数。一个常量值。

对于程序的编写，请告知MT4的标准RNG是否有正态分布的结果，或使用另一个。

图1

[Lilita Bogachkova]

Yuri Evseenkov:

祝贺这条主题的创建者和读者的节日!祝你和你的亲人健康、平安和繁荣

非常感谢你的这份意外礼物。