贝叶斯回归 - 有没有人用这种算法做了一个EA？ - 页 44

[Alexey Burnakov]

Дмитрий:
分类也是基于传入数据的特征，如果这些特征随着时间的推移而改变，那么未来的分类应用将给出一个错误的预测。

正是如此。将数据分解成仓（pocket）是很容易的。问题是，当在训练样本之外的数据上，分仓上的概率分布 发生变化时。

[Alexey Burnakov]

Дмитрий:
这一切都很可悲...

并非如此。一点也不。健壮的统计学纠正了非平稳性的假象，当然，除非数据是无望的非平稳性。

[СанСаныч Фоменко]

Alexey Burnakov:
正是如此。将数据分解成仓（pocket）是很容易的。问题是，当训练样本以外的数据上的分仓概率分布发生变化时，就会出现问题。

月亮下没有什么是永恒的。

但是，有一些关于分类的东西非常贴近交易者的耳朵。

我们坐下来，盯着图表，试图找到一些规律。在这里，它是：两个酒吧的交汇点!更不用说 "头和肩 "这样的模式了。

然后你运行算法，它会找到几百个树（比用mashes多一百倍的幸福），这些树是输入数据值的组合，可以与输出变量相关。只是灵魂和TA的亲属关系，但在什么层面上呢？

[Дмитрий]

树木是垃圾，随机森林是真理

[Yuriy Asaulenko]

我可能有不明白的地方，但如果维纳过程的导数的相关函数是delta函数，我们可以谈论什么样的统计和模型。当然，市场数据不是纯粹的维纳过程（至少在同质静止环境中不是），但今天市场上的相关性是显著的，间隔时间通常不超过1-2小时，大多在15-30分钟之间。而且，实际上，这并不是一个事实，这是现实，而不是 "貌似月亮的反射"（c）。

[Vasiliy Sokolov]

Дмитрий:

非稳态数据不能被时间序列模型所预测。既没有统计模型（回归、自回归、平滑等），也没有结构模型（NS、分类、马尔科夫链等）。

只有学科领域模式

在那里!这就是讨论应该开始的地方。

[Alexey Burnakov]

Yuriy Asaulenko:
显然我不明白一些东西，但如果维纳过程的导数的相关函数是delta函数，我们应该谈什么统计和什么模型。当然市场数据不是纯粹的维纳过程（至少在同质静止环境中不是），但现代市场中的相关性在区间上是显著的，通常不超过1-2小时，大多在15-30分钟之间。而且，实际上，这并不是一个事实，这是现实，而不是 "貌似月亮的反射"（c）。

有趣的是，你的观点与我的观点非常吻合）我已经证明了稳定的 "相关性 "的存在，或者更好地说，仅仅在20分钟到1小时的间隔内，对几个预测因素的依赖性。阅读：https://www.mql5.com/ru/blogs/post/661499

但这还不是最终的真相。对于布尔变量（预测价格变动的符号）来说，概率倾斜的意义存在于更遥远的视野。我将更详细地写下这一点。

[Alexey Burnakov]

СанСаныч Фоменко:

月亮下没有什么是永恒的。

但是，有一些关于分类的东西非常贴近交易者的耳朵。

我们坐下来，盯着图表，试图找到一些规律。在这里，它是：两个酒吧的交汇点!更不用说 "头和肩 "这样的模式了。

然后你运行算法，它会找到几百个树（比用mashes多一百倍的幸福），这些树是输入数据值的组合，可以与输出变量相关。只是灵魂和TA的亲属关系，但在什么层面上呢？

我对离散数据和还原为离散形式有非常积极的态度。这里的方法很重要。

[Vladimir Karputov]

Дмитрий:

非稳态数据不能被时间序列模型所预测。既没有统计模型（回归、自回归、平滑等），也没有结构模型（NS、分类、马尔科夫链等）。

只有学科领域模式

我在哪里可以读到关于 "领域模型 "的信息？更准确地说，据我了解，是关于 "价格行情/交换价格行情 "的主题领域。

[Дмитрий]

Karputov Vladimir:
我在哪里可以读到关于 "学科领域模式 "的信息？更准确地说，据我了解，是关于 "价格行情/交换价格行情 "的主题领域。

应用的是基本分析。

主题模型是用时间序列 以外的因素解释一个过程的模型。例如，热力学