트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3080

 
Aleksey Vyazmikin #:

제기된 질문의 본질에 답할 수 없는 이유는 무엇인가요?

게다가 거기에 복사하여 작성한 내용은 이미 결정이 내려졌고 이 방향으로의 추가 작업의 타당성에 대한 평가가 있다는 것을 의미합니다.

미개척 영역에 대해서는 어떤 평가도 할 수 없습니다. 계속 작업의 편의성에 대해 이야기하려면 주어진 지표의 최소 5%를 분석해야 합니다.

하지만 저는 잠재적 가치가 높을 수 있는 영역부터 진행합니다. 여러 대상에 대한 분류의 정확성과 완전성을 즉각적으로 향상시키는 아주 좋은 지표를 찾았다고 가정해 보겠습니다. 이는 트레이딩으로 수익을 창출할 수 있음을 의미합니다. 얼마나 허용할 것인가 - 이것은 별도의 질문이며 개인적인 조건과 잠재력을 실현하는 방법 모두에 달려 있습니다.

복잡성과 불가능에 대해 생각하는 대신 적은 노력과 시간으로 가능하게 만드는 방법에 대해 생각하는 것이 좋습니다. 이에 대한 몇 가지 아이디어가 있습니다.

제가 올바르게 이해했다면, 코드베이스 아카이브에 트레이더가 보지 못하는 숨겨진 다이아몬드가 있다고 생각하시나요? 그리고 머신러닝으로 이를 가려내고 싶으신 건가요?

그렇다면 이러한 지표를 작성하고 게시 한 사람들이 이미 최선을 다하지 않았다고 생각하는 이유는 무엇입니까?

이것은 지표를 찾을 필요가 없지만 독창적 인 아이디어를 찾을 수 있다는 것을 의미합니다.

 
lynxntech #:

릴리타, 오늘은 특별한 날이고 기분이 고조되는 날입니다.

오늘 이 자리에서 정말 눈에 띄는 분들이 계셨고 저 역시 마찬가지입니다.

누구나 자신만의 관점이 있고, 그 관점이 일치하지 않으면 상대방은 서로를 이해하지 못할 수 있습니다.

 
Lilita Bogachkova #:

모든 사람은 자신만의 관점을 가지고 있으며, 관점이 일치하지 않으면 상대방이 서로를 이해하지 못할 수 있습니다.

그렇다면 왜 다투는 건가요?

 

안녕하세요, 여러분!

 
Andrey Dik #:

안녕하세요, 여러분!

안녕하세요, 인간 여러분!

하지만 봇은 이러한 인사말에 불쾌감을 느낄 수 있습니다 :)

 
Lilita Bogachkova #:

제가 올바르게 이해했다면 코드베이스 아카이브에 트레이더가 보지 못하는 숨겨진 다이아몬드가 있다고 생각하시나요? 그래서 머신러닝으로 이를 가려내고 싶다고요?

그렇다면 이러한 지표를 작성하고 게시 한 사람들이 이미 최선을 다하지 않았다고 생각하는 이유는 무엇입니까?

이것은 지표를 찾을 필요가 없지만 독창적 인 아이디어를 찾을 수 있다는 것을 의미합니다.

독창적인 아이디어를 찾는 과정을 어떻게 자동화할 수 있을까요?

저는 단지 시장에서 작동하는 흥미로운 아이디어가있을 것으로 예상하고 지표를 찾은 다음이를 조정하거나 아날로그로 만들고 개발할 수 있다고 제안하고 있습니다.

 
Aleksey Vyazmikin #:

안녕하세요, 인간 여러분!

그러나 봇은 이러한 인사에 불쾌감을 느낄 수 있습니다.)

관용을 베풀고 싶으신가요? 그러지 마세요.

그러나 일반적으로 소금이 어디에 있는지 누가 알겠습니까? 지표에는있을 수 있지만 공원에는 없습니다. 나는 나타 스키 마쉬카를 사용하고 있는데 괜찮습니다.

오늘 채팅과 싸웠는데 그는 내가 매우 편협하다고 말합니다.
 
Andrey Dik #:
관용을 베풀고 싶으신가요? 아니요.

결함이 있는 봇을 용인하는 것이 가능한지도 모르겠어요.....

 
lynxntech #:

AI 마스터, 전화는 프리 탑, 달은 카펫, 실제 생활에서는 매우 선명하고 AI 카메라가 초승달처럼 만들었습니다) 시각적으로 초승달이 있고 매우 아름답습니다.

네, 오늘 봤어요. 마음에 들었습니다.

 

저는 인과관계 추론의 새로운 유행 때문에 https://arxiv.org/pdf/2201.12692.pdf 기사를 다시 살펴보고 싶습니다 .

그래서 제가 이 기사에서 얻은 것은 다음과 같습니다.

저자는MO-RF의 가장 유명한 알고리즘 중 하나를 사용하여 입력 데이터 형성 방식과 샘플 크기를 변경하여 오차의 변화를 분석했습니다. 동시에 그는 오차를 분산과 편향으로 나누었으며, 그의 의견으로는 합산 할 수 있다고 생각합니다. 편향은 그림에서 어떤 이상과 관련하여 표시되어 있는데, 그 출처는 명확하지 않습니다.

이 기사는 최초의 새로운 결론이 아니라 적어도 전체 샘플링만큼 큰 폴드를 사용하여 교차 피팅이 가장 좋다는 결론을 내립니다.

그러나 이것이 글을 쓰게 된 주된 이유는 아닙니다.

사유: