Diskussion zum Artikel "Wahrscheinlichkeitstheorie und mathematische Statistik mit Beispielen (Teil I): Grundlagen und elementare Theorie" - Seite 8

 
Rorschach:

Ein Mathematiker der sechsten Generation, der ihm weit voraus ist.

Auf nationaler Ebene (so wie ich es verstehe) schreibt er über die Zyklizität/Clusterung der Volatilität und die Bedeutung älterer tf.

Interessant ist, dass er versucht hat, dies mathematisch zu berechnen, und nicht nur eine abstrakte Beschreibung.

Das ist es, was sie (Ataman, Ilyinsky) daran hindert, eine Einführung in einfacher Sprache zu machen, so dass man nicht jede Zeile 10 Mal lesen muss.

Über den ersten von ihnen gab es Hinweise darauf, dass er bei der Verwaltung sehr großer Geldsummen recht erfolgreich war. Er hat das alles also offensichtlich nur zu seinem eigenen Vergnügen geschrieben, was normalerweise verloren geht, wenn man alles wiederkäuen muss. Und vielleicht gab es auch nicht genug Freizeit.

Iljinsky spricht über sehr fortgeschrittene, aber ganz normale Finanzmathematik, für deren Verständnis man mindestens zwei Jahre Matfack braucht. Wie soll man das in ein paar Vorlesungen packen? Ich weiß nicht, ich würde mich wahrscheinlich auf eine Demonstration des Yuima-Pakets von R beschränken.

The YUIMA Project
The YUIMA Project
  • yuimaproject.com
The YUIMA Software performs various central statistical analyses such as quasi maximum likelihood estimation, adaptive Bayes estimation, structural change point analysis, hypotheses testing, asynchronous covariance estimation, lead-lag estimation, LASSO model selection, and so...
 
Aleksey Nikolayev:

Bei der ersten gab es Hinweise darauf, dass er recht erfolgreich mit sehr großen Geldsummen umging. Er hat das alles also offensichtlich nur zu seinem eigenen Vergnügen geschrieben, was normalerweise verloren geht, wenn man alles wiederkäuen muss. Und vielleicht gab es auch nicht genug Freizeit.

Iljinsky spricht über sehr fortgeschrittene, aber ganz normale Finanzmathematik, für die man mindestens zwei Jahre Matfack studiert haben muss, um sie zu verstehen. Wie soll man das in ein paar Vorlesungen packen? Ich weiß nicht, ich würde mich wahrscheinlich auf eine Demonstration des Yuima-Pakets von R beschränken.

Ich mag die Art, wie Abbakumov erzählt

 
Rorschach:

Ich mochte die Art und Weise, wie Abbakumov es erzählt

Für grundlegende Matstat ist Python nicht schlecht, aber für mehr oder weniger fortgeschrittene Dinge ist R besser.

 
Aleksey Nikolayev:


Ilyinsky spricht über sehr fortgeschrittene, aber recht standardmäßige Finanzmathematik, für deren Verständnis mindestens zwei Kurse eines Mathematikstudiums erforderlich sind. Wie soll man das in ein paar Vorlesungen unterbringen? Ich weiß es nicht, ich würde mich wahrscheinlich auf eine Demonstration des Yuima-Pakets von R beschränken.

Dieses Paket hat eine schöne grafische Benutzeroberfläche.

Dateien:
 
Vladimir Perervenko:

Dieser Pakt hat eine schöne GUI.

Das ist im Grunde das, was ich im Sinn hatte. Wie es auf der Titelseite steht:"Kein Programmieren erforderlich", "Geeignet für Anfänger, Studenten".

 

Interessante Passage, vielleicht hat sie etwas mit dem Thema Handel zu tun. "Wert" ist wahrscheinlich eine falsche Übersetzung, der Kontext ist eher "Wert".

Viele Zufallsfunktionen haben eine überraschende Eigenschaft: Die Wahrscheinlichkeit, dass die Eigenwerte der Hesse-Matrix positiv sind, nimmt zu, wenn man sich Regionen mit niedrigem Wert nähert. In unserer Analogie zum Münzwurf bedeutet dies , dass die Wahrscheinlichkeit, einen Adler n-mal hintereinander zu werfen, höher ist, wenn wir uns an einem kritischen Punkt mit niedrigem Wert befinden. Es bedeutet auch, dass lokale Tiefpunkte mit niedrigem Wert sehr viel wahrscheinlicher sind als solche mit hohem Wert. Kritische Punkte mit hohemWert sind sehr viel wahrscheinlicher als Sattelpunkte. Und kritische Punkte mit sehr hohen Kosten sind sehr viel wahrscheinlicher lokale Maxima. Dies gilt für viele Klassen von Zufallsfunktionen. Und für neuronale Netze?Baldi und Hornik (1989) haben theoretisch bewiesen, dass kleine Autokoder ohne Nichtlinearitäten globale Minima und Sattelpunkte haben , aber keine lokalen Minima mit höheren Kosten als im globalenMinimum .

 
Rorschach:

Interessante Passage, vielleicht hat sie etwas mit dem Thema Handel zu tun. "Wert" ist wahrscheinlich eine Fehlübersetzung, der Kontext ist eher "Wert".

Viele Zufallsfunktionen haben eine überraschende Eigenschaft: Die Wahrscheinlichkeit, dass die Eigenwerte der Hesse-Matrix positiv sind, nimmt zu, wenn man sich Regionen mit geringem Wert nähert. In unserer Analogie zum Münzwurf bedeutet dies , dass die Wahrscheinlichkeit, einen Adler n-mal hintereinander zu werfen, höher ist, wenn wir uns an einem kritischen Punkt mit niedrigem Wert befinden. Es bedeutet auch, dass lokale Tiefpunkte mit niedrigem Wert sehr viel wahrscheinlicher sind als solche mit hohem Wert. Kritische Punkte mit hohemWert sind sehr viel wahrscheinlicher als Sattelpunkte. Und kritische Punkte mit sehr hohen Kosten sind sehr viel wahrscheinlicher lokale Maxima. Dies gilt für viele Klassen von Zufallsfunktionen. Aber für neuronale Netze?Baldi und Hornik (1989) haben theoretisch bewiesen, dass kleine Autokoder ohne Nichtlinearitäten globale Minima und Sattelpunkte haben , aber keine lokalen Minima mit höheren Kosten als im globalenMinimum .

Hier geht es um Probleme des tiefen Lernens.

Kosten ist eine gängige Bezeichnung für den Wert der zu optimierenden Funktion.

 
Es war eine gute Geschichte. Ich warte schon auf den nächsten Teil.
 
SASAN PARVIZ:
Es war eine gute Geschichte. Ich warte schon auf den nächsten Teil.

Ich arbeite daran. Nur sehr langsam. )

 
Aleksey Nikolayev:

Ich arbeite daran. Nur sehr langsam. )

Nochmals vielen Dank.