Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2546
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Hier sind ein paar Zitate aus dem Artikel:
"Die Besonderheit der künstlichen Intelligenz besteht darin, dass die Technologie nicht in der Lage ist, sich in neuen, nicht standardisierten Situationen zurechtzufinden. Tritt auf dem Markt eine anormale Situation ein, ist es unwahrscheinlich, dass das Modell den besten Ausweg vorschlägt. Die Pandemie ist ein Paradebeispiel dafür. Die Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD)führt an, dass laut einer Umfrage derBank of England etwa 35 % der Banken in diesem Zeitraum negative Auswirkungen des auf maschinellem Lernen basierenden KI-Modells erlebten.
Was haben Banken damit zu tun - sie brauchen ML, um die Kreditwürdigkeit eines Kunden in der "Do's and Don'ts"-Phase der Kreditvergabe zu bestimmen...
Und der Wechselkurs einer Währung zu einer anderen - selbst bei einer Pandemie wird er lebendig +/- hin und her sein... und wenn die Export-Import-Transaktionen reduziert werden und damit die NFI (wenn die Währung im Land nicht mehr besonders benötigt wird, um ausländische Partner zu bezahlen) - dann wird nur noch mit Medikamenten spekuliert, oder mit Terroranschlägen und Streiks und dem Transfer von Reserven (oder Gerüchten) hin und her...
Und mit einem normalen Lernhorizont sind solche Situationen in der Geschichte bereits vorgekommen - alles DataMining basiert auf der Tatsache, dass sich die Geschichte wiederholt, nur mit neuen Parametern in einer neuen Evolutionsrunde... Nehmen Sie also keine absoluten, sondern relative Parameter...
Die Banken können die Präferenzen der Kunden, einen Kredit anzunehmen oder abzulehnen, nicht mit ML überwachen... und viele Menschen nehmen nur einmal in ihrem Leben einen Kredit auf, für eine Wohnung...
Obwohl, um fair zu sein - DataMining ist nicht nur MachineLearning... sondern auch qualitative statistische Analysen im Vorfeld und vollwertiges MetaLearning in neuronalen Netzen, um das Modell an die aktuellen Gegebenheiten anzupassen... und selbst in diesem Fall ist eine hinreichend zuverlässige Vorhersage nur zu einem bestimmten Zeitpunkt möglich, nicht aber über einen längeren Zeitraum...
Die Banken können nicht über alle Informationen verfügen, um sie in ihr Modell zu laden... ... und sie nutzen KI für andere Zwecke als die Vorhersage von Kursen (das tun sie nicht) ... sie müssen nur zu günstigen Zinssätzen leihen und verleihen ...
p.s. Schulen nutzen ML für ihre Berufsberatung genauer als Banken, um die Möglichkeit einer Kreditvergabe an einen bestimmten Kunden zu ermitteln... - und es gibt für sie nichts zu tun - sie müssen zu allen Konditionen verleihen, sonst sind sie selbst arbeitslos und ohne Bezahlung (nicht AIs Schuld, sondern die Nachfrage nach ihren Dienstleistungen gemäß ihren Bedingungen mit ihrem Kundenbeziehungsmanagement)...
aber angesichts der Schwächung des internationalen Handels in Zeiten der Not (Pandemien) ist es verständlich, dass sie Liquiditätsengpässe haben... aber es hat Momente von Liquiditätsengpässen in der Geschichte gegeben (nur der Parameter war keine Pandemie) -- es ist nicht neu -- die einzige Frage ist, welches Modell, was geschätzt wird, was der Horizont der Trainingsstichprobe ist und wie die Schlussfolgerungen seiner Interpretation von den lebenden Menschen dieser Bank geleitet werden...
p.p.s.
Die OECD-Informationen über die Bank of England sind vielleicht nur Spekulation oder schwarze PR in den Händen eines Holzfällers, der Holz sammelt... Die Krise von 2008 ist nicht aus dem Nichts aufgetaucht, und die Voraussetzungen dafür waren bereits vor 2 Jahren erkennbar... und 2008 (glaube ich) in der Tat - Spekulationen auf den Fall von LehmanBrothers, um QE zu machen, vielleicht sogar für das gleiche Geld... übrigens waren die Banken "schuld" an der Finanzkrise (obwohl die Ursache-Wirkungs-Beziehung nicht aufgehoben ist - MBS sind auch nicht aus dem Nichts entstanden, sondern aus der Nachfrage!...) - Jetzt geben sie offenbar der KI die Schuld - zumindest wird sie nicht antworten... hier ist, wie viele Piraten in den Kommentaren mit den Klimabedingungen in Verbindung gebracht wurden - vielleicht stochert noch jemand im Universum herum und sucht nach glaubwürdigeren Signalen?
Hat jemand Wavelets ohne Bibliotheken zusammengesetzt? Die Wavelets sind im Unendlichen definiert, welche Länge sollten wir dann nehmen?
Ich habe die Zersetzung selbst noch nicht studiert, ich kenne die Antwort nicht.
Im Beispiel ist jedoch aus dem Blockdiagramm ersichtlich, dass ein Fenster von 10 angegeben ist.
ist wahrscheinlich auf unendlich definiert und spielt keine Rolle.
Und nehmen Sie die Länge, die das Problem so effektiv wie möglich löst.
Ich habe die Zersetzung selbst noch nicht untersucht, ich kenne die Antwort nicht.
Aber das Beispiel im Blockdiagramm zeigt, dass das Fenster auf 10 eingestellt ist.
Wahrscheinlich spielt die Definition bis unendlich keine Rolle.
Und nehmen Sie die Länge, die das Problem so effizient wie möglich löst.
Theoretisch sollte die Länge des Fensters unterschiedlich sein.
Die Länge des Fensters soll unterschiedlich sein
Um ehrlich zu sein, verstehe ich die Frage nicht ganz.
Vielleicht ist es das, worum es geht?
Idealerweise sollte die Länge des Fensters unterschiedlich sein
Die beste Lösung ist, ein Lehrbuch zu Rate zu ziehen.
Wavelets sind dasselbe wie Fourier. Es gibt die klassische Fourier-Methode, die Fenster-Fourier-Methode und die Wavelets-Methode, bei der anstelle eines rechteckigen Fensters wie bei der Fenster-Fourier-Methode eine spezielle Art von Fenster - Wavelets - verwendet wird. Für Börsenkurse ist Fourier aufgrund des zufälligen Charakters des Quotienten nicht geeignet.
Wavelets eignen sich gut für eine ökonomische Darstellung der gesamten verfügbaren Preishistorie (anstelle eines begrenzten Fensters)
Shapelets werden häufiger für Zeitreihen verwendet, aber auch dieser Ansatz ist nicht sehr beliebt
Die Suche nach Shaplets erinnert mich an das Clustering von Seriensegmenten. Wahrscheinlich sind sie nützlich für Signale wie Kardiogramme, aber nicht so sicher über ihre Nützlichkeit für Preisstudien.
Ist es Ihnen übrigens gelungen, die Anwendung des LGBM-Modells zu erarbeiten? Wenn Sie in R geschult sind, können Sie die Bibliothek von San Sanych verwenden)