Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3106
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
dass die meisten von uns intellektuell sehr wohl durch KI ersetzt werden könnten)
Ja....
Aber wir haben noch ein paar Jahre oder Monate vor uns.))
Im Moment gibt es zwei Probleme für die Einführung einer starken KI
1. Zu gefräßige Architekturen
2. Zu schwache Hardware
Dies sind im Wesentlichen zwei Seiten derselben Medaille...
Aber es wird daran gearbeitet, sowohl das erste als auch das zweite Problem zu lösen...
Sie haben es nicht eilig, die Architektur zu ändern (neuronale Netze sind unser Ein und Alles), aber siewerden es müssen, aber mit schneller Hardware (Quantencomputer) ist alles viel aktiver.
Hier heißt es, dass der t-Test manchmal auch bei abnormalen Daten gut funktioniert
Ja....
Aber wir haben noch ein paar Jahre oder Monate vor uns))
Bislang gibt es zwei Probleme bei der Einführung einer starken KI
1. Zu gefräßige Architekturen
2. Zu schwache Hardware
Im Grunde sind es zwei Seiten derselben Medaille....
Aber es wird daran gearbeitet, sowohl das erste als auch das zweite Problem zu lösen....
Sie haben es nicht eilig, die Architektur zu ändern (neuronale Netze sind alles, was wir haben), aber siewerden es müssen, aber sie sind viel aktiver mit schneller Hardware (Quantencomputer).
Es gibt eine Bedrohung durch die KI, aber in einer vagen Entfernung und erst, nachdem wir die Frage beantwortet haben: Was ist natürliche Intelligenz? Bis heute gibt es keine Ansätze dazu.
Das ist schon lange her, hat aber nichts mit Stationarität zu tun. Weniger als eins zeigt die Stabilität des Modells an, es zeigt an, dass: richtig (1) differenziert, (2) die Varianz modelliert (viele Modelle), (3) den Mittelwert modelliert (ARIMA-AFRIMA), (4) die Verteilung modelliert. Kurz gesagt, es wird versucht, NICHT die Stationarität zu modellieren.
Kann ich den tatsächlichen Anwendungscode dieser Garches sehen? Oder handelt es sich nur um eine Paraphrase von Broschüren ohne einen Tropfen der Praxis?
Können wir den tatsächlichen Code für die Anwendung dieser Garças sehen, oder handelt es sich nur um eine Paraphrase von Broschüren ohne einen Tropfen der Praxis.
Habe es vor ein paar Jahren versucht (2017-2918), aber aufgegeben - zu kompliziert. Bewerten Sie rugarch:ugarchspec. Dazu kommt, dass die Parameter miteinander verknüpft sind, alles ist in der Optimierung verstrickt, ein Schritt zur Seite und man bekommt stundenlange Modellanpassungen. Ich war von den Ergebnissen nicht beeindruckt, aber das ist meine Schuld, nicht wegen der Krümmung des Modells.
1) Ich habe es vor ein paar Jahren (2017-2918) versucht, aber wieder verworfen - zu kompliziert.
2) Nicht beeindruckt von den Ergebnissen, aber das ist meine Schuld, nicht wegen der Krümmung des Modells.
Warum werben Sie also regelmäßig für diesen Quatsch hier????
Ich will nichts ausprobieren, ich habe es schon seit vielen Jahren versucht....
Ich kann ohne Ausprobieren sagen, was funktionieren kann und was nicht....
Wenn der Algorithmus den Markt als Zeitreihe betrachtet, dann verabschiede ich mich sofort, egal ob es eine Stochastik oder ein gelobter Garch ist.
Das Ergebnis ist für mich schon vorherbestimmt
Dies ist das zweite oder dritte Mal, dass ich diesen Thread aufrufe, um einen Blick darauf zu werfen. Es hat sich nichts geändert, nur Tausende von Seiten sind hinzugekommen. Ob es nun das erste oder das letzte Mal ist. es ist das Gleiche.
Was soll sich auch ändern, maschinelles Lernen funktioniert nur bei statischen Daten.
Die Zukunft vorhersagen zu wollen, ist Unsinn.