Discusión sobre el artículo "Teoría de probabilidad y estadística matemática con ejemplos (Parte I): Fundamentos y teoría elemental" - página 8
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Matemático de sexta generación, muy por delante de él.
A nivel doméstico (según tengo entendido), escribe sobre la ciclicidad/agrupación de la volatilidad y la importancia de los tf más antiguos.
Es interesante que intentara calcular esto matemáticamente, no sólo una descripción abstracta.
Eso es lo que les impide (Ataman, Ilyinsky) hacer una introducción, en lenguaje sencillo, para que no tengas que releer cada línea 10 veces.
Sobre el primero de ellos había indicios de que tenía bastante éxito en la gestión de grandes sumas de dinero. Así que, obviamente, escribió todo esto sólo por su propio placer, que suele perderse si tienes que masticarlo todo. Y puede que no tuviera suficiente tiempo libre.
Ilyinsky habla de matemáticas financieras muy avanzadas, pero bastante estándar, que requieren al menos dos años de matfack para entenderlas. ¿Cómo meterlo en un par de conferencias? No lo sé, probablemente me limitaría a una demostración del paquete yuima de R.
Había indicios sobre el primero de que tenía bastante éxito en la gestión de grandes sumas de dinero. Así que, obviamente, escribía todo esto sólo por su propio placer, que suele perderse si tienes que masticarlo todo. Y puede que no tuviera suficiente tiempo libre.
Ilyinsky habla de matemáticas financieras muy avanzadas, pero bastante estándar, que requieren al menos dos años de matfack para entenderlas. ¿Cómo meterlo en un par de conferencias? No lo sé, probablemente me limitaría a una demostración del paquete yuima de R.
Me gusta la forma en que Abbakumov cuenta
Me gustó cómo lo cuenta Abbakumov
Para matstat básico Python no está mal, pero para cosas más o menos avanzadas R es mejor.
Ilyinsky habla de matemáticas financieras muy avanzadas, pero bastante estándar, que requieren al menos dos cursos de una carrera de matemáticas para entenderlas. ¿Cómo meterlo en un par de conferencias? No lo sé, probablemente me limitaría a una demostración del paquete yuima de R.
Este paquete tiene una bonita interfaz gráfica de usuario.
Este pacto tiene un GUI agradable.
Eso es básicamente lo que tenía en mente. Como está escrito en su página de título:"No requiere codificación", "Adecuado para principiantes, estudiantes".
Interesante pasaje, quizá tenga algo que ver con el tema del comercio. "Valor" es probablemente una traducción errónea, en el contexto es más apropiado "value".
Muchas funciones aleatorias tienen una propiedad sorprendente: la probabilidadde que los valores propios de la matriz de Hesse sean positivosaumenta a medida que nos acercamos a regiones de bajo valor. En nuestra analogía del lanzamiento de una moneda, esto significa que la probabilidad de lanzar un águila n veces seguidas es mayor si estamos en un punto crítico de bajo valor . También significa que los mínimos locales de valor bajo son mucho más probables que los de valor alto. Los puntos críticos con valor altotienen muchas más probabilidades de ser puntos de silla de montar. Y es mucho más probable que los puntos críticos con valor muy alto sean máximos locales. Esto es cierto para muchas clases de funciones aleatorias. ¿Pero para las redes neuronales?Baldi y Hornik (1989) demostraron teóricamente que los autocodificadores pequeños sin no linealidades tienen mínimos globales y puntos de silla, pero no tienen mínimos locales con coste mayor que en el mínimo global.
Interesante pasaje, quizá tenga algo que ver con el tema del comercio. "Valor" es probablemente un error de traducción, el contexto es más bien "valor".
Muchas funciones aleatorias tienen una propiedad sorprendente: la probabilidadde que los valores propios de la matriz de Hesse sean positivosaumenta a medida que nos acercamos a regiones de bajo valor. En nuestra analogía del lanzamiento de una moneda, esto significa que la probabilidad de lanzar un águila n veces seguidas es mayor si estamos en un punto crítico de bajo valor . También significa que los mínimos locales de valor bajo son mucho más probables que los de valor alto. Los puntos críticos con valor altotienen muchas más probabilidades de ser puntos de silla de montar. Y es mucho más probable que los puntos críticos con valor muy alto sean máximos locales. Esto es cierto para muchas clases de funciones aleatorias. ¿Pero para las redes neuronales?Baldi y Hornik (1989) demostraron teóricamente que los autocodificadores pequeños sin no linealidades tienen mínimos globales y puntos de silla, pero no tienen mínimos locales con coste mayor que en el mínimo global.
Algo sobre problemas de aprendizaje profundo aquí.
Coste es un nombre común para el valor de la función que se está optimizando.
Estoy trabajando en ello. Pero muy despacio. )
Estoy trabajando en ello. Muy despacio. )