Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3106
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
Sí....
Pero aún nos quedan unos cuantos años, o meses, por delante))
Hasta ahora, hay dos problemas para lanzar una IA fuerte
1. Arquitecturas demasiado voraces
2. Hardware demasiado débil
Básicamente son dos caras de la misma moneda....
Pero se está trabajando para resolver tanto el primer problema como el segundo....
No tienen prisa por cambiar la arquitectura (las redes neuronales son todo lo que tenemos), pero tendrán que hacerlo, pero son mucho más activos con hardware rápido (ordenadores cuánticos).
Existe una amenaza por parte de la IA, pero en una vaga distancia y sólo después de que respondamos a la pregunta: ¿qué es la inteligencia natural? A día de hoy, no hay ninguna aproximación a ella.
Fue hace mucho tiempo, pero no tiene nada que ver con la estacionariedad. Menos de uno indica la estabilidad del modelo, indica que: correctamente (1) diferenciado, (2) modelado de la varianza (un montón de modelos), (3) modelado de la media (ARIMA-AFRIMA), (4) modelado de la distribución. En resumen, intentan modelizar la NO estacionariedad.
¿Puedo ver el código real de aplicación de estos garches? ¿O es sólo una paráfrasis de folletos sin una gota de práctica?
¿Podemos ver el código real para la aplicación de estas garças? ¿O es sólo una paráfrasis de folletos sin una gota de práctica.
Lo intenté hace unos años (2017-2918) pero desistí - demasiado complicado. Evaluar rugarch:ugarchspec. Para agregar a eso, los parámetros están interconectados, todo está atado en la optimización, un paso a un lado y obtienes horas de ajuste de modelos. No me impresionaron los resultados, pero eso es culpa mía, no de la curvatura del modelo.
1) Lo intenté hace unos años (2017-2918) pero lo deseché: demasiado complicado.
2) No me impresionaron los resultados, pero fue culpa mía, no de la curvatura del modelo.
Entonces, ¿por qué anunciar esta basura aquí regularmente????
No quiero probar nada, ya lo he probado durante muchos años por venir....
Puedo decir sin probar lo que puede funcionar y lo que no....
Si el algoritmo mira el mercado como una serie temporal, pues adiós de una vez, da igual que sea un estocástico o un Garch alabado.
El resultado para mi ya está predeterminado
Es la segunda o tercera vez que vengo a este hilo a echar un vistazo. Nada ha cambiado, sólo se han añadido miles de páginas. Ya sea la primera o la última. es lo mismo.
Que se supone que va a cambiar, el machine learning solo funciona en estático.
predecir el futuro, no tiene sentido.
¿Cuál es el mejor método de clustering para agrupar tales objetos?
Básicamente hay una matriz, y es importante evaluar su similitud en conjunto. Y por alguna razón, K-means, creo, promediará todo mucho.
Lectura interesante
https://quant.stackexchange.com/questions/1004/how-are-cryptography-and-speech-recognition-technology-applied-to-forecasting-fi
Sí, y en general, toda la etiqueta[quant-trading-strategies] esmuy interesante de leer.