Predicción de mercado basada en indicadores macroeconómicos - página 44
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
No pensé que terminaría con la venta banal de libros, así que le diría a )))) Lo siento)))) hilarante...
Yo dividiría toda la matemática económica moderna en dos partes
...
Las diferencias aparentemente sutiles tienen consecuencias muy graves.
...
Ambos utilizan la extrapolación de datos como tal. Si se cambia el carro por el caballo, sigue siendo un carro con un caballo: una extrapolación. No importa si buscamos inicialmente los factores que influyen en un cambio en el futuro, o si comparamos el cambio que se ha producido con esos factores: el resultado es el mismo, un modelo que creemos que debe predecir el futuro, basado en datos del pasado.
Personalmente, dividiría todos los enfoques comerciales en otros dos grupos:
Con el primer grupo todo está más o menos claro. Se trata de infinitas combinaciones de predictores con distintos pesos para tratar de explicar la variable que supuestamente depende de ellos: el precio. El segundo grupo funciona de manera diferente. Se basa en la identificación de propiedades específicas del proceso, seguida de la explotación de estas propiedades. Por ejemplo, si el modelo es capaz de identificar un fuerte proceso de retorno, simplemente encuentra mercados con esa característica y comienza a operar "en el nivel de retroceso". Al mismo tiempo, las reglas específicas para la identificación de este "nivel" mágico o las técnicas de negociación específicas no son muy importantes. Lo importante es que el proceso tenga realmente esta característica y no la cambie con el tiempo. Al mismo tiempo, el resultado de cada entrada en el mercado en particular no es importante en absoluto, ya que no hay ninguna idea sobre la previsión de una determinada operación. Lo importante es la estadística final, que depende de las propiedades del proceso.
Tanto el primero como el segundo utilizan la extrapolación de datos como tal. .
En este caso, simplemente no es consciente de ello. No hay extrapolación como tal en los modelos de clasificación de aprendizaje automático.
Por ejemplo, los bosques.
Los árboles se construyen sobre una muestra de entrenamiento, normalmente para una muestra de más de 3000 barras se obtienen más de 100 árboles - un bosque de árboles. Cada árbol es un patrón en términos de AT.
Al llegar la siguiente barra se busca entre los árboles la combinación de predictores correspondiente a esta última barra. Puede ser el primer árbol, el 50 o el último, el que mejor se adapte. ¿Dónde está la extrapolación aquí?
Se basa en la identificación de propiedades específicas del proceso, seguida de la explotación de esas propiedades
Es una gran idea si puedes generar una muestra de entrenamiento. Todo el problema es el profesor. De lo contrario, con los mandos....
En este caso, simplemente no está al corriente. No hay extrapolación como tal en los modelos de clasificación de aprendizaje automático.
Por ejemplo, los bosques.
Los árboles se construyen sobre una muestra de entrenamiento, normalmente para una muestra de más de 3000 barras se obtienen más de 100 árboles - un bosque de árboles. Cada árbol es un patrón en términos de AT.
Al llegar la siguiente barra se busca entre los árboles la combinación de predictores correspondiente a esta última barra. Puede ser el primer árbol, el 50 o el último, el que mejor se adapte. ¿Dónde está la extrapolación aquí?
Se basa en la identificación de propiedades específicas del proceso, seguida de la explotación de esas propiedades
Es una gran idea si puedes generar una muestra de entrenamiento. Todo el problema es el profesor. De lo contrario, con los mandos....
Para qué usar las manos, Kohonen clasifica perfectamente, sólo hay que presentar los signosDe nuevo sobre los mapas Kohonen
No entiendo el valor práctico en el comercio de los métodos de clasificación sin un maestro. Operamos con cosas bastante específicas: largos y cortos, ruptura y rebote de un nivel...
¿Y aquí? Hay PCA, reformatea los predictores y el nuevo conjunto tiene una serie de características muy interesantes, y aquí...
No entiendo el valor práctico en el comercio de los métodos de clasificación sin un maestro. Operamos con cosas bastante específicas: largos y cortos, ruptura y rebote de un nivel...
¿Y aquí? Hay PCA, por lo que reformula los predictores y el nuevo conjunto tiene una serie de características muy interesantes, pero aquí...
No entiendo el valor práctico en el comercio de los métodos de clasificación sin un maestro. Operamos con cosas bastante específicas: largos y cortos, ruptura y rebote de un nivel...
¿Y aquí? Hay PCA, por lo que reformula los predictores y el nuevo conjunto tiene una serie de características muy interesantes, pero aquí...
Qué es el aprendizaje sin profesor: la selección automática de patrones. Tener patrones - encontramos puntos en el mapa donde "se acumulan ciertas cosas: largos-cortos, ruptura-rebote...", y entonces esperamos señales en línea para activar estos puntos.
Si no hay maestro, el significado de los patrones no está claro.
¿Qué es un profesor?
Un trozo de cociente corresponde a los largos, y este trozo de cociente corresponde a los cortos. Cuando se enseña el modelo, los conjuntos de valores predictores se dividen en dos clases correspondientes al profesor.
¿Y sin profesor? ¿Cuál es el significado de los patrones?
¿Y sin profesor? ¿Cuál es el significado de los patrones?