L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2444

 
Renat Fatkhullin:

Les nombres complexes fonctionnent pour nous depuis quelques mois maintenant.

Merci !
 
elibrarius:

Est-il utilisé quelque part dans le MoD ? C'est un ingénieur en électricité ou autre ?

Pour être honnête, jusqu'à présent, je n'ai pas rencontré de tâches qui ne puissent pas être réalisées en MQL pur sans aucun ajout. Mais avec les nombres complexes, oui, il y avait un tel problème.
C'est très agréable de les avoir maintenant.
Pas électro, mais micro et radio ;)
Pour que MQL fonctionne enfin correctement, nous devons décomposer les données historiques en tendances et en intervalles plats. Les nombres complexes sont très utiles dans ce processus.
Personnellement, j'imagine que oui.
 
Renat Akhtyamov:
C'est mon point de vue personnel.

comment peuvent-ils séparer un plat d'une tendance ?

 
mytarmailS:

comment peuvent-ils séparer un plat d'une tendance ?

Si ça marche, je vous le montrerai. Je ne l'ai pas encore essayé.
Les nombres complexes sont très utiles lorsqu'il s'agit d'angle et de direction, c'est-à-dire de vecteurs et de longueurs de vecteurs, qui sont à leur tour ces mêmes segments qui font actuellement défaut dans presque tous les types d'analyse, y compris l'économétrie.
Il s'agit en fait d'un très grand sujet d'étude, un champ non labouré, pour ainsi dire.
 
mytarmailS:

comment peuvent-ils séparer le plat de la tendance ?

pendant un flat la tendance est dans la partie imaginaire et vice versa :-) vous ne pouvez pas les séparer, ils sont ensemble...

une blague bien sûr...mais comme on dit, seulement avec une fraction

 

J'ai décidé d'écrire sur l'existence d'une chose telle que la FDA (Functional Data Analysis). Il s'agit d'une section de matstat et MO où des fonctions plutôt que des nombres sont utilisés comme caractéristiques et/ou sorties. Personnellement, je suis intéressé par la possibilité d'obtenir une fonction de distribution de probabilité comme sortie.

En outre, j'ai souvent remarqué que les gens essayaient d'"inventer" cette chose à partir de rien - généralement dans le contexte de la résolution du problème de la recherche d'une sorte de "modèles" de prix).

Au cas où quelqu'un serait intéressé, il y a une section correspondante dans le CRAN Task View.

 
Aleksey Nikolayev:

J'ai décidé d'écrire sur l'existence d'une chose telle que la FDA (Functional Data Analysis). Il s'agit d'une section de matstat et MO où des fonctions plutôt que des nombres sont utilisés comme caractéristiques et/ou sorties. Personnellement, je suis intéressé par la possibilité d'obtenir une fonction de distribution de probabilité.

De plus, j'ai souvent remarqué que les gens essayaient d'"inventer" cette chose à partir de rien - généralement dans le contexte de la résolution du problème de la recherche d'une sorte de prix "modèle").

Au cas où quelqu'un serait intéressé, il y a une section correspondante dans CRAN Task View.

Ce serait intéressant, si je pouvais l'expliquer. ))))

 
Aleksey Nikolayev:

J'ai décidé d'écrire sur l'existence d'une chose telle que la FDA (Functional Data Analysis). Il s'agit d'une section de matstat et MO où des fonctions plutôt que des nombres sont utilisés comme caractéristiques et/ou sorties. Personnellement, je suis intéressé par la possibilité d'obtenir une fonction de distribution de probabilité comme sortie.

En outre, j'ai souvent remarqué que les gens essayaient d'"inventer" cette chose à partir de rien - généralement dans le contexte de la résolution du problème de la recherche de certains "modèles" dans les prix).

Au cas où quelqu'un serait intéressé, il y a une section correspondante dans CRAN Task View.

Alors, qu'est-ce qui est cool dans cette méthode ? Pouvez-vous l'exprimer en termes plus simples ?
Le résultat sous forme de fonction ou autre peut être obtenu à partir d'un réseau neuronal, par exemple, quel est l'avantage de cette technologie ?
 
Aleksey Nikolayev:

J'ai décidé d'écrire sur l'existence d'une chose telle que la FDA (Functional Data Analysis). Il s'agit d'une section de matstat et MO où des fonctions plutôt que des nombres sont utilisés comme caractéristiques et/ou sorties. Personnellement, je suis intéressé par la possibilité d'obtenir une fonction de distribution de probabilité comme sortie.

En outre, j'ai souvent remarqué que les gens essayaient d'"inventer" cette chose à partir de rien - généralement dans le contexte de la résolution du problème de la recherche d'une sorte de "modèles" de prix).

Si quelqu'un est intéressé, il y a une section correspondante dans CRAN Task View.

covariation ?
 
mytarmailS:
Alors, en quoi cette méthode est-elle cool ? Je peux l'exprimer en termes plus simples ?
La sortie sous forme de fonction ou autre peut être dérivée d'un réseau neuronal, par exemple, quel est l'ejit de cette technologie ?

Un travail plus organique avec des objets aux dimensions potentiellement infinies.