L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2730
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Ici, vous parlez apparemment d'échantillons multivariés (chaque élément est une ligne d'un tableau, un vecteur), alors que les critères d'homogénéité dans vos trois liens concernent des échantillons numériques. Les critères d'homogénéité multivariés dans matstat sont un morceau à part et ne sont pas tout à fait clairs pour moi.
Chaque prédicteur pris séparément est un échantillon numérique, alors pourquoi ne pas les évaluer séparément et faire la moyenne des résultats ? S'il existe une dynamique de détérioration dans la plupart des prédicteurs, l'échantillon est redondant.
Cela ressemble à la tâche de recherche de nombreux points de changement pour la détection. Une fois de plus, il s'avère que nous devons travailler avec un cas multivarié (vectoriel), ce qui complique beaucoup les choses.
D'une manière générale, je n'aime pas la dépendance à l'égard des attributs choisis pour l'étude. Si nous prenons des ensembles différents d'attributs, les résultats peuvent différer.
Peut-être devrions-nous trouver les variantes qui donneront les meilleurs résultats en termes d'identification de l'appartenance des segments à un groupe particulier et d'efficacité de la formation sur une population groupée.
Vous ne pouvez mélanger qu'au sein d'un échantillon, si vous mélangez deux échantillons, vous niez que le marché est en train de changer.
Ne voyez-vous pas à nouveau la logique ?
Comment prouver que le marché change ? Combien de temps dure ce processus ? Ou bien change-t-il constamment ?
Comment prouver l'évolutivité du marché ? Combien de temps dure ce processus ? Ou bien est-il en constante évolution ?
Ça y est, le délicieux argumentateur est en marche.
Et quelle taille d'échantillon faut-il prendre pour déterminer la stationnarité/non-stationnarité ?
Selon vous, une tendance ne vit pas plus longtemps que la durée de vie de la variation de l'échantillon, mais que se passe-t-il si j'ai une tendance dans mon échantillon qui se répète pendant 8 ans ? S'agit-il d'une anomalie, ou bien les modèles ne changent pas tous, ou encore les modèles identifiés dans une petite zone sont erronés et dus à d'autres facteurs ?
Chaque prédicteur pris individuellement est un échantillon numérique, alors pourquoi ne pas les estimer individuellement et faire la moyenne des résultats ?
Cela ne fonctionne que dans le cas de caractéristiques indépendantes, et comme elles sont comptées au même prix, ce n'est pas possible. Dans le cas d'une dépendance, tout est beaucoup plus compliqué - nous pouvons prendre l'exemple des copules, dont les distributions univariées sont toujours uniformes, mais dont les distributions bivariées peuvent être très différentes.
Peut-être devrions-nous trouver les variantes qui donneront les meilleurs résultats en termes d'identification de l'appartenance des segments à un groupe particulier et d'efficacité de l'entraînement sur une population groupée.
Nous devrons ajouter (à la quantité déjà considérable d'énumération) l'énumération par types de caractéristiques et, probablement, par paramètres de caractéristiques.
Néanmoins, il me semble qu'il y a un grain de rationalité dans votre approche, il y a là matière à réflexion.
N'ai-je pas écrit que l'idée est de comparer des échantillons (formation et application), que si votre théorie est correcte, l'échantillon cessera d'être similaire à mesure qu'il augmente, et que pour comprendre cela, nous avons besoin de critères pour évaluer ce changement, qui sont dérivés des méthodes d'évaluation de la similarité ?
Et quelle taille d'échantillon faut-il prendre pour déterminer la stationnarité/non-stationnarité ?
Selon vous, une tendance ne vit pas plus longtemps que la durée de vie d'un changement d'échantillon, mais que se passe-t-il si j'ai une tendance dans mon échantillon qui se répète pendant 8 ans ? S'agit-il d'une anomalie, ou bien les modèles ne changent-ils pas tous, ou encore les modèles identifiés dans une petite zone sont-ils erronés et dus à d'autres facteurs ?
Modèles différents mais similaires, différents et non similaires, en quoi diffèrent-ils ? Le point de bifurcation ne conduira pas nécessairement à un changement de modèle, il est possible de marquer visuellement les mêmes zones manuellement, mais il n'y a pas de partie prédictive à la fin, le but est de trouver la longueur minimale de l'échantillon, qui confirme l'état ou la conformité du modèle.
Complexité du modèle, il y a bien sûr une contradiction : un modèle simple ne décrira pas une section suffisamment longue et nécessaire, mais sera répété ; un modèle complexe peut décrire une section suffisamment longue et nécessaire, mais peut être unique. Comme toujours, il faut trouver un juste milieu))))))
Complexité du modèle, ici aussi il y a bien sûr une contradiction, un modèle simple ne décrira pas une section suffisamment longue et nécessaire, mais sera répété, un modèle complexe peut décrire une section suffisamment longue et nécessaire, mais peut être unique. Comme toujours, une solution intermédiaire est nécessaire))))))