L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3106
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
que la plupart d'entre nous pourraient très bien être remplacés intellectuellement par l'IA)
Oui....
Mais nous avons encore quelques années, ou quelques mois, devant nous.))
Pour l'instant, il y a deux problèmes pour lancer une IA forte
1. Des architectures trop voraces
2. Matériel trop faible
Il s'agit essentiellement des deux faces d'une même pièce...
Mais des travaux sont en cours pour résoudre à la fois le premier et le second problème...
Ils ne sont pas pressés de changer l'architecture (les réseaux neuronaux sont notre tout), mais ilsdevront le faire, mais avec du matériel rapide (ordinateurs quantiques), tout est beaucoup plus actif.
Il est dit ici que le test t fonctionne parfois bien sur des données anormales également
Oui....
Mais il nous reste encore quelques années, ou quelques mois, à vivre))
Jusqu'à présent, il y a deux problèmes pour lancer une IA forte
1. Des architectures trop voraces
2. Matériel trop faible
Il s'agit en fait des deux faces d'une même pièce....
Mais des travaux sont en cours pour résoudre à la fois le premier et le second problème....
Ils ne sont pas pressés de changer l'architecture (les réseaux neuronaux sont tout ce que nous avons), mais ilsdevront le faire, mais ils sont beaucoup plus actifs avec du matériel rapide (ordinateurs quantiques).
L'IA représente une menace, mais à une vague distance et seulement lorsque nous aurons répondu à la question : qu'est-ce que l'intelligence naturelle ? À ce jour, il n'existe aucune approche de l'intelligence naturelle.
C'était il y a longtemps, mais cela n'a rien à voir avec la stationnarité. Moins d'un indique la stabilité du modèle, il indique que : correctement (1) différencié, (2) modélisé la variance (beaucoup de modèles), (3) modélisé la moyenne (ARIMA-AFRIMA), (4) modélisé la distribution. En bref, ils essaient de modéliser la non stationnarité.
Puis-je voir le code d'application réel de ces garches ? ou est-ce juste une paraphrase de brochures sans une goutte de pratique ?
Peut-on voir le code réel pour l'application de ces garças ou s'agit-il simplement d'une paraphrase de brochures sans une goutte de pratique.
Essayé il y a quelques années (2017-2918) mais abandonné - trop compliqué. Évaluer rugarch:ugarchspec. Pour ajouter à cela, les paramètres sont interconnectés, tout est lié à l'optimisation, un pas de côté et vous obtenez des heures d'ajustement de modèle. Je n'ai pas été impressionné par les résultats, mais c'est ma faute, pas celle de la courbure du modèle.
1) Il y a quelques années (2017-2918), nous avons essayé, mais nous avons abandonné - c'était trop compliqué.
2) Pas impressionné par les résultats, mais c'est de ma faute, pas à cause de la courbure du modèle.
Alors pourquoi faites-vous de la publicité pour ces bêtises ici régulièrement ????
Je ne veux rien essayer, j'ai déjà essayé pendant de nombreuses années....
Je peux dire sans essayer ce qui peut fonctionner et ce qui ne peut pas fonctionner....
Si l'algorithme considère le marché comme une série temporelle, alors adieu tout de suite, peu importe qu'il s'agisse d'un stochastique ou d'un Garch loué.
Pour moi, le résultat est déjà prédéterminé
C'est la deuxième ou troisième fois que je viens sur ce fil pour y jeter un coup d'œil. Rien n'a changé, seules des milliers de pages ont été ajoutées. Que ce soit la première ou la dernière fois. c'est la même chose.
Qu'est ce qui est censé changer, le machine learning ne fonctionne que sur du statique.
Prédire l'avenir, c'est n'importe quoi.