L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 723
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
La formazione degli insegnanti non è in linea di principio adatta a trattare processi non stazionari, è scritto su questo in tutti i libri.
C'è una giustificazione da qualche parte per non applicare le reti profonde alle serie finanziarie)?
C'è una giustificazione da qualche parte per non applicare le reti profonde alle file finanziarie)?
C'è almeno una prova sotto forma di questo thread, in cui le persone più intelligenti del forum hanno rotto
Dove sta scritto che la formazione con un maestro richiede la stazionarietà?
Quello che lei chiama kamalaniya è stato provato molte volte, montagne di pubblicazioni, ma non c'è niente di niente nella formazione senza un maestro per il mestiere.
Gesù, ovunque, nell'Haykin preferito di qualcuno, per esempio.
nei miei esempi in cui ho mostrato l'incapacità di NS di estrapolare.
Quello che chiamo kamlanie è sempre una perdita di informazioni sulle trasformazioni, con cui allora è impossibile ricostruire la BP non stazionaria, poiché è molto sensibile alle condizioni iniziali e alle piccole fluttuazioni
Ma non sto convincendo nessuno, questa è la mia opinione.
E riguardo alla mancanza di un insegnante non posso dire nulla al momento, terra incognita
Nei miei esempi in cui ho mostrato l'incapacità di NS di estrapolare
I vostri esempi sono la prova della vostra capacità o incapacità personale, e solo al momento attuale. I vostri esempi non hanno nulla a che fare con la capacità di NS in generale, poiché la prova non è basata su esempi, e la prova disponibile è TESTATA da esempi.
Quello che chiamo kamlaning è sempre una perdita di informazioni sulle trasformazioni, per cui è impossibile ricostruire la VR instabile, poiché è molto sensibile alle condizioni iniziali e alle piccole fluttuazioni
Lei non conosce il problema perché è esattamente il contrario. Inoltre, l'idea di lavorare con serie non stazionarie è la DIVISIONE delle serie, non la trasformazione.
Nei miei esempi in cui ho mostrato l'incapacità di NS di estrapolare
I tuoi esempi sono la prova della tua capacità o incapacità personale, e solo al momento attuale. I vostri esempi non hanno nulla a che fare con la capacità di NS in generale, poiché la prova non è basata su esempi, e la prova disponibile è PROVATA da esempi.
Quello che chiamo kamlaning è sempre una perdita di informazioni sulle trasformazioni, per cui è impossibile ricostruire la VR instabile, poiché è molto sensibile alle condizioni iniziali e alle piccole fluttuazioni
Lei non conosce il problema, perché non è il contrario. Inoltre, l'idea di lavorare con serie non stazionarie è la DIVISIONE della serie, non la trasformazione.
Smettila di fare il furbo e mostrami il segnale.
è impossibile recuperare un pezzo di BP INSUFFICIENTE da un modello costruito, poiché il processo non è stazionario
cioè in sostanza il NS dovrebbe essere in grado di prevedere qualsiasi programma di camminata casuale imparando dagli altriSmettila di fare il furbo e mostra il segnale
È impossibile ricostruire la BP reale dal modello costruito, poiché il processo non è stazionario.
Leggi GARCH.
Il modello è restituito dalla serie temporale, non il contrario. Anche se esiste una modalità inversa, chiamata "simulazione", quando si genera una BP da un modello con parametri dati, che viene poi utilizzata per testare il modello reale. Ma questo è un test che permette di verificare il comportamento del modello su diversi tipi di tendenze, diverse varianti di comportamento della varianza e le loro distribuzioni. È un'idea diversa di test dei modelli che non è affatto discussa qui.
Lo dico subito.
Signori! L'argomento si è esaurito da tempo.
Sapete perché? Nessuno di voi sta cercando di lavorare con l'intensità del flusso delle citazioni. Lì si trova solo la famigerata non stazionarietà, che è quasi impossibile da trasformare in un flusso stazionario di Poisson, ma deve essere presa in considerazione nei calcoli.
I vostri input sono pieni di spazzatura. Che cosa vuoi?
Lavorate con velocità incrementali, come vi ha lasciato in eredità il grande Feynman, davanti al quale tutti voi siete come la luna. Questo è tutto!Lei sta usando SOLO NS, e SOLO una delle varianti, e sta facendo generalizzazioni a tutto il machine learning qui.
Oltre a NS, ci sono centinaia di modelli di apprendimento automatico, sotto la shell caret ce ne sono oltre 200. A parte la preparazione iniziale dei dati, a parte la valutazione del modello - avete un'idea molto limitata di tutto, perché vi siete limitati a uno strumento di qualche fattoria.
PS.
L'apprendimento senza insegnante non può in linea di principio essere applicato nel trading, perché c'è sempre un insegnante. Può essere velato come NS con rinforzi, ma ci deve essere un PRINCIPIO.
Leggi GARCH.
Il modello è GENERATO dalla serie temporale, non il contrario. Anche se esiste un modo inverso, chiamato "simulazione", in cui si genera una BP da un modello con parametri dati, che viene poi utilizzata per testare il modello reale. Ma questo è il tipo di test che permette di verificare il comportamento del modello su diversi tipi di tendenze, diverse variazioni del comportamento della varianza e le loro distribuzioni. Questa è un'idea molto diversa di test del modello, che non è affatto discussa qui.
dovremmo accordarci reciprocamente per dare consigli a qualcuno solo quando si fornisce, in anticipo, una relazione, ok?
altrimenti è solo un'opinione, una delle centinaia di altre.
Faccio qualcosa e poi scrivo i miei risultati e la mia opinione, e non impongo niente a nessuno
dovremmo accordarci reciprocamente per dare consigli a qualcuno solo se diamo, prima, un rapporto, OK?
Altrimenti è solo un'opinione, una delle centinaia.
Sopra ho presentato la singola opinione di migliaia e migliaia di persone, che posso supportare non solo con pubblicazioni nel campo del trading di coppie di valute, ma anche con pacchetti software già pronti.
Se ti riferisci specificamente a GARCH, il toolbox di Matlab chiamato"Econometrics" è GARCH.