L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3096
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
Bella linea di equilibrio)
Tale linea può essere utilizzata nel trading.
E 'più di un anno un simile, finora non abbiamo perso.
Leggi (già dato un link prima), sarà almeno qualcuno con cui chattare. Il manuale è mega cool, l'ho letto. Soprattutto la sezione 22. Spiegazione dell'approccio di Chernozhukov.
Non usa nessun "pacchetto", tutto è scritto da soli. Quindi non abbiate paura di python.
Perché Sanych sta dicendo delle stronzate irragionevoli.
La storia è iniziata con il mio ultimo articolo"Meta modello...", in cui ho deciso di utilizzare gli errori del modello per correggerlo. Poi l'ho riscritto in vari altri modi. Poi ho scoperto che l'inferenza kozul è più o meno la stessa cosa e che non ci sono ancora altri modi adeguati per migliorare i modelli.
Ne ho uno simile da oltre un anno, non ancora unito.
Leggete (ho già dato un link prima), ci sarà almeno qualcuno con cui chiacchierare. Il manuale è molto bello, l'ho letto. Soprattutto la sezione 22. Spiegazione dell'approccio di Chernozhukov.
Sanych ha detto delle stronzate irragionevoli.Il video non mi ha impressionato. Non è del tutto chiaro come l'influenza della pubblicità sui clienti (trattamento), che modifica il loro comportamento e, ad esempio, il reddito del negozio, sia correlata al commercio. Non è che possiamo in qualche modo influenzare i partecipanti al trading sul mercato (a meno che non abbiate un miliardo da scuotere in valute e da lì valutare l'impatto del vostro trattamento).
Con il nostro denaro possiamo solo influenzare il nostro saldo. Non c'è alcun impatto sulla parte dei visitatori (che verrà confrontata in seguito) - possiamo solo non fare trading, cioè non cambiare l'equilibrio.
Questi sono i miei primi pensieri dopo aver visto il video. Per questo motivo non ero interessato.
Ma il vostro equilibrio è interessante. È possibile che non applichiate l'intero metodo senza modifiche, ma che prendiate elementi separati.
Quindi, continuerò a leggerlo (forse potrò farlo in una settimana, tra un momento di lavoro e l'altro).
La storia è iniziata con il mio ultimo articolo"Model Meta...", in cui ho deciso di utilizzare gli errori del modello per aggiustare il modello. Poi l'ho riscritto in vari altri modi. Poi ho scoperto che l'inferenza kozul è più o meno la stessa cosa e che non ci sono altri modi adeguati per migliorare i modelli.
Gli errori del modello vengono corretti da qualsiasi bousting, su ogni nuovo albero dopo il primo.
Forse si tratta di migliorare la correzione degli errori e non l'inferenza di kozul?
Il video non mi ha colpito. Non è del tutto chiaro come l'influenza della pubblicità sui clienti (trattamento), che cambia il loro comportamento e, per esempio, il reddito del negozio --- si colleghi al trading. Non è che possiamo in qualche modo influenzare i partecipanti al trading sul mercato (a meno che non abbiate un miliardo per scuotere le valute e da lì valutare l'impatto del vostro trattamento).
Con i nostri soldi possiamo solo influenzare il nostro equilibrio. Non c'è alcun impatto sulla porzione di visitatori (che verrà confrontata in seguito) - possiamo solo non fare trading, cioè non cambiare il bilancio.
Questi sono i miei primi pensieri dopo aver visto il video. Per questo motivo non ero interessato.
Ma il vostro bilancio è interessante. È possibile che non applichiate l'intero metodo senza modifiche, ma che prendiate elementi separati.
Quindi, lo leggerò comunque (forse posso farlo in una settimana, tra un momento di lavoro e l'altro).
Lo stesso concetto di tritolo è utilizzato in econometria per l'inferenza causale. Un effetto è definito come una qualsiasi variabile isolata. È possibile prendere un qualsiasi attributo e dichiararlo un tritolo e vedere come influisce sulle previsioni. Una variabile sarà un effetto, le altre saranno parametri di disturbo. Queste definizioni non sono difficili da memorizzare, credo.
Gli errori del modello sono corretti da qualsiasi booleana, su ogni nuovo albero dopo il primo.
Forse si tratta di affinare la correzione degli errori, piuttosto che l'inferenza cosool?
Il booosting è un overfitting per il rumore. E qui l'obiettivo opposto è che non ci sia overfit. Se non c'è overfit, c'è causa ed effetto, in termini semplici.
Il bousting è un overfitting per il rumore. E qui il problema inverso è che non ci dovrebbe essere overfitting. Se non c'è overfitting, c'è causa ed effetto, in termini semplici.
Il compito è buono. Leggerò e se c'è qualcosa di interessante e non chiaro, chiederò.
L'argomento non è semplice, non si tratta dei soliti concetti di MO. C'è un incrocio tra statistica e MO. Io stesso non ho ancora imparato tutto.
Non è detto che non si riesca a fare qualcosa fin dall'inizio.
Ne ho uno simile da oltre un anno, non ancora unito.
Leggete (ho già dato un link in precedenza), ci sarà almeno qualcuno con cui chiacchierare. Il manuale è molto bello, l'ho letto. Soprattutto la sezione 22. Spiegazione dell'approccio di Chernozhukov.
Non usa nessun "pacchetto", tutto è scritto da soli. Quindi non fatevi intimidire da python.
Perché Sanych sta dicendo sciocchezze irragionevoli.
La storia è iniziata con il mio ultimo articolo"Meta modello...", in cui ho deciso di usare gli errori del modello per correggerlo. Poi l'ho riscritto in vari altri modi. Poi ho scoperto che l'inferenza kozul è più o meno la stessa cosa e che non ci sono ancora altri modi adeguati per migliorare i modelli.
Alcune offese infantili impediscono di capire il senso di ciò che ho detto, che (senso) è banale: tutto ciò che viene presentato nell'articolo come una scoperta che ho fatto personalmente 5-6 anni fa, non ero lo scopritore in quel momento, prima di me è stato masticato e masticato. Davvero non sapevo che fosse "cajual" e non ho introdotto nuova terminologia su cose banali.
Lasciamo perdere.
Puoi mostrare qui a livello di codice il significato di"inferenza kozool" con predittori, target, modello, stima e altre "novità" o altro? Questa sarà una prova della novità della direzione "inferenza di Kozool",e l'articolo non è una prova di questo tipo, anche se mi sono piaciuti i suoi risultati - io stesso ho perso un sacco di tempo per ottenere risultati simili con un lavoro assolutamente stupido.
Qualche offesa infantile mi impedisce di capire il senso di quello che ho detto, che (il senso) è banale: tutto quello che viene presentato nell'articolo come una scoperta l'ho fatto personalmente 5-6 anni fa, non ero io lo scopritore in quel momento, era stato masticato e masticato prima di me. Non sapevo proprio che si trattasse di "cajual" e non ho introdotto nuova terminologia su cose banali.
Lasciate perdere.
Puoi mostrare qui a livello di codice il significato di"inferenza kozool" con predittori, target, modello, stima e altre "novità" o altro? Questa sarà una prova della novità della direzione "inferenza di Kozool",e l'articolo non è una prova di questo tipo, anche se mi sono piaciuti i suoi risultati - io stesso ho perso un sacco di tempo per ottenere risultati simili con un lavoro assolutamente stupido.
Tu l'hai definita una branca della statistica (non io) - kozul inferens. O lo accetti, o continuerai a tormentare te stesso e gli altri con domande senza senso.
Hai aperto qualcosa che non capisci? :) e ora chiedete spiegazioni. Non tengo corsi di formazione. Il tuo commento all'articolo era sconclusionato, non c'è altro da discutere qui finora. Non ho fornito abbastanza fonti per l'autoapprendimento? Dovrei raccontare decine di pagine magari in due parole, o meglio ancora tirarti una borsa? Non so come tu sia abituato.
Tu l'hai definita una branca della statistica (non io) - kozul inferens. O lo accetti, o continuerai a tormentare te stesso e gli altri con domande senza senso.
Grazie, ho capito, l'esempio specifico non sarà "prendere in bianco".