트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3396

 
ONNX는 시장의 근로자가 아닌 모델을 이전하기 위해 설계되었습니다 (이것은 좋은 보너스입니다). 또한 대회에 참가하고 싶다면 말이 아닌 행동으로 자신의 재능을 보여주기 위해 대회를 발표했습니다. 따라서 많은 사람들이 그것을 사용할 필요가 있으며 그렇지 않으면 누가 경쟁 할 것입니다.

대회가 끝나면 일반적으로 캐글과 같은 유용한 실제 정보가 많이 있습니다. 무엇을, 어디서, 왜, 무엇이 효과가 있고 무엇이 효과가 없는지.
 

안녕하세요 여러분!

샘플 시계열에서 새로운 합성 시계열을 생성하는 방법이 있나요?

도와주세요, 경험하신 분)

 
alcoloid #:

안녕하세요 여러분!

샘플 시계열에서 새로운 합성 시계열을 생성할 수 있는 방법이 있나요?

경험하신 분이 있으면 도와주세요)

어떤 특성이 일치해야 하나요?
 
alcoloid #:

안녕하세요 여러분!

샘플 시계열에서 새로운 합성 시계열을 생성할 수 있는 방법이 있나요?

도와주세요.)

자손이 있으면 합성은 일반 사본입니다.

먼저 이벤트의 의미에 대해 생각하고 요점에 도달해야합니다.

그리고 여전히 원본 시리즈를 복사하는 기능을 얻을 수 있습니다.

여기에는 새 자전거가 없습니다, 100%.
 

맛있는 것 같네요 - 구글이 코줄을 캘리브레이션에 연결했습니다.

https://github.com/google/empirical_calibration?tab=readme-ov-file

GitHub - google/empirical_calibration
GitHub - google/empirical_calibration
  • google
  • github.com
Contribute to google/empirical_calibration development by creating an account on GitHub.
 

정말 놀랍습니다.




 
Maxim Dmitrievsky #:
h ttps:// www.cambridge.org/core/elements/causal-factor-investing/9AFE270D7099B787B8FD4F4CBADE0C6E?utm_source=hootsuite&utm_medium=twitter&utm_campaign=Elements_Economics_October_IOC

일반적으로 이론적 인 걸림돌이 있지만 많은 것을 명확히하고 주문하는 나쁜 텍스트는 아닙니다.

임호, 실용적인 관점에서 볼 때 실제 연관 링크와 겉보기 링크 (안정된 것과 불안정한 것)를 분리하는 작업이 우리에게 더 관련이 있습니다.

 
Aleksey Nikolayev #:

이론적으로 몇 가지 문제가 있지만 전반적으로 나쁘지 않은 텍스트이며 많은 것을 명확히 하고 정리합니다.

임호, 실용적인 관점에서 볼 때 실제 연관 링크와 명백한 링크 (불안정한 것에서 불안정한 것)를 분리하는 작업이 우리에게 더 관련이 있습니다.

그는 전혀 관리자가 아니라 학생들을 가르치는 것 같습니다 :) 뜨거운 MO 주제를 가져와 거래의 최신 개발로 제시합니다.
 
Maxim Dmitrievsky #:
점점 더 매니저가 아니라 학생들을 가르치는 것 같네요 :) 그는 핫한 MO 주제를 가져 와서 거래의 최신 성과로 제시합니다.
펀드가 그의 특허 중 일부를 합법적으로 사용할 수 있도록 (아주 짧은 시간 동안) 멋진 펀드의 매니저였다는 주장이 어딘가에있었습니다 (일종의 인수 방법). 그러한 인수의 구체적인 이점 (멋진 알고리즘 또는 PR)에 대한 질문은 거기에서 논의되지 않았습니다.
사유: