Обсуждение статьи "Теория вероятностей и математическая статистика с примерами (Часть I): Основы и элементарная теория" - страница 8
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Математик в ~6 поколении, куда нем до него.
На бытовом уровне (как я понял), он пишет про цикличность/кластеризацию волатильности и важность старших тф.
Интересно, что он пытался это посчитать математически, а не только абстрактное описание.
Вот что им (Атаман, Ильинский) мешает делать вводную, на простом языке, чтобы по 10 раз не перечитывать каждую строку.
По поводу первого из них попадались намёки, что он довольно успешно управлял весьма крупными суммами. Так что он явно писал всё это только для собственного удовольствия, которое обычно пропадает, если приходится всё разжёвывать. Да и просто свободного времени могло не хватать.
Ильинский рассказывает про очень передовую, но вполне стандартную финансовую математику, на понимание которой нужно проработать не менее двух курсов матфака. Как это впихнуть в пару лекций? Даже не знаю, я бы, наверное, ограничился демонстрацией работы пакета yuima из R.
По поводу первого из них попадались намёки, что он довольно успешно управлял весьма крупными суммами. Так что он явно писал всё это только для собственного удовольствия, которое обычно пропадает, если приходится всё разжёвывать. Да и просто свободного времени могло не хватать.
Ильинский рассказывает про очень передовую, но вполне стандартную финансовую математику, на понимание которой нужно проработать не менее двух курсов матфака. Как это впихнуть в пару лекций? Даже не знаю, я бы, наверное, ограничился демонстрацией работы пакета yuima из R.
Понравилось как Аббакумов рассказывает
Понравилось как Аббакумов рассказывает
Для базового матстата Питон неплох, но для более-менее продвинутых вещей R лучше.
Ильинский рассказывает про очень передовую, но вполне стандартную финансовую математику, на понимание которой нужно проработать не менее двух курсов матфака. Как это впихнуть в пару лекций? Даже не знаю, я бы, наверное, ограничился демонстрацией работы пакета yuima из R.
У этого пакта есть хорошее GUI.
У этого пакта есть хорошее GUI.
В основном я его и имел в виду. Как написано про него на их заглавной странице: "No coding required", "Suitable for beginners, students"
Интересный отрывок, может это имеет что то общее с темой трейдинга. "Стоимость" скорее всего неправильный перевод, по контексту больше подходит "значение".
У многих случайных функций есть удивительное свойство: вероятность положительности собственных значений матрицы Гессе возрастает при приближении к областям низкой стоимости. В нашей аналогии с подбрасыванием монеты это означает, что вероятность n раз подряд выкинуть орла выше, если мы находимся в критической точке с низкой стоимостью. Это также означает, что локальные минимумы с низкой стоимостью гораздо вероятнее, чем с высокой. Критические точки с высокой стоимостью с куда большей вероятностью являются седловыми точками. А критические точки с очень высокой стоимостью, скорее всего, являются локальными максимумами. Это верно для многих классов случайных функций. А для нейронных сетей? В работе Baldi and Hornik (1989) теоретически доказано, что мелкие автокодировщики без нелинейностей имеют глобальные минимумы и седловые точки, но не имеют локальных минимумов со стоимостью выше, чем в глобальном минимуме.
Интересный отрывок, может это имеет что то общее с темой трейдинга. "Стоимость" скорее всего неправильный перевод, по контексту больше подходит "значение".
У многих случайных функций есть удивительное свойство: вероятность положительности собственных значений матрицы Гессе возрастает при приближении к областям низкой стоимости. В нашей аналогии с подбрасыванием монеты это означает, что вероятность n раз подряд выкинуть орла выше, если мы находимся в критической точке с низкой стоимостью. Это также означает, что локальные минимумы с низкой стоимостью гораздо вероятнее, чем с высокой. Критические точки с высокой стоимостью с куда большей вероятностью являются седловыми точками. А критические точки с очень высокой стоимостью, скорее всего, являются локальными максимумами. Это верно для многих классов случайных функций. А для нейронных сетей? В работе Baldi and Hornik (1989) теоретически доказано, что мелкие автокодировщики без нелинейностей имеют глобальные минимумы и седловые точки, но не имеют локальных минимумов со стоимостью выше, чем в глобальном минимуме.
Здесь что-то о проблемах глубокого обучения.
Стоимость - обычное название для значения оптимизируемой функции.