交易中的机器学习：理论、模型、实践和算法交易 - 页 3366

新评论
 
这就像有一个命令，要求我们无情地愚蠢。
 
mytarmailS #:

好书

因子投资的机器学习

关于机器学习的好书越来越多。这本书就是其中之一。

我粗略地找出了与我关系密切的内容

1.时间序列的非平稳性不容忽视。任何公式、算法都必须回答非平稳数据的适用性问题。

2. 必须关注预测因子（预测能力）对目标的影响。格言引导我与他对因果关系的理解私通，而这本书将一切都归于正轨：这本书完全按照我对 "预测 "能力及其稳定性的理解和反复撰写来理解。

 
这本书非常入门级，对于那些对它感兴趣的人来说，Kozul 和保形学习是超级银河系的东西。

不清楚为什么要在一些交易或投资中附加 MO 入门。非常薄弱的作品，连普拉多的水平都达不到:)
 

对于那些大脑中拥有两个以上神经元的人来说...

一边是一个论坛评论家，即使在 DS 办公室当杜松子也没人会雇他，因为他会被立即拒绝......

另一面是他批评的那本书，以及参考文献列表。

 
这当然是通过了 10 次 Juna 考试的人说的。
这里没人能通过，他们会在第一个问题上失败，比如什么是余弦距离，因为他们去了计算机俱乐部而不是学校 ☃️。

几年前，我为了好玩通过了斯伯尔考试，但我并不需要它。当然，我也不是为了担任高级职位，因为要担任高级职位，你就必须对已经实现的语言模型有很酷的了解。而且那里有很多头发蓬松的家伙，他们会像撕疙瘩一样把你撕成碎片：)
 
fxsaber #:

也许你已经意识到这是什么意思了。举个例子


假设有一个从边界向内交易的通道 TS。在这里，我设置了需要优化的参数，即通道大小（宽度）的系数。

经典的方法很好。你可以对其进行优化，看看它对你有什么影响。

根据提出的概念，你不能这样做，因为这个参数并不取决于初始数据（报价历史）。在提议的术语中，它是一个 "恒定 "的优化参数。

即使该参数会影响某个多项式，它也是一个 "常量 "参数，因为它与 VDC 无关。


这个想法很有意思。谢谢。

是的，通过优化至少可以找到更便宜的重要参数，而这些参数至少会对优化后的参数产生线性影响。经典的方法是随机或全面搜索其他参数和公式。但这是一种诅咒。

你当然无法摆脱常数，即使有复杂的反馈，常数也是计算的起点。(在我目前的理解中，反馈是当前数据对过去数据的影响，在此基础上计算未来数据）。

无论如何，这都是在寻找新的预测因子和计算公式，可能比优化后的预测因子和计算公式更有意义。

 
Valeriy Yastremskiy #:

是的，通过优化，至少可以找到更便宜、更有意义的参数。

问题的关键不在于此，而在于这些参数从被找到的那一刻起就死了，因为它们在过去 "起过作用"......


但如果不是参数（常数），而是适应性，那么就可以说是一个没有参数的系统。同时，它比有参数的系统更好。

 
Valeriy Yastremskiy #:

显然，我的水平还远远不够--我又什么都不懂了。你不必为我写作。

 
mytarmailS #:

这不是重点，重点是这些参数从被发现的那一刻起就已经死了，因为它们在过去一直有效。

但如果正确的公式不是参数（constatna），而是适应性，你就可以说这是一个没有参数的系统。同时，它比有参数的系统更好。

有一种交易策略只有一个参数，我们可以用公式 F(x)来有条件地表达它，其中 F 是一种策略，x 是一个静态参数。

如果我们用动态参数 x 代替静态参数 x，就意味着用函数 Y 代替 x，这看起来就像 F(Y())。

那么，如何在不使用优化的情况下找到函数 Y()，从而使这个函数不会像静态 x 一样 "死 "呢？

 
fxsaber #:

显然，我的水平还远远不够--我又什么都不懂了。你不必为我写作。

不，只想着任务，心无旁骛))))))。而搜索over_over_parameters绝对不是今天的事情.)))))

1...335933603361336233633364336533663367336833693370337133723373...3399
新评论
原因: