트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3160

 
mytarmailS #:

이 스레드에 있는 사람과만 토론할 수 있으며, 여기에는 그런 사람이 없습니다.


사용 방법을 정상적으로 설명하여 직접 실행하고 테스트 할 수 있도록 제안합니다....

작동한다면 책을 읽고 그 안에 들어가서 더 논의 할 수 있습니다....

하지만 현재이 주제는 다른 주제와 동일한 상태입니다 ...

손가락에 대한개요, 카주알은 어떤 종류의 짐승입니까?

Причинно-следственный анализ в машинном обучении
Причинно-следственный анализ в машинном обучении
  • 2022.04.26
  • habr.com
Что появилось первым: курица или яйцо? Причем несколько раз. И каждый раз ответ был разным. А если серьезно, то для машинного обучения становятся все более актуальными вопросы причинно-следственного анализа (causal inference) - когда главной целью моделирования является не прогноз и его качество, а то, как мы можем принимать решения на основе...
 
СанСаныч Фоменко #:

손가락에 대한리뷰, 카후알이 얼마나 괴물인지.

이 기사는 이 주제에 관한 다른 책으로 연결됩니다. 가장 최근 버전이 여기에 있습니다.

저는 카주알(캐주얼이 아닌! 😁)을 트레이딩에 적용할 때 무엇이 "트리트먼트"를 구성하는지에 대한 질문에 가장 관심이 있습니다.

 
패러다임의 전환입니다. 글을 쓰지만 이해가 안 될 때. 분류기가 연관 모델이라고 나와 있습니다. 아니요, 우리는 미친 듯이 기능을 찾고 아무 일도 없었던 척하고 있습니다.

'연상'이라는 단어만 들어도 전차 안에 있는 게 아니라면 이기는 사람은 기절할 겁니다. 이것은 그들이 말했듯이 오두막의 붕괴입니다 :) 그리고 이미 트리트먼트가 있든 없든 :).

그리고 더 나아가 읽으면서 점점 더 많은 실망과 패배를 기다리고 있을 것입니다. 비교적 간단한 데이터 세트에서도 마찬가지입니다. 그렇기 때문에이 책은 용감하고 겁쟁이 😀를위한 것입니다.
 
Aleksey Nikolayev #:

이 글은 이 주제에 관한 다른 책으로 연결되며, 가장 최신 버전이 여기에 있습니다.

저는 트레이딩에 인과적(우연이 아닌!😁)으로 적용할 때 무엇이 "트리트먼트"를 구성하는지에 대한 질문에 가장 관심이 있습니다.

괄호 안의 트리텐트를 빼고(또는 괄호 뒤에서 가져와서) 나머지 매트스탯만 사용하면 됩니다.)
 
СанСаныч Фоменко #:

손가락에 대한리뷰, 카후알이 얼마나 괴물인지.

이 모든 것을 읽으면서 이해했듯이 인과 추론은 신약이 질병에 영향을 미치는지 여부가 처음에는 명확하지 않은 증거 기반 의학의 틀에서 매우 관련이 있습니다. 의학에서인과 추론은 그 증거의 기초입니다 .

경제학에서는 생산 및 판매 체인을 기반으로 잘 결정된 프로세스라는 점에서 이러한 '의학'적 의미의 인과적 추론은 그다지 적절하지 않습니다.

환율에는 며칠, 몇 주 이내에는 이유를 알 수 없는 불확실성이 존재하지만 장기간이 지나면 그 이유가 분명해집니다. 그러나 우리는 미래를 예측해야 하지만 환율에 영향을 미치는 상품의 소유자가 미래에 환율에 영향을 미치는 이유는 신중하게 숨겨져 있으며 사후에야 알 수 있습니다.


마지막으로 한 가지 더. 통계적 관점에서 볼 때 인과관계 추론에는 새로운 것이 없습니다. CRAN의 의견은 다음과 같습니다.

표준 인과 추론 설계를 직접 구현하는 기본 R 함수는 없지만, 다소 복잡한 많은 방법이 CRAN의 여러 패키지에 구현되어 있으며, 이를 주요 주제로 구성합니다:

맥심은 R을 소홀히 하고 도구에 대한 지식이 극히 제한적인 사람으로서 일종의 발견으로 카쥬얼 파동을 일으킵니다. 90년대 감각을 가진 영리한 러시아 사람들이 알려진 도구를 한데 모아 경제학에서 적용 가능성이 모호한 '인과적 추론'이라는 간판을 내걸었을 뿐 새로운 것은 아닙니다.


CRAN Task View: Causal Inference
CRAN Task View: Causal Inference
  • cran.r-project.org
Overview
 

산치는 논쟁과 증명을 시도할 때 패킷을 2배의 속도로 처리하기 시작합니다... 마치 그를 진정시키기 위해 묵주 구슬을 세는 것과 같습니다.

목록에서 한 패키지에 대해 물어보면 해당 패키지에 대한 깊은 이해의 증거로 해당 패키지를 언급하는 패키지 링크를 제공합니다.

 
Maxim Dmitrievsky #:
괄호에서 트리트먼트를 꺼내거나 괄호 뒤에 넣을 수 있으며 나머지 매트 스탯 만 사용할 수 있습니다.

흥미로운 것은 트리텐트로 간주 될 수있는 것의 이론적-준 철학적 측면입니다) 그것은 실천의 의미에서 모든 것이 간단합니다 - 작동하는 것이 좋습니다.)

실체가 약 / 위약을 투여받은 환자이거나 태블릿을 투여 받거나 투여받지 않은 남학생 인 경우 모든 것이 명확하고 간단합니다.

우리의 경우 (단순화를 위해) 바당 가격 증분을 기본 실체로 간주하면 작은 플레이어 인 우리는 영향을 미치는 트리 트먼트가 없습니다. 자본의 증가를 실체로 삼는다면, 우리는 이미 상품에서 포지션의 크기와 방향을 트리텐트로 삼을 수 있습니다. 그러나 여기서 멈추지 않고 실제로 포지션을 계산하는 TS를 설명하는 매개변수를 트리텐트로 취할 수는 없습니다. 이 접근 방식은 트리먼트 개념에 대한 무한한 복잡성과 유연성의 문을 열어주며, 이는 재교육으로 이어질 수 있지만 아마도 좋은 결과를 가져올 수도 있습니다).

 
Aleksey Nikolayev #:

삼위일체로 간주될 수 있는 것의 준철학적 측면이 흥미롭습니다. 실제로는 모든 것이 간단합니다. 효과가 있는 것이 좋은 것입니다).

실체가 약을 투여받는 환자/위약을 투여받는 환자 또는 태블릿을 투여받거나 투여받지 않는 학생이라면 모든 것이 명확하고 간단합니다.

우리의 경우 (단순화를 위해) 바당 가격 증분을 기본 실체로 삼는다면, 작은 플레이어인 우리는 그것에 영향을 미치는 트리트먼트가 없습니다. 자본의 증가를 실체로 삼는다면, 우리는 이미 상품에서 포지션의 크기와 방향을 트리텐트로 삼을 수 있습니다. 그러나 여기서 멈추지 않고 실제로 포지션을 계산하는 TS를 설명하는 매개변수를 트리텐트로 취할 수는 없습니다. 이 접근 방식은 트리먼트 개념에 대한 무한한 복잡성과 유연성의 문을 열어주며, 이는 재교육으로 이어질 수 있지만 아마도 좋은 결과를 가져올 수도 있습니다).

제 생각은 대략 이렇습니다. 트리트먼트는 좋은 결과로 이어져야 하는 도구적 변수입니다. 코줄라에서 공변량과 트리트먼트를 구분하는 이유는 공변량에는 영향을 줄 수 없지만 트리트먼트에는 영향을 줄 수 있기 때문입니다.

또한 공변량은 예측에서 특징과는 다른 의미를 가집니다. 공변량은 각 관측값을 구별하는 특징입니다. 따라서 kozul의 ML 모델은 다른 모델에 의해 쿼리되고 통계가 계산되는 데이터베이스와 비슷합니다. 또는 두 개의 모델이 구축되고 그 교집합을 찾습니다. 데이터베이스로 작업하는 것과 비슷합니다.

그런 다음 트리트먼트를 쿼리로 표현할 수 있으며, 그 결과는 통계를 계산하는 데 사용됩니다.
 
Aleksey Nikolayev #:

원래는 치료 검증의 2단계 방법(트리트먼트)에 관한 것입니다. 직접적인 의학적인 의미에서 이 주제와 밀접한 관련이 있는 것으로 기억합니다.

IMHO, Maxim은 어떻게 든 매우 광범위하고 창의적으로 트리트먼트의 개념을 우리 업무에 적용합니다.

의학은 과학이 아니다)))) 따라서 지속 가능한 치료 패턴은 원인이있는 것으로 간주되고 지속 불가능한 패턴은 관찰자의 연관성 외에는 원인이없는 것으로 간주되는 적절한 의료 연구 관행이 있습니다)))). 그리고 무작위 실험의 방법은 오류를 줄이지 만 결코 완전히 제거하지는 않습니다))))))

너무 비슷한 의미로 이해합니다))))))

 
Valeriy Yastremskiy #:

의학은 과학이 아니다)))) 그렇기 때문에 꾸준한 치료 패턴은 원인이있는 것으로 간주하고 꾸준한 패턴은 원인이없는 것이 아니라 관찰자의 연관성으로 간주하는 적절한 의학 연구 관행이 있습니다.)))) 그리고 무작위 실험 방법은 오류를 줄이지 만 결코 완전히 제거하지는 않습니다)))))

너무 비슷한 의미로 이해합니다))))))

치료가 더 많은 영향을 미치는 그룹을 식별 할 수 있습니다. 그리고 다른 사람들을 치료하지 않습니다.
사유: