Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2554
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Es geht nicht darum, ein Problem zu lösen
Ich meine das Gleiche, sie stellen Aufgaben und versuchen dann heldenhaft, sie nicht zu lösen ))). Ich verstehe, dass je schwieriger die Aufgabe, desto mehr Ausreden für ein negatives Ergebnis, Schreie, Sympathie und Ermahnungen für noch schwierigere Projekte ))).
Das ist es, was ich meine: Sie setzen sich Ziele und versuchen dann heldenhaft, sie nicht zu lösen )))). Ich verstehe, dass je schwieriger die Aufgabe, desto mehr Ausreden für ein negatives Ergebnis, Ausrufe, Sympathie und Ermahnungen für noch schwierigere Projekte ))).
Ich erinnere mich...
Ich habe eine etwas andere Idee...
Wenn Sie qualitativ vorhersagen können, die Verteilung der künftigen Notierungen für sagen wir 50 Kerzen voraus, dann von dieser Verteilung können Sie montecarlo ein paar tausend Zeilen und trainieren das Modell, so dass das Modell angemessen auf die neuen 50 Kerzen in der Theorie arbeiten wird...
Aber wenn die Klasse falsch vorhergesagt wird, dann wird montekarlo nicht helfen
Sie können mit der Fenstergröße spielen und die Qualität der Verallgemeinerung bei verschiedenen Fenstern prüfen. Es besteht die Möglichkeit, in einige Zyklen einzusteigen
Aber wenn die Klasse falsch vorhergesagt wird, dann hilft montecarlo nicht
Sie können mit der Fenstergröße spielen und die Qualität der Verallgemeinerung bei verschiedenen Fenstern betrachten. Es besteht die Möglichkeit, in einige Zyklen einzusteigen.
Was meinen Sie mit "manchmal"?
Entweder gibt es eine Art von Pipelining, das sich bewährt hat, oder es handelt sich nur um müßige Spekulation.
Das Rauschen zu einer eigenen Klasse zu machen, verbessert das Modell theoretisch nicht (das Rauschen bleibt im Modell und geht nirgendwo hin).
über die Drift - das sind die Grundlagen, es ist ein Kompromiss zwischen Verzerrung und VarianzManchmal bedeutet dies, dass je nach Modell, den verwendeten Prädiktoren und den Transformationen. Und es gibt ein Pipelining, das sich bewährt hat.
Theoretisch mag dies das Modell nicht verbessern, aber praktisch verbessert es das Ergebnis (das Rauschen bleibt im Modell und verschwindet nicht)Was bedeutet das?
Um die Drift - das ist das Wesentliche, den Kompromiss zwischen Verzerrung und Varianz - geht es überhaupt nicht. Wenn Sie es nicht verstehen, schreiben Sie nicht. Lesen Sie es, studieren Sie es.
Sei bescheiden, sei bescheiden...
Manchmal hängt dies vom Modell, den verwendeten Prädiktoren und den Transformationen ab. Und es gibt eine Pipeline, die sich bewährt hat.
Theoretisch mag dies das Modell nicht verbessern, aber praktisch verbessert es das Ergebnis (das Rauschen bleibt im Modell und geht nirgendwo hin) .
Um die Drift - das ist das Wesentliche, den Kompromiss zwischen Verzerrung und Varianz - geht es überhaupt nicht. Wenn Sie es nicht verstehen, schreiben Sie nicht. Lesen Sie es, studieren Sie es.
Demütig, demütig...
Es ist einfacher, das Auftreten von Lärm vorherzusagen, als die Klassennummer für den Kauf oder Verkauf zu bestimmen.
das ist genau das, was ich meine.
Vladimir scheint zu versuchen, die Nicht-Stationarität zu bekämpfen, indem er Beispiele auswirft, die (vermutlich) zu einer nicht interagierenden Verteilung gehören.
Der Ausgleich zwischen Verzerrung und Varianz wird angestrebt, indem eine konstante Verteilung angenommen wird (gemeinsame Verteilung von Prädiktoren und Output)
Vladimir scheint zu versuchen, die Nicht-Stationarität zu bekämpfen, indem er Beispiele auswirft, die (vermutlich) zu einer nicht interagierenden Verteilung gehören.
Der Ausgleich zwischen Verzerrung und Varianz wird angestrebt, indem eine konstante Verteilung angenommen wird (gemeinsame Verteilung von Prädiktoren und Output)
Beim Entfernen von Ausreißern geht es nicht darum, die Nicht-Stationarität zu bekämpfen...
Die Beseitigung von Emissionen ist kein Kampf gegen die Unbeständigkeit...
Das hängt von der Art ihrer Herkunft ab.
Vladimir scheint zu versuchen, die Nicht-Stationarität zu bekämpfen, indem er Beispiele auswirft, die (vermutlich) zu einer nicht relevanten Verteilung gehören.
Der Ausgleich zwischen Verzerrung und Varianz wird angestrebt, indem eine konstante Verteilung angenommen wird (gemeinsame Verteilung von Prädiktoren und Outputs)
Wenn man davon ausgeht, dass das Modell auch in Zukunft funktionieren soll, werden Fehler aller Art (einschließlich Rauschen) immer vorhanden sein, und das Problem besteht darin, ein Gleichgewicht zu finden. Wir sprechen also im Wesentlichen über dieselbe Sache.
Eigentlich habe ich dieses Problem auf eine andere Art und Weise gelöst, deshalb schreibe ich Leitfragen