Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3350
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
Auf derselben Liste.
Die Methodik der konformen Vorhersagen erinnert ebenfalls an Kozul, zumindest was die inverse Wahrscheinlichkeitsgewichtung angeht. Weiter habe ich noch nicht gelesen. Eine Menge Definitionen :)
Und die Definition von potentiellen Ergebnissen wird auf dieselbe Weise verwendet. Aber für den Fall der binären Klassifikation ist es schon klarer. Das heißt, es wird kein Tritment oder eine instrumentelle Variable eingeführt.
Hallo!
Ich probiere verschiedene Wege aus.
Und der NN+GA-Algorithmus zahlt sich aus. Er ist viel stabiler.
Hallo!
Ich versuche verschiedene Wege.
Und der NN+GA-Algorithmus zahlt sich aus. Viel stabiler.
einLeseabend mit Wodka, Wild und Gurke.
das Thema entwickeln und versuchen, in meinem Kopf Ansätze aus verschiedenen MOSH-Disziplinen zu verknüpfen.
eineLektüre für einen Abend mit Wodka, Wildbret und Gurken.
das Thema entwickeln und versuchen, in meinem Kopf Ansätze aus verschiedenen MOSH-Disziplinen zu verbinden.
Guten Appetit und einen leichten Kater)
Es scheint der probabilistischen Vorhersage sehr ähnlich zu sein, obwohl sie schreiben, dass es sich um unterschiedliche Dinge handelt. Soweit ich es bisher verstanden habe, konzentriert sich die konforme Methode mehr auf die Klassifizierung und die probabilistische auf die Regression.
Ich erinnere mich, dass Sie irgendwo den maximalen Gewinn zwischen dts verglichen haben. Welchen Algorithmus haben Sie bei einem bestimmten Diagramm verwendet, um den maximalen Gewinn zu erzielen? Durch Optimierung oder gibt es einen strengen Algorithmus.
Und One-Pass. Irgendwo im Forum.
Genießen Sie Ihr Essen und haben Sie einen leichten Kater)
Es scheint der probabilistischen Vorhersage sehr ähnlich zu sein, obwohl sie schreiben, dass es sich um unterschiedliche Dinge handelt. Soweit ich bisher verstanden habe, ist die konforme Methode eher auf die Klassifizierung und die probabilistische auf die Regression spezialisiert.
Danke :) ja, ähnlich. Sie schreiben, dass es keine Rolle spielt, ob es sich um Klassifikation oder Regression handelt. Wie man Schätzungen für Vorhersagen durch Vergleich im Validierungsnetz erhält, ist klar (im Falle von "Induktiv", d.h. schneller und einfacher). "Transduktiv" ist ebenfalls mehr oder weniger klar, aber sehr langsam, da so viele Modelle trainiert werden müssen, wie es Beispiele in der Stichprobe gibt. Es gibt auch Zwischenvarianten wie CV, die ich tatsächlich selbst durchgeführt habe.
Aus dem Artikel habe ich nicht ganz verstanden, wie die endgültigen Modelle trainiert werden, was wo ersetzt wird. Wieder durch Korrektur der Modellgewichte, seine Kalibrierung (Stichprobengewichtung) oder so, wie bei Kozula. Oder die wahrscheinlichsten Marker werden nach der Auswertung in das Modell eingesetzt. Ich habe nur das zweite Modell für diesen Zweck verwendet, das den Handel mit schlechten Beispielen verhindert.