Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2496
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
Wann wird die praktische Anwendung beginnen?
wenn Sie Ihren Arsch hochkriegen und anfangen, sich zu bewerben... anstatt diesen Thread (zum x-ten Mal) mit Signalen zum Handeln zu terrorisieren... - mein Beruf ist nicht dein Beruf!... deine Praxis ist nicht mein Kopfschmerz... - Sie können sich bewerben, wie Sie wollen und wie Sie es für richtig halten...
wenn du deinen Arsch aus dem Stuhl hebst und anfängst, dich zu bewerben... und nicht den ganzen Thread terrorisierst (zum x-ten Mal), indem du mich nach Handelssignalen belästigst... - mein Beruf ist nicht dein Beruf!... deine Praxis ist nicht mein Kopfschmerz... - Sie können sich bewerben, wie Sie wollen und wie Sie es für richtig halten...
... spricht für die Tatsache, dass ...
sagt, dass alle Ihre früheren Trollereien und Unhöflichkeiten sich als Reaktionen und Folgen des Nichtreagierens auf Sie herausstellen - Sie bringen nichts Konstruktives zurück... und niemand schuldet es Ihnen, Markteintritte zu generieren (einfach weil Sie nichts anderes können, als die Aufdringlichen und Unzulänglichen zu nehmen)
sagt, dass alle Ihre früheren Trollereien und Grobheiten sich als Reaktionen und Folgen des Nichtreagierens auf Sie herausstellen - Sie bringen im Gegenzug nichts Konstruktives auf den Tisch... Und niemand ist verpflichtet, für Sie Markteintritte zu generieren (einfach weil Sie nichts anderes kennen als Drängeln, Betteln und Unzulänglichkeit)
Beispiele sind möglich?
und du kannst meine Zeit nicht für dich beanspruchen... Sie sind 0 auf dem Ast (siehe vorherige ~3000 pp)
und es gibt keine Möglichkeit, dass du meine Zeit für dich selbst bekommst... Sie sind 0 auf dem Ast
Wann wird die praktische Anwendung beginnen?
übrigens tensorflow.keras (wie Evgeny Dyuka es hat) - dann
SKLearn scheint interessanter zu sein - Interpretation der Ergebnisse des maschinellen Lernens (vielleicht ist die Bibliothek nicht sehr gut, aber die Auswertungslogik ist gegeben)
p.s.
Sie haben nicht beigefügt...
zur Logik ... dass NS verwendet wird, wenn es notwendig ist, das Fehlen einer Formel zu umgehen, die die Abhängigkeit eines Merkmals von einem Faktor beschreibt... Gewichtung verwendet wird... aber vor und nach NS die standardmäßige/klassische statistische Verarbeitung... wenn ich zum Beispiel nur PDF=F'(X)=dF(x)/dx habe (obwohl wir die CDF nicht brauchen, da alle Schlussfolgerungen aus der Populationsanalyse mit der PDF gemacht werden) und flüchtige Daten habe - muss ich zunächst die Verteilungen auf Gleichförmigkeit bringen, um ihre gemeinsame Analyse zu ermöglichen - und hier ist die Gewichtung hilfreich (ich strebe hier keine Mathematik an)... aber die Analyse selbst hat nichts mit NS zu tun, ebenso wenig wie ihre Schlussfolgerungen daraus (ns)... eine solche Schätzung mag zwar grob sein, aber auch die klassische Statik ist unvollkommen (z. B. führt die Verwendung von Logarithmen der Inkremente bereits von sich aus eine Tendenz in die Schlussfolgerungen ein - ein rein mathematischer Fehler)... in der Tat hat jedes Modell seine Annahmen...
Marktteilnehmer warten NICHT auf Vorhersagen, sondern bewerten Risiko und Volatilität und treffen ihre Handels- (und Absicherungs-) Entscheidungen auf dieser Grundlage... es ist gerade, dass es 2 variable Faktoren in dieser Analyse gibt - Volatilität und Zeitfenster - und NS hilft, die Proben in Einheitlichkeit zu bringen (aber Sie können auch GARCH verwenden), damit sie zusammen in einem einzelnen statistischen Modell analysiert werden können und hilft, den Horizont zu bestimmen... In jenen Momenten, in denen es keine mathematische Formel gibt, die nicht benötigt wird (alles ändert sich in dieser Welt)... sondern durch Gewichtung, Gewichtung und nochmals Gewichtung (zwecks Komprimierung zu einer Regression) - um eine gemeinsame Analyse innerhalb eines statistischen Modells durchzuführen, und zwar möglichst ohne Rauschen oder zumindest mit dessen Minimierung...
Die Bayes'sche Inferenzlogik für Gauß ist es wert, im Auge behalten zu werden ...
Die Hauptsache ist wohl, eine solche NS-Architektur zu bauen, dass die Dispersion nicht zunimmt, wenn neuronale Schichten auf dem Weg zum Ausgang passieren... imho (warum man sie akkumulieren sollte, wenn sie doch vorhanden ist, ist eine rhetorische Frage)... und dann die klassische Logik der Statistik... und selbst in der tiefsten Geschichte gibt es nicht genügend Stichproben, um robuste Momente qualitativ zu analysieren (alles passiert im Leben)... Ich schätze, in Mihail Marchukajtes Klassifikationsmodell können auch Ausreißer vorkommen... (Wir müssen uns überlegen, wie der Sequenzer mit ihnen umgehen soll.)
Bis jetzt ist meine imho ... Ich werde mir auch den Import von scipy.stats als stats ansehen
p.s.
danke für den Link
Ihre nächste Aussage verwirrt mich ein wenig: " NS trägt dazu bei, die Proben zu vereinheitlichen". Wie war das?
Und weiter: "Die Hauptsache ist, eine solche Architektur des NS zu bauen , dass die Varianz nicht zunimmt, wenn Neuronenschichten auf dem Weg zum Ausgang passieren ". Ich habe eine Frage, was meinen Sie damit, mehr Details und konkreter. Ich nehme einfach an, dass es einen gesunden Menschenverstand gibt, den ich nicht ganz verstehe. Übrigens, wenn Sie die Ausbreitung von Ideen vermeiden wollen, lassen Sie es uns auf ein persönliches Konto bringen, ich würde mich auch freuen, Ihre Ansichten zu teilen und zu hören. Ich habe einige Überlegungen zu der Tatsache angestellt, dass es nicht der NS ist, der uns kein zuverlässiges Ergebnis liefert und wir den Wald vor lauter Bäumen nicht sehen. Irgendwelche Ideen (und Experimente mit entsprechendem Code), wie dies umgangen werden kann.
. Oder erklären Sie mir, wenn ich etwas übersehen habe. Ich musste es vereinfachen, denn ich habe etwa 15 Minuten gebraucht, um Ihrer Nachricht auf den Grund zu gehen) ))
Jason Brownlee (Autor von Deep Learning With Python und Statistical Methods for Machine Learning) -
- Die 3 Fehler von Anfängern:
1. die Praktiker kennen die Statistiken nicht
2. Praktiker studieren die falschen Statistiken
3. Praktiker studieren Statistiken auf die falsche Weise
jedes der Attribute wichtig ist, unabhängig davon, welchen Platz sie in der Rangliste einnehmen, zumal es nicht so viele davon gibt und ich sie ohne SKLearn nach ihrer Wichtigkeit ordnen kann.
Verschiedene Attribute werden unter verschiedenen Bedingungen wichtig... aber wenn Sie sicher sind, dass Sie sie richtig in der Dynamik einordnen können, sind Sie KI (ich weiß nicht, welche Genauigkeit und was ist der Fehler)...
was einzugeben ist - entscheiden Sie selbst, testen Sie selbst, vergessen Sie nicht, Ihre Hypothesen zu überprüfen (Student's t-test ist in der Statistikklasse des Moduls scipy) ... Im Allgemeinen ist Neuronki ein praktisches Werkzeug, um die Schwierigkeiten bei der Arbeit mit großen Stichproben in der Statistik zu überwinden, aber es ersetzt nicht die statistische Logik, sondern implementiert sie... einschließlich des Verständnisses, dass die Stichprobe repräsentativ sein sollte und nicht von der Obergrenze (einschließlich Anzahl! und Qualität [Heterogenität] der Stichproben)... etwas wie dies