Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3160
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
Sie können nur mit jemandem diskutieren, der auch in diesem Thread ist, solche Leute gibt es hier nicht
Ich schlage vor, dass Sie mir erklären, wie man es normalerweise benutzt, damit ich es selbst ausprobieren kann....
Wenn es funktioniert, dann macht es Sinn, das Buch zu lesen und sich damit zu beschäftigen, dann können wir weiter diskutieren....
Aber im Moment hat dieses Thema den gleichen Status wie die anderen...
EinÜberblick über Finger, was für ein Biest ist cajual.
EinRückblick auf die Finger, was für ein Biest das cajual ist.
Der Artikel verlinkt auf ein anderes Buch zum Thema - hier ist die aktuellste Version davon.
Mich interessiert vor allem die Frage, was ein "tritment" bei der Anwendung des cajusal (nicht casual! 😁) auf den Handel sein könnte.
Der Artikel verweist auf ein anderes Buch zu diesem Thema - hier ist die neueste Version davon.
Mich interessiert vor allem die Frage, was ein "Tritent" in einer kausalen (nicht zufälligen!😁) Anwendung auf den Handel sein könnte.
EinRückblick auf die Finger, was für ein Biest das cajual ist.
Wie ich nach der Lektüre all dessen verstanden habe, ist der Kausalschluss im Rahmen der evidenzbasierten Medizin äußerst relevant, wo zunächst nicht klar ist, ob ein neues Medikament die Krankheit beeinflusst oder nicht. In der Medizinist der Kausalschluss die Grundlage für ihre Evidenz .
In der Ökonomie ist der Kausalschluss in diesem "medizinischen" Sinne nicht so relevant, weil die Ökonomie ein wohlbestimmter Prozess ist, der auf Produktions- und Absatzketten basiert.
Beim Wechselkurs besteht innerhalb von Tagen und Wochen eine ziemliche Ungewissheit mit unbekannten Gründen, aber über längere Zeiträume werden die Gründe offensichtlich. Wir müssen die Zukunft vorhersagen, aber die Gründe, die den Wechselkurs in der Zukunft beeinflussen, werden von den Eigentümern der Instrumente, die den Wechselkurs beeinflussen, sorgfältig verborgen und wir können sie nur im Nachhinein herausfinden.
Ein letzter Punkt. Aus statistischer Sicht gibt es nichts Neues in der Kausalanalyse. Hier ist die Meinung von CRAN
Es gibt keine grundlegenden R-Funktionen, die Standarddesigns für kausale Inferenzen direkt implementieren, aber viele - mehr oder weniger komplexe - Methoden sind in verschiedenen Paketen auf CRAN implementiert, die wir in Hauptthemen strukturieren:
Maxim, als jemand, der R vernachlässigt und daher nur sehr begrenzte Kenntnisse über Tools hat, fährt eine kausale Welle als eine Art Entdeckung. Das ist nichts Neues, nur haben clevere russische Jungs mit dem Flair der 90er Jahre bekannte Tools zu einem Haufen zusammengefasst und ein Schild "Causal Inference" mit zweifelhafter Anwendbarkeit in den Wirtschaftswissenschaften aufgestellt.
Wenn Sanych versucht zu argumentieren und zu beweisen, fängt er an, Pakete mit X2-Geschwindigkeit durchzugehen... Es ist, als würde man Rosenkranzperlen zählen, um ihn zu beruhigen.
Fragen Sie ihn nach einem Paket aus der Liste, er wird Ihnen Links zu Paketen geben, die sich auf dieses Paket beziehen, als Beweis für sein tiefes Verständnis des Themas.
Man kann das Tritent aus den Klammern herausnehmen (oder es hinter die Klammern setzen) und einfach den restlichen Matstat verwenden :)
Was interessant ist, ist der theoretisch-quasi-philosophische Aspekt dessen, was als Tritent betrachtet werden kann) Es ist im Sinne der Praxis alles einfach - was funktioniert, ist gut)
Wenn es sich bei der Entität um einen Patienten handelt, dem ein Medikament/Placebo verabreicht wird, oder um einen Schüler, dem eine Tablette gegeben/nicht gegeben wird, ist alles klar und einfach.
Wenn wir in unserem Fall (der Einfachheit halber) den Preisanstieg pro Barren als Basiseinheit nehmen, dann haben wir, die kleinen Akteure, keinen Einfluss darauf. Wenn wir den Aktienkurs als Einheit betrachten, dann können wir bereits die Größe und die Richtung der Position auf dem Instrument als Tritent betrachten. Aber wir können es nicht dabei belassen und alle Parameter, die den TS beschreiben, der die Position tatsächlich berechnet, als Tritent betrachten. Dieser Ansatz öffnet das Tor zu unendlicher Komplexität und Flexibilität für das Konzept eines Tritents, was zu Umschulung führen kann, aber wahrscheinlich auch zu etwas Gutem).
Der quasi-philosophische Aspekt dessen, was als Tritent angesehen werden kann, ist interessant. In Bezug auf die Praxis ist alles einfach - was funktioniert, ist gut.)
Wenn es sich bei einer Entität um einen Patienten handelt, dem ein Medikament/Placebo verabreicht wird, oder um einen Schüler, dem eine Tablette verabreicht oder nicht verabreicht wird, ist alles klar und einfach.
Wenn wir in unserem Fall (der Einfachheit halber) den Preisanstieg pro Barren als Basiseinheit nehmen, dann haben wir, die kleinen Akteure, keinen Einfluss auf diese Einheit. Wenn wir den Aktienkurs als Einheit betrachten, dann können wir bereits die Größe und die Richtung der Position auf dem Instrument als Tritent betrachten. Aber wir können es nicht dabei belassen und alle Parameter, die den TS beschreiben, der die Position tatsächlich berechnet, als Tritent betrachten. Dieser Ansatz öffnet das Tor zu unendlicher Komplexität und Flexibilität für das Konzept eines Tritents, was zu Umschulung führen kann, aber wahrscheinlich auch zu etwas Gutem).
So ungefähr stelle ich mir das vor. Ein Tritment ist eine instrumentelle Variable, die zu etwas Gutem führen soll. Bei Kozula gibt es eine Trennung in Kovariaten und Tritment nur deshalb, weil wir Kovariaten nicht beeinflussen können, aber wir können Tritment beeinflussen.
Außerdem haben Kovariaten eine andere Bedeutung als Merkmale in der Prognose. Sie sind die charakteristischen Merkmale einer jeden Beobachtung. Das ML-Modell in Kozul ist also eher wie eine Datenbank, die von einem anderen Modell abgefragt wird, und die Statistiken werden gezählt. Oder es werden 2 Modelle erstellt und deren Überschneidungen werden gesucht. Das ist mehr wie die Arbeit mit Datenbanken.
Dann kann man ein Tritment als eine Abfrage darstellen, deren Ergebnisse zur Berechnung von Statistiken verwendet werden.Ursprünglich geht es um die Zwei-Faktoren-Methode der Behandlungsüberprüfung (Tritment). Sie sind, wie ich mich erinnere, diesem Thema im direkten medizinischen Sinne sehr nahe.
IMHO überträgt Maxim das Konzept des Tritment irgendwie sehr breit und kreativ auf unsere Aufgaben.
Die Medizin ist keine Wissenschaft)))) So gibt es richtige medizinische Forschungspraktiken, die nachhaltige Behandlungsmuster als ursächlich ansehen, und nicht-nachhaltige haben keine Ursache, sondern Assoziationen bei Beobachtern)))) Und die Methode des Zufallsexperiments verringert den Fehler, beseitigt ihn aber keineswegs vollständig))))))
So nahe an der Bedeutung verstehe ich))))))
Die Medizin ist keine Wissenschaft)))) Deshalb wird in der medizinischen Forschung davon ausgegangen, dass gleichbleibende Behandlungsmuster eine Ursache haben, und nicht gleichbleibende Muster ohne Ursache, sondern Assoziationen bei den Beobachtern.))) Und die Methode des Zufallsexperiments reduziert den Fehler, beseitigt ihn aber keineswegs vollständig)))))
So nahe an der Bedeutung verstehe ich))))))