Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2546
![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Aquí hay un par de citas del artículo:
"Lapeculiaridad de la inteligencia artificial es que la tecnología no es capaz de navegar por situaciones nuevas y no estándar. Si se produce una situación anormal en el mercado, es poco probable que el modelo sugiera la mejor salida. La pandemia es un buen ejemplo de ello. La Organización para la Cooperación y el Desarrollo Económico (OCDE)cita que, según una encuestadel Banco de Inglaterra, alrededor del 35% de los bancos experimentaron un impacto negativo del modelo de IA basado en el aprendizaje automático durante este periodo.
¿Qué tienen que ver los bancos con esto? Necesitan el ML para determinar la solvencia de un cliente en la fase de "hacer y no hacer" del préstamo...
Y el tipo de cambio de una moneda a otra - incluso en una pandemia estará vivo +/- de ida y vuelta... y si las transacciones de exportación-importación se reducen y por lo tanto NFI (si la moneda ya no es particularmente necesaria en el país para pagar a los socios extranjeros) - entonces la especulación será sólo sobre los medicamentos, o los ataques terroristas y las huelgas y la transferencia de reservas (o rumores) de ida y vuelta...
Y con un horizonte de aprendizaje normal, estas situaciones ya han ocurrido en la historia -- todo el DataMining se basa en el hecho de que la historia se repite, sólo que con nuevos parámetros en una nueva ronda de evolución... así que no tomes parámetros absolutos, toma los relativos...
los bancos no pueden controlar por ML las preferencias de los clientes para "tomar o dejar" un préstamo... y mucha gente pide un préstamo sólo una vez en su vida, para un piso...
aunque para ser justos, el DataMining no es sólo MachineLearning... sino también un análisis estadístico cualitativo previo y un MetaLearning en toda regla en redes neuronales para que el modelo se ajuste a las realidades actuales... e incluso en este caso una previsión suficientemente fiable sólo es posible en un momento determinado, pero no para un periodo largo...
los bancos no pueden tener toda la información para cargarla en su modelo... ... y utilizan la IA para fines distintos de la predicción de cotizaciones (no lo hacen)... sólo necesitan prestar y pedir prestado a tipos de interés convenientes...
p.d. las escuelas utilizan el ML para hacer su orientación profesional con más precisión que los bancos para identificar la posibilidad de prestar a un determinado cliente... - y no tienen nada que hacer: prestar en cualquier condición, de lo contrario ellos mismos se quedarán sin trabajo y sin sueldo (no es culpa de AI, sino de la demanda de sus servicios según sus condiciones con su Gestión de las Relaciones con los Clientes)...
pero con el debilitamiento del comercio internacional en tiempos de adversidad (pandemias) es comprensible que tengan escasez de liquidez... pero ha habido momentos de escasez de liquidez en la historia (sólo que el parámetro no era una pandemia) -- no es nuevo -- la única cuestión es Qué modelo, Qué se estima, Cuál es el horizonte de la muestra de entrenamiento y Cómo se guían las conclusiones de su interpretación por las personas vivas de ese banco...
p.p.
La información de la OCDE sobre el Banco de Inglaterra puede ser sólo especulación o relaciones públicas negras en manos de un leñador que colecciona madera... La crisis de 2008 no apareció de la nada y las condiciones previas ya eran visibles hace 2 años... ¡y en 2008 (creo) de hecho - la especulación sobre la caída de LehmanBrothers para hacer QE, tal vez incluso por el mismo dinero ... por cierto los bancos eran "culpa" de la crisis financiera (aunque la relación causa-efecto no ha sido abolida - MBS también no apareció de la nada, sino de la demanda!) - Ahora, aparentemente, están culpando a la IA - al menos no responde... en los comentarios se relaciona a los piratas con las condiciones climáticas -- ¿tal vez alguien sigue navegando por el universo en busca de la validez de tal señal?
¿Alguien ha husmeado con wavelets sin bibliotecas? Las ondículas están definidas en el infinito, ¿qué longitud debo tomar entonces?
Todavía no he estudiado la descomposición en sí, no sé la respuesta.
Pero en el ejemplo se ve claramente en el diagrama de bloques que se especifica la ventana 10.
Probablemente definida en el infinito, no juega ningún papel.
Y tome la longitud que resuelva el problema con la mayor eficacia posible.
Todavía no he estudiado la descomposición en sí, no sé la respuesta.
Pero el ejemplo del diagrama de bloques muestra que la ventana está ajustada a 10.
Probablemente la definición hasta el infinito, no juega ningún papel.
Y tome la longitud que resuelva el problema de la manera más eficiente posible.
En teoría, la longitud de la ventana debería ser diferente.
Se supone que la longitud de la ventana es diferente
Para ser sincero, no entiendo muy bien la pregunta.
¿Tal vez se trata de eso?
Lo ideal es que la longitud de la ventana sea diferente
La mejor solución es consultar un libro de texto.
Wavelets es lo mismo que Fourier. Existe el Fourier clásico, el Fourier de ventana y el Wavelets, en el que en lugar de una ventana rectangular como en el Fourier de ventana, se utiliza un tipo especial de ventana, el wavelets. Para las cotizaciones financieras, Fourier no es adecuado, debido a la naturaleza aleatoria del cociente.
Se dice que las ondículas son buenas para la representación económica de todo el historial de precios disponible (en lugar de una ventana limitada)
Los Shapelets se utilizan más a menudo para las series temporales, pero incluso ese enfoque no es muy popular
La búsqueda de shaplets me recuerda a la agrupación de segmentos de series. Probablemente sea útil para señales como los cardiogramas, pero no estoy tan seguro de su utilidad para los estudios de precios.
Por cierto, ¿has conseguido resolver la aplicación del modelo LGBM? Si se enseña en R, se podría intentar utilizar la biblioteca de San Sanych)