L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2546
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Voici quelques citations de l'article :
"La particularité de l'intelligence artificielle est que la technologie n'est pas capable de naviguer dans des situations nouvelles et non standardisées. Si une situation anormale se produit sur le marché, il est peu probable que le modèle suggère la meilleure façon de s'en sortir. La pandémie en est un excellent exemple. L'Organisation de coopération et de développement économiques (OCDE)cite que, selon une enquête de laBanque d'Angleterre, environ 35 % des banques ont subi un impact négatif du modèle d'IA basé sur l'apprentissage automatique au cours de cette période.
Les banques ont besoin de ML pour déterminer la solvabilité d'un client au moment de l'octroi d'un prêt...
Et le taux de change d'une monnaie par rapport à une autre - même en cas de pandémie, il sera vivant +/- dans les deux sens... et si les transactions d'exportation-importation sont réduites et donc l'IFN (si la monnaie n'est plus particulièrement nécessaire dans le pays pour rembourser les partenaires étrangers) - alors la spéculation ne portera que sur les médicaments, ou les attaques terroristes et les grèves et le transfert de réserves (ou les rumeurs) dans les deux sens....
Et avec un horizon d'apprentissage normal, de telles situations se sont déjà produites dans l'histoire - tout le DataMining est basé sur le fait que l'histoire se répète, mais avec de nouveaux paramètres lors d'un nouveau cycle d'évolution... donc ne prenez pas de paramètres absolus, prenez des paramètres relatifs...
les banques ne peuvent pas surveiller par ML les préférences des clients pour "prendre ou laisser" un prêt... et beaucoup de gens ne prennent un prêt qu'une seule fois dans leur vie, pour un appartement...
bien que pour être juste - le DataMining n'est pas seulement du MachineLearning... mais aussi l'analyse statistique qualitative en amont et le MetaLearning à part entière dans les réseaux neuronaux pour que le modèle s'adapte aux réalités actuelles... et même dans ce cas, une prévision suffisamment fiable n'est possible qu'à un certain moment, mais pas pour une longue période...
les banques ne peuvent pas avoir toutes les informations pour les charger dans leur modèle... ... et ils utilisent l'IA à d'autres fins que la prédiction des cours (ils ne font pas cela)... ils n'ont qu'à prêter et emprunter à des taux d'intérêt convenables...
p.s. les écoles utilisent ML pour faire leur orientation professionnelle plus précisément que les banques pour identifier la possibilité de prêter à un client particulier.... - et ils n'ont rien à faire - prêter à n'importe quelles conditions, sinon ils se retrouveront eux-mêmes au chômage et sans salaire (ce n'est pas la faute de l'IA, mais de la demande de leurs services selon leurs conditions avec leur gestion des relations avec les clients)...
mais avec l'affaiblissement du commerce international en période d'adversité (pandémies), il est compréhensible qu'ils aient des pénuries de liquidités... mais il y a eu des moments de pénurie de liquidités dans l'histoire (seulement le paramètre n'était pas une pandémie) -- ce n'est pas nouveau -- la seule question est Quel modèle, Qu'est-ce qui est estimé, Quel est l'horizon de l'échantillon d'entraînement et Comment les conclusions de son interprétation sont guidées par les personnes vivantes de cette banque...
p.p.s.
Les informations de l'OCDE sur la Banque d'Angleterre ne sont peut-être que des spéculations ou des relations publiques noires dans les mains d'un bûcheron qui collectionne les bois... La crise de 2008 n'a pas surgi de nulle part et les conditions préalables étaient déjà visibles il y a deux ans... et en 2008 (je pense) en fait - spéculation sur la chute de LehmanBrothers pour faire du QE, peut-être même pour le même argent... d'ailleurs les banques étaient "à blâmer" pour la crise financière (bien que la relation de cause à effet n'ait pas été abolie - les MBS aussi ne sont pas apparus de nulle part, mais de la demande !...). - Maintenant, apparemment, ils blâment l'IA - au moins, elle ne répond pas... voici combien de pirates ont été liés aux conditions climatiques dans les commentaires - peut-être quelqu'un navigue-t-il encore dans l'univers à la recherche de la validité d'un tel signal ?
Quelqu'un a-t-il assemblé des ondelettes sans bibliothèques ? Les ondelettes sont définies à l'infini, quelle longueur devons-nous prendre alors ?
Je n'ai pas encore étudié la décomposition elle-même, je ne connais pas la réponse.
Mais dans l'exemple, il ressort clairement du schéma fonctionnel que la fenêtre 10 est spécifiée.
Probablement définie à l'infini, elle ne joue aucun rôle.
Et prenez la longueur qui résout le problème le plus efficacement possible.
Je n'ai pas encore étudié la décomposition elle-même, je ne connais pas la réponse.
Mais l'exemple du schéma fonctionnel montre que la fenêtre est fixée à 10.
La définition à l'infini, probablement, ne joue aucun rôle.
Et prenez la longueur qui résout le problème le plus efficacement possible.
En théorie, la longueur de la fenêtre devrait être différente.
La longueur de la fenêtre est censée être différente
Pour être honnête, je ne comprends pas bien la question.
Peut-être que c'est de ça qu'il s'agit ?
Idéalement, la longueur de la fenêtre devrait être différente
La meilleure solution est de se référer à un manuel scolaire.
Les ondelettes sont les mêmes que celles de Fourier. Il y a le Fourier classique, le Fourier à fenêtre et les ondelettes, où au lieu d'une fenêtre rectangulaire comme dans le Fourier à fenêtre, on utilise un type spécial de fenêtre - les ondelettes. Pour les cotations financières, Fourier ne convient pas, en raison de la nature aléatoire du quotient.
Les ondelettes sont réputées bonnes pour une représentation économique de l'ensemble de l'historique des prix disponibles (au lieu d'une fenêtre limitée).
Les Shapelets sont plus souvent utilisés pour les séries temporelles, mais même cette approche n'est pas très populaire.
La recherche de shaplets me rappelle le regroupement de segments de séries. Probablement utiles pour des signaux comme les cardiogrammes, mais pas si sûrs de leur utilité pour les études de prix.
Au fait, avez-vous réussi à mettre au point l'application du modèle LGBM ? Si vous êtes formé en R, vous pouvez essayer d'utiliser la bibliothèque de San Sanych)