L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2567
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
Je ne suis pas intéressé par le cotier lui-même. Je m'intéresse à la capacité du prédicteur à prédire l'enseignant. Pour moi, la plus grande erreur de la grande majorité des commerçants est d'essayer de résoudre les problèmes du kotir lui-même. Et nous avons besoin de la prédiction de l'enseignant. C'est un problème complètement différent.
Si les prédicteurs et les réponses sont clairement formalisés, il n'y a probablement pas besoin d'un modèle de prix. S'ils sont recherchés et construits, un modèle de prix est utile.
Si les prédicteurs et les réponses sont clairement formalisés, il n'y a probablement pas besoin d'un modèle de prix. S'ils sont recherchés et construits, un modèle de prix est alors utile.
Le modèle de marché futur est toujours formé à partir du passé. Le passé forme le modèle futur en fonction du passé et de l'état actuel de l'économie et de la politique mondiales.
L'état actuel de l'économie est le premier facteur d'orientation de la composante monétaire. L'influence des propos des PREMIERS personnages importants ne fait aucun doute quant à l'impact sur les taux de change.
C'est très beau dans le testeur quand les données sont prêtes.
P.s. Quel est le but de tout cet article ?
L'un des indicateurs les plus importants de l'impact sur le marché des devises est la nouvelle dont nous n'avons pas encore entendu parler. Les données historiques + les nouvelles actuelles formeront un nouveau modèle, mais il sera différent de celui supposé dans le MO.
C'est-à-dire que l'impasse sera toujours ailleurs.
https://youtu.be/KxDZZjM6ltI
Eh bien, s'il va dans l'Antiquité, il aurait dû commencer par Aristote et son concept d'essence.
Eh bien, s'il veut remonter le temps, il aurait dû commencer par Aristote et son concept d'essence.
Avez-vous regardé la chose en entier ?
Presque. Par définition, il entend ce que l'on appelle communément la "définition nominale". Il existe également une "définition réelle" ou essence selon Aristote.
Presque. Une définition est ce qu'il appelle la "définition nominale". Il y a aussi la "définition réelle" ou définition de l'essence selon Aristote.
Est-ce vraiment la chose la plus importante que vous ayez retenue de toute la conférence ?
Qu'est-ce qui, dans le raisonnement, pourrait être plus important que leur point de départ) ?
Les concepts de contexte et de sémantique sont connus depuis longtemps, tout comme leur complexité et leur caractère multicouche.
En ce qui concerne les algorithmes MO, il semble qu'il s'agisse simplement d'une complication supplémentaire dans l'architecture des réseaux qui sont déjà suffisamment complexes pour permettre le recyclage).
Les interprétations de la mythologie ne sont pas inintéressantes, mais il n'y a rien d'original non plus.
En ce qui concerne les algorithmes MO, il semble que tout se résume à une complication supplémentaire de l'architecture du réseau.
En fait, si l'on considère le problème de manière fondamentale, la réponse devient beaucoup plus simple.
Si vous avez des données d'entrée qui ont un rapport avec la cible, n'importe quelle machine NS fera l'affaire. Et plus les données d'entrée décrivent précisément la cible, meilleur sera le résultat de l'apprentissage du réseau, plus longue sera la période de son fonctionnement avec une qualité inchangée, etc.
En d'autres termes, l'essence du travail dans le domaine de l'intelligence artificielle ne réside pas dans la recherche sans fin d'architectures NS, de méthodes de formation et d'autres astuces, mais dans la SÉLECTION d'une IA qui fonctionne bien et dans la recherche sans fin de données d'entrée pour obtenir des résultats encore meilleurs en matière de formation et de travail du modèle dans son ensemble.
C'est ce qui est à l'œuvre dans l'apprentissage automatique. Choisir un système d'intelligence artificielle (pas seulement une NS, mais une AI) et travailler avec le système choisi pour trouver les meilleures entrées pour la fonction cible spécifiée. Parfois certaines données fonctionnent, parfois d'autres sont construites sur des transformations diamétrales, mais la moitié d'une année la différence fonctionne, la moitié d'une année la moyenne fonctionne et vous devez être capable de vous adapter à cela hélas.
Sinon : S'il n'y a pas de relation informative entre les données d'entrée et de sortie dans le système, alors aucun système d'IA ne peut construire une loi descriptive entre l'entrée et la sortie et donc tous les modèles proposés auront un fonctionnement aléatoire ou non, puisqu'il n'existe pas de VRAIE loi entre l'entrée et la sortie en principe !