L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3096
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
Beautiful balance line)
Une telle ligne peut être utilisée en trading.
Cela fait plus d'un an qu'une telle ligne est utilisée, et jusqu'à présent nous n'avons pas perdu.
Lisez-le (j'ai déjà donné un lien auparavant), il y aura au moins quelqu'un avec qui discuter. Le manuel est super cool, je l'ai lu. En particulier la section 22, qui explique l'approche de Tchernozhukov.
Il n'utilise aucun "package", tout est écrit par vous-même. Alors n'ayez pas peur de Python.
Parce que Sanych raconte des conneries déraisonnables.
L'histoire a commencé avec mon dernier article"Meta model...", dans lequel j'ai décidé d'utiliser les erreurs de modèle pour les corriger. Puis je l'ai réécrit de différentes manières. Puis j'ai découvert que l'inférence kozul est à peu près la même chose et qu'il n'y a pas encore d'autres moyens adéquats d'améliorer les modèles.
J'en ai un similaire depuis plus d'un an, mais je ne l'ai pas encore fusionné.
J'ailu (j'ai déjà donné un lien auparavant), il y aura au moins quelqu'un avec qui discuter. Le manuel est super cool, je l'ai lu. Surtout la section 22, qui explique l'approche de Tchernozhukov.
Sanych a raconté des conneries déraisonnables.La vidéo ne m'a pas impressionné. Le lien entre l'influence de la publicité sur les clients (traitement), qui modifie leur comportement et, par exemple, le revenu du magasin, et le commerce n'est pas très clair. Ce n'est pas comme si nous pouvions, d'une manière ou d'une autre, influencer les participants aux échanges sur le marché (à moins que vous ne disposiez d'un milliard pour secouer les devises et évaluer l'impact de votre traitement à partir de là).
Avec notre argent, nous ne pouvons qu'influencer notre solde. Aucun impact sur les visiteurs (qui seront comparés plus tard) - nous pouvons seulement ne pas faire d'échanges, c'est-à-dire ne pas modifier notre solde.
Telles sont les premières pensées que j'ai eues après avoir regardé la vidéo. C'est pour cette raison que je n'étais pas intéressé.
Mais votre équilibre est intéressant. Il est possible que vous n'appliquiez pas l'ensemble de la méthode sans changement, mais que vous preniez des éléments séparés.
Je vais donc le lire (peut-être que je pourrai le faire en une semaine, entre deux séances de travail).
L'histoire a commencé avec mon dernier article"Model Meta...", où j'ai décidé d'utiliser les erreurs de modèle pour ajuster le modèle. Puis je l'ai réécrit de diverses autres manières. Puis j'ai découvert que l'inférence kozul est à peu près la même chose et qu'il n'y a pas d'autres moyens adéquats d'améliorer les modèles.
Les erreurs de modèle sont corrigées par n'importe quel bousting, sur chaque nouvel arbre après le premier.
Peut-être s'agit-il d'améliorer la correction des erreurs, et non l'inférence kozul ?
La vidéo ne m'a pas impressionné. Le lien entre l'influence de la publicité sur les clients (traitement), qui modifie leur comportement et, par exemple, les revenus du magasin, et le commerce n'est pas très clair. Ce n'est pas comme si nous pouvions d'une manière ou d'une autre influencer les participants aux échanges sur le marché (à moins que vous ne disposiez d'un milliard pour secouer les devises et, à partir de là, évaluer l'impact de votre traitement).
Avec notre argent, nous ne pouvons influencer que notre solde. Aucun impact sur la part des visiteurs (qui sera comparée plus tard) - nous pouvons seulement ne pas faire d'échanges, c'est-à-dire ne pas modifier notre bilan.
Telles sont les premières pensées que j'ai eues après avoir regardé la vidéo. C'est pour cette raison que je n'étais pas intéressé.
Mais votre bilan est intéressant. Il est possible que vous n'appliquiez pas l'ensemble de la méthode sans changement, mais que vous preniez des éléments séparés.
Donc, je vais quand même le lire (peut-être que je peux le faire en une semaine, entre les moments de travail).
Le même concept de trittement est utilisé en économétrie pour l'inférence causale. Un effet est défini comme une variable isolée. Vous pouvez prendre n'importe quel attribut et le déclarer comme un tritment et voir comment il affecte les prévisions. Une variable sera un tritment, les autres seront des paramètres de nuisance. De telles définitions ne sont pas difficiles à mémoriser, je pense.
Les erreurs de modèle sont corrigées par n'importe quel booléen, sur chaque nouvel arbre après le premier.
Peut-être s'agit-il d'affiner votre correction d'erreur, plutôt que l'inférence de cosool ?
Le booosting est un surajustement pour le bruit. Et ici, l'objectif opposé est qu'il n'y ait pas de surajustement. S'il n'y a pas de surajustement, il y a une relation de cause à effet, en termes simples.
Le bousting est un surajustement pour le bruit. Et ici, le problème inverse est qu'il ne devrait pas y avoir de surajustement. S'il n'y a pas de surajustement, il y a une relation de cause à effet, en termes simples.
La tâche est bonne. Je lirai, et si quelque chose est intéressant et peu clair, je demanderai.
Le sujet n'est pas simple, il ne s'agit pas des concepts habituels de la MO. Il y a une jonction entre les statistiques et la MO. Je n'ai pas encore tout appris.
Cela ne marchera pas du premier coup.
J'en ai un similaire depuis plus d'un an, mais je ne l'ai pas encore fusionné.
J'ailu (j'ai déjà donné un lien auparavant), il y aura au moins quelqu'un avec qui discuter. Le manuel est super cool, je l'ai lu. Surtout la section 22, qui explique l'approche de Tchernozhukov.
Il n'utilise aucun "package", tout est écrit par vous-même. Ne vous laissez donc pas intimider par Python.
Parce que Sanych dit des bêtises déraisonnables.
L'histoire a commencé avec mon dernier article"Meta model...", dans lequel j'ai décidé d'utiliser les erreurs de modèle pour les corriger. Je l'ai ensuite réécrit de diverses manières. Puis j'ai découvert que l'inférence kozul est à peu près la même chose et qu'il n'y a pas encore d'autres moyens adéquats d'améliorer les modèles.
Certaines offenses puériles empêchent de comprendre le sens de ce que j'ai dit, qui (le sens) est banal : tout ce qui est présenté dans l'article comme une découverte que j'ai personnellement faite il y a 5-6 ans, je n'étais pas le découvreur à l'époque, avant moi a été mâché et mâché. Je ne savais vraiment pas que c'était "cajual" et je n'ai pas introduit de nouvelle terminologie sur des choses insignifiantes.
Laissons tomber.
Pouvez-vous montrer ici, au niveau du code, la signification de l'"inférence kozool" avec les prédicteurs, la cible, le modèle, l'estimation et d'autres "nouveautés" ou quoi que ce soit d'autre ? Ce sera une preuve de la nouveauté de l'orientation "inférence kozool", et l'article n'est pas une telle preuve, même si j'ai aimé ses résultats - j'ai moi-même perdu beaucoup de temps à obtenir des résultats similaires avec un travail absolument stupide.
Une offense puérile m'empêche de comprendre le sens de ce que j'ai dit, qui (le sens) est banal : tout ce qui est présenté dans l'article comme une découverte que j'ai personnellement faite il y a 5-6 ans, je n'en étais pas le découvreur à l'époque, cela avait été mâché et mâché avant moi. Je ne savais vraiment pas que c'était "cajual" et je n'ai pas introduit de nouvelle terminologie sur des choses triviales.
Oubliez cela.
Pouvez-vous montrer ici, au niveau du code, la signification de l'"inférence kozool" avec les prédicteurs, la cible, le modèle, l'estimation et d'autres "nouveautés" ou quoi que ce soit d'autre ? Ce sera une preuve de la nouveauté de la direction "kozul inference", et l'article n'est pas une telle preuve, même si j'ai aimé ses résultats - j'ai moi-même perdu beaucoup de temps à obtenir des résultats similaires avec un travail absolument stupide.
Vous avez appelé cela une branche des statistiques (pas moi) - kozul inferens. Soit vous l'acceptez, soit vous continuez à vous tourmenter et à tourmenter les autres avec des questions dénuées de sens.
Vous avez ouvert quelque chose que vous ne comprenez pas ? :) et maintenant vous demandez des explications. Je ne donne pas de cours de formation. Votre commentaire sur l'article était décousu, il n'y a rien de plus à discuter ici jusqu'à présent. Je n'ai pas donné assez de sources pour l'auto-apprentissage ? Dois-je raconter des dizaines de pages peut-être en 2 mots, ou mieux encore vous jeter un sac à la figure ? Je ne sais pas comment vous y êtes habitué.
Vous avez appelé cela une branche des statistiques (pas moi) - kozul inferens. Soit vous l'acceptez, soit vous continuez à vous tourmenter et à tourmenter les autres avec des questions sans intérêt.
Merci, j'ai compris, l'exemple spécifique ne sera pas "prendre en blanc".