L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2546

 
Uladzimir Izerski #:

Ecco un paio di citazioni dall'articolo:

"La peculiarità dell'intelligenza artificiale è che la tecnologia non è in grado di navigare in situazioni nuove e non standard. Se si verifica una situazione anomala nel mercato, è improbabile che il modello suggerisca la migliore via d'uscita. La pandemia è un primo esempio di questo. L'Organizzazione per la cooperazione e lo sviluppo economico (OCSE)cita che, secondo un sondaggio dellaBanca d'Inghilterra, circa il 35% delle banche ha avuto un impatto negativo del modello AI basato sull'apprendimento automatico durante questo periodo.

Cosa c'entrano le banche - hanno bisogno di ML per determinare l'affidabilità creditizia di un cliente nella fase 'do's and don'ts' del prestito...

E il tasso di cambio di una valuta con un'altra - anche in una pandemia sarà vivo +/- avanti e indietro... e se le transazioni export-import sono ridotte e quindi NFI (se la valuta non è più particolarmente necessaria nel paese per pagare i partner stranieri) -- allora la speculazione sarà solo sulle medicine, o sugli attacchi terroristici e gli scioperi e il trasferimento di riserve (o voci) avanti e indietro...

E con un orizzonte di apprendimento normale, tali situazioni sono già accadute nella storia - tutto il DataMining si basa sul fatto che la storia si ripete, solo con nuovi parametri ad un nuovo ciclo di evoluzione... quindi non prendere parametri assoluti, prendi quelli relativi...

le banche non possono ML-monitorare le preferenze dei clienti per "prendere o non prendere" credito... e molte persone prendono un prestito solo una volta nella vita, per un appartamento...

anche se per essere giusti - DataMining non è solo MachineLearning... ma anche l'analisi statistica qualitativa prima di essa e il MetaLearning completo nelle reti neurali per far adattare il modello alle realtà attuali... e anche in questo caso una previsione sufficientemente affidabile è possibile solo ad un certo punto, ma non per un lungo periodo...

le banche non possono avere tutte le informazioni per caricarle nel loro modello... ... e usano l'AI per scopi diversi dalla previsione delle quotazioni (non lo fanno)... devono solo prestare e prendere in prestito a tassi di interesse convenienti...

p.s. le scuole usano ML per fare il loro orientamento professionale più accuratamente di quanto facciano le banche per identificare la possibilità di prestare a un particolare cliente... - e non c'è niente da fare per loro - prestare a qualsiasi condizione, altrimenti saranno loro stessi senza lavoro e senza stipendio (non è colpa di AI, ma della domanda dei loro servizi secondo i loro termini con il loro Customer Relationships Management)...

ma con l'indebolimento del commercio internazionale in tempi di avversità (pandemie) è comprensibile che abbiano carenze di liquidità... ma ci sono stati momenti di carenza di liquidità nella storia (solo il parametro non era una pandemia) - non è nuovo - l'unica domanda è Quale modello, Che cosa è stimato, Qual è l'orizzonte del campione di formazione e Come le conclusioni della sua interpretazione sono guidate dalla gente viva di quella banca...

p.p.s.

Le informazioni dell'OCSE sulla Banca d'Inghilterra possono essere solo speculazioni o PR nere nelle mani di un boscaiolo che colleziona legna... La crisi del 2008 non è apparsa dal nulla e le precondizioni erano già visibili 2 anni fa... e nel 2008 (credo) in effetti - speculazione sulla caduta di LehmanBrothers per fare QE, forse anche per gli stessi soldi... a proposito le banche erano 'colpa' della crisi finanziaria (anche se il rapporto causa-effetto non è stato abolito - MBS anche non è apparso dal nulla, ma dalla domanda!...) - Ora, a quanto pare, danno la colpa all'IA - almeno non risponde... ecco quanti pirati sono stati collegati alle condizioni climatiche nei commenti -- forse qualcuno sta ancora frugando nell'universo alla ricerca di segnali più credibili ?

Пример решения задачи множественной регрессии с помощью Python
Пример решения задачи множественной регрессии с помощью Python
  • habr.com
Введение Добрый день, уважаемые читатели. В прошлых статьях, на практических примерах, мной были показаны способы решения задач классификации (задача кредитного скоринга) и основ анализа текстовой...
 
Qualcuno si è divertito con le wavelet senza librerie? Le ondulazioni sono definite all'infinito, che lunghezza dobbiamo prendere allora?
 
Rorschach #:
Qualcuno ha messo insieme wavelets senza librerie? Le ondulazioni sono definite all'infinito, che lunghezza dobbiamo prendere allora?

Non ho ancora studiato la decomposizione, non conosco la risposta.
Ma nell'esempio è chiaro dal diagramma a blocchi che la finestra 10 è specificata.
Probabilmente definito all'infinito, non gioca un ruolo.
E prendere la lunghezza che risolve il problema nel modo più efficace possibile.

v

 
Roman #:

Non ho ancora studiato la decomposizione in sé, non conosco la risposta.
Ma l'esempio nel diagramma a blocchi mostra che la finestra è impostata su 10.
Probabilmente la definizione all'infinito, non gioca un ruolo.
E prendere la lunghezza che risolve il problema nel modo più efficiente possibile.


In teoria, la lunghezza della finestra dovrebbe essere diversa.

 
Rorschach #:

La lunghezza della finestra dovrebbe essere diversa

Per essere onesto, non capisco bene la domanda.
Forse è di questo che si tratta?

v1

v2

 
Rorschach #:

Idealmente, la lunghezza della finestra dovrebbe essere diversa

La soluzione migliore è consultare un libro di testo.

d

 
Le wavelets sono la stessa cosa di Fourier. C'è la Fourier classica, c'è la Fourier a finestre, e c'è Wavelets, dove invece di una finestra rettangolare come nella Fourier a finestre, viene usato un tipo speciale di finestra - wavelets. Per le quotazioni finanziarie, Fourier non è adatto, a causa della natura casuale del quoziente.
 
sibirqk #:
Wavelets sono la stessa cosa di Fourier. C'è la Fourier classica, c'è la Fourier a finestre e c'è Wavelets, dove invece di una finestra rettangolare come nella Fourier a finestre, viene usato un tipo speciale di finestra - wavelets. Per le quotazioni finanziarie, Fourier non è adatto, a causa della natura casuale del quoziente.

Si dice che le wavelet siano buone per una rappresentazione economica su tutta la storia dei prezzi disponibile (invece di una finestra limitata)

 
Gli Shapelets sono più comunemente usati per le serie temporali, ma anche in questo caso questo approccio non è così popolare
 
Maxim Dmitrievsky #:
Shapelets sono più spesso utilizzati per le serie temporali, ma anche questo approccio non è molto popolare

La ricerca di shaplet mi ricorda il clustering di segmenti di serie. Probabilmente utile per segnali come i cardiogrammi, ma non così sicuro della loro utilità per gli studi sui prezzi.

A proposito, sei riuscito a capire l'applicazione del modello LGBM? Se insegnate in R, potreste provare a usare la libreria di San Sanych)