L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2978
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Hmmm, come potrebbe saperne di più :)
Ho appena scritto del minor volume di esempi negativi classificati correttamente a causa della loro accuratezza di classificazione.
Il suo codice è molto difficile da leggere, ma in generale si può capire. Penso che per la sua personale comprensione del MO questo sia un ottimo incentivo. E un codice riproducibile è molto importante per capire il processo. Soprattutto se si vuole realizzare qualcosa di proprio.
Sì, è quello che succede: anni sprecati.
Igor Ashmanov sull'assistente vocale Alice
Due approcci fondamentalmente diversi ai programmi di intelligenza artificiale.
Finalmente una buona guida sul casual.
Risponde alla domanda sul perché l'ML sia solo per la previsione, ma non per la causalità.
Il metodo ML è notoriamente pessimo in questo tipo di problemi di causalità inversa. Richiedono di rispondere a domande del tipo "cosa succederebbe se", che gli economisti chiamano "controfattuali". Cosa succederebbe se usassi un altro prezzo invece di quello attuale per la mia merce? Cosa succederebbe se facessi una dieta a basso contenuto di zuccheri invece di quella a basso contenuto di grassi che sto seguendo? Se lavorate in una banca, che concede crediti, dovrete capire come cambiare la linea di clienti cambia le vostre entrate. Oppure, se lavorate nell'amministrazione locale, potreste essere chiamati a capire come migliorare il sistema scolastico. Dovreste dare tablet a tutti i bambini perché l'era della conoscenza digitale vi dice di farlo? O dovreste costruire una biblioteca vecchio stile?
Alla base di queste domande c'è un'indagine causale a cui vogliamo dare una risposta. Le domande causali permeano i problemi di tutti i giorni, come capire come far aumentare le vendite. Tuttavia, esse giocano un ruolo essenziale anche nei dilemmi che ci sono molto cari e personali: devo frequentare una scuola costosa per avere successo nella vita (l'istruzione causa guadagni)? L'immigrazione riduce le mie possibilità di trovare lavoro (l'immigrazione fa aumentare la disoccupazione)? Il trasferimento di denaro ai poveri fa diminuire il tasso di criminalità? Non importa il settore in cui si opera. È molto probabile che abbiate dovuto o dobbiate rispondere a qualche tipo di domanda causale. Sfortunatamente per il ML, non possiamo affidarci a previsioni di tipo correlazionale per affrontarle.
Finalmente una buona guida casual.
Risponde alla domanda sul perché MO serva solo per la predizione, ma non per la ricerca della causalità.
Finalmente una buona guida casual.
Soprattutto sembra un "inutile" matstat)
In sostanza, si suggerisce di vedere quali sono i metodi utilizzati, ad esempio, nella medicina basata sulle evidenze e di provare ad applicarli al proprio compito.
Come un matstat "non necessario")
In sostanza, il suggerimento è di vedere quali sono i metodi utilizzati, ad esempio, nella medicina basata sull'evidenza e provare ad applicarli al vostro compito.
Come uno dei virgulti della funzione fitness.
Il compito di AMO è quello di allenarsi in modo tale che la previsione costruita sull'equity del trade AMO sia la migliore possibile.
Non voglio una bella curva di equity sulla storia, ma voglio ottenere una previsione sicura per il trading futuro...
Previsione con intervalli di confidenza, lo stesso test statistico...
Ho utilizzato due algoritmi di previsione, auto arima e holt.
Qui si può vedere l'area in cui la previsione "garantisce la crescita" dell'equity.