L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3106
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
che intellettualmente la maggior parte di noi potrebbe benissimo essere sostituita dall'IA)
Sì....
Ma abbiamo ancora qualche anno, o qualche mese, per farlo)).
Per ora, ci sono due problemi per il lancio di una forte IA
1. Architetture troppo voraci
2. Hardware troppo debole
Si tratta essenzialmente di due facce della stessa medaglia...
Ma si sta lavorando per risolvere sia il primo problema che il secondo...
Non hanno fretta di cambiare l'architettura (le reti neurali sono il nostro tutto), ma dovranno farlo, ma con un hardware veloce (computer quantistici) tutto è molto più attivo.
Qui si dice che il t-test a volte funziona bene anche su dati anormali
Sì....
Ma abbiamo ancora qualche anno, o mese, da percorrere))
Finora, ci sono due problemi per il lancio di una forte IA
1. Architetture troppo voraci
2. Hardware troppo debole
Sono fondamentalmente due facce della stessa medaglia....
Ma si sta lavorando per risolvere sia il primo problema che il secondo....
Non hanno fretta di cambiare l'architettura (le reti neurali sono tutto ciò che abbiamo), ma dovranno farlo, ma sono molto più attivi con l'hardware veloce (computer quantistici).
C'è una minaccia da parte dell'IA, ma in una distanza vaga e solo dopo che avremo risposto alla domanda: cos'è l'intelligenza naturale? Ad oggi, non esistono approcci ad essa.
È stato molto tempo fa, ma non ha nulla a che fare con la stazionarietà. Meno di uno indica la stabilità del modello, indica che: correttamente (1) differenziato, (2) modellato la varianza (molti modelli), (3) modellato la media (ARIMA-AFRIMA), (4) modellato la distribuzione. In breve, si sta cercando di modellare la NON stazionarietà.
Posso vedere il vero codice di applicazione di questi modelli o si tratta solo di una parafrasi di opuscoli senza una goccia di pratica?
Possiamo vedere il codice effettivo per l'applicazione di queste garças? O è solo una parafrasi di opuscoli senza una goccia di pratica.
Ci ho provato qualche anno fa (2017-2918) ma ho rinunciato: troppo complicato. Valutare rugarch:ugarchspec. Inoltre, i parametri sono interconnessi, è tutto legato all'ottimizzazione, un passo indietro e si ottengono ore di adattamento del modello. I risultati non mi hanno impressionato, ma è colpa mia, non della curvatura del modello.
1) L'ho provato qualche anno fa (2017-2918) ma l'ho scartato: troppo complicato.
2) Non sono rimasto impressionato dai risultati, ma è colpa mia, non della curvatura del modello.
Allora perché pubblicizzate questa robaccia qui regolarmente????
Non voglio provare nulla, ho già provato per molti anni a venire....
Posso dire senza provare cosa può funzionare e cosa no....
Se l'algoritmo guarda al mercato come una serie temporale, allora addio subito, non importa se è uno stocastico o un Garch decantato.
Il risultato per me è già predeterminato
È la seconda o terza volta che vengo a dare un'occhiata a questa discussione. Non è cambiato nulla, sono state solo aggiunte migliaia di pagine. Che sia la prima o l'ultima. è lo stesso.
Cosa dovrebbe cambiare, l'apprendimento automatico funziona solo su dati statici.
Prevedere il futuro è un'assurdità.