L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3160
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Si può discutere solo con qualcuno che è anche in questo thread, non ci sono persone di questo tipo qui.
Suggerisco di spiegare normalmente come usarlo, in modo che io possa eseguirlo da solo e testarlo....
Se funziona, allora ha senso leggere il libro ed entrare nel merito, poi possiamo discuterne ulteriormente....
Ma per ora questo argomento ha lo stesso status degli altri...
Unapanoramica sulle dita, che razza di bestia è cajual.
Unarecensione sulle dita, che bestia il cajual.
L'articolo rimanda a un altro libro sull'argomento - ecco la versione più recente.
Mi interessa soprattutto la questione di cosa possa costituire un "tritment" nell'applicazione del cajusal (non casual! 😁) al trading.
L'articolo rimanda a un altro libro sull'argomento: ecco la versione più recente.
Mi interessa soprattutto la questione di cosa possa costituire un "tritolo" in un'applicazione causale (non casuale!😁) al trading.
Unarecensione sulle dita, che bestia il cajual.
Come ho capito leggendo tutto questo, l 'inferenza causale è estremamente rilevante nel quadro della medicina basata sull'evidenza, dove inizialmente non è chiaro se un nuovo farmaco influisca o meno sulla malattia. In medicina l'inferenza causale è la base dell'evidenza .
In economia, l'inferenza causale in questo senso "medico" non è così rilevante, perché l'economia è un processo ben determinato basato su catene di produzione e di vendita.
Nel tasso di cambio esiste una notevole incertezza con ragioni sconosciute nell'arco di giorni e settimane, ma su periodi più lunghi le ragioni diventano evidenti. Abbiamo bisogno di prevedere il futuro, ma le ragioni che influenzano il tasso di cambio in futuro da parte dei proprietari degli strumenti che influenzano il tasso di cambio sono accuratamente nascoste e possiamo scoprirle solo dopo il fatto.
Un'ultima cosa. Da un punto di vista statistico non c'è nulla di nuovo nell'inferenza causale. Ecco il parere di CRAN
Non esistono funzioni R di base che siano implementazioni dirette dei disegni standard di inferenza causale, ma molti metodi - più o meno complessi - sono implementati in diversi pacchetti su CRAN, che strutturiamo in argomenti principali:
Maxim, da persona che trascura R, e quindi ha una conoscenza estremamente limitata degli strumenti, guida un'onda cajual come una sorta di scoperta. Non si tratta di una novità, ma solo di ragazzi russi intelligenti con un tocco anni '90 che hanno unito strumenti noti in un mucchio e hanno apposto un cartello "Causal Inference" di dubbia applicabilità in economia.
Sanych, quando cerca di argomentare e dimostrare, inizia a passare i pacchetti a velocità X2... È come contare i grani del rosario per calmarlo.
Se gli chiedete di un pacchetto della lista, vi darà i link ai pacchetti che si riferiscono a questo pacchetto come prova della sua profonda comprensione dell'argomento.
Si può togliere il tritolo dalle parentesi (o inserirlo da dietro le parentesi) e usare solo il restante matstat :)
Ciò che è interessante è l'aspetto teorico-quasi-filosofico di ciò che può essere considerato un tritolo) È nel senso della pratica tutto è semplice - ciò che funziona è buono)
Se l'entità è un paziente a cui viene dato un farmaco/placebo o uno scolaro a cui viene data/non data una pastiglia, tutto è chiaro e semplice.
Se nel nostro caso prendiamo (per semplicità) l'incremento di prezzo per bar come entità di base, allora noi, piccoli attori, non abbiamo alcun elemento che lo influenzi. Se prendiamo come entità l'incremento del capitale proprio, allora possiamo già considerare la dimensione e la direzione della posizione sullo strumento come un fattore determinante. Ma non possiamo fermarci qui e prendere come tritolo qualsiasi parametro che descriva il TS che calcola effettivamente la posizione. Questo approccio apre le porte a un'infinita complessità e flessibilità del concetto di tritolo, che può portare a una riqualificazione, ma probabilmente anche a qualcosa di buono).
L'aspetto quasi filosofico di ciò che può essere considerato un tritolo è interessante. In termini di pratica, tutto è semplice: ciò che funziona è buono).
Se un'entità è un paziente a cui viene somministrato un farmaco/placebo o uno scolaro a cui viene data/non data una pastiglia, tutto è chiaro e semplice.
Se nel nostro caso prendiamo (per semplicità) l'incremento di prezzo per bar come entità di base, allora noi, piccoli operatori, non abbiamo alcun elemento che lo influenzi. Se prendiamo come entità l'incremento del capitale proprio, allora possiamo già considerare la dimensione e la direzione della posizione sullo strumento come un fattore determinante. Ma non possiamo fermarci qui e prendere come tritolo qualsiasi parametro che descriva il TS che calcola effettivamente la posizione. Questo approccio apre le porte a un'infinita complessità e flessibilità del concetto di tritolo, che può portare a una riqualificazione, ma probabilmente anche a qualcosa di buono).
Questo è più o meno come lo vedo io. Un tritment è una variabile strumentale che dovrebbe portare a qualcosa di buono. In Kozula c'è una separazione tra covariate e tritolo solo perché non possiamo influenzare le covariate, ma possiamo influenzare il tritolo.
Inoltre, le covariate hanno un significato diverso dalle caratteristiche nella previsione. Sono le caratteristiche distintive di ogni osservazione. Quindi il modello ML in kozul è più simile a un database che viene interrogato da un altro modello e le statistiche vengono contate. Oppure si costruiscono due modelli e si cercano le loro intersezioni. È più simile al lavoro con i database.
Quindi un modello può essere rappresentato come una query, i cui risultati sono utilizzati per calcolare le statistiche.Si tratta originariamente del metodo a due fattori di verifica del trattamento (tritment). Lei, ricordo, è vicino a questo argomento in senso direttamente medico.
IMHO, Maxim in qualche modo trasferisce in modo molto ampio e creativo il concetto di tritment ai nostri compiti.
La medicina non è una scienza)))) Quindi, secondo le pratiche della ricerca medica, i modelli di trattamento sostenibili sono considerati avere una causa, mentre quelli non sostenibili non hanno una causa se non le associazioni degli osservatori)))) E il metodo dell'esperimento casuale riduce l'errore, ma non lo elimina del tutto))))))
Così vicini nel significato che capisco))))))
La medicina non è una scienza)))) Ecco perché le pratiche di ricerca medica sono adeguate a considerare i modelli costanti di trattamento come aventi una causa, e non i modelli costanti senza causa, ma le associazioni negli osservatori))) E il metodo dell'esperimento casuale riduce l'errore, ma non lo elimina del tutto)))))
Così vicino nel significato che capisco))))))