L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 634
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
Oh non lo so, non faccio questo tipo di datasatanismo, forse i satanisti più informati mi diranno :D
Per quanto riguarda l'econometria. In generale, questa disciplina è apparsa relativamente di recente. L'ho imparato intorno al 2006. Mi hanno mandato un libro in inglese e l'ho tradotto, ma sapete che pena leggere un libro tradotto da un traduttore nel 2006. Questo libro è specializzato nel mercato dei portavoce. Il tizio che me lo diede all'epoca gestiva un fondo abbastanza grande e viveva in Europa, credo a Parigi, ma non è questo il punto. Sono rimasto sorpreso dal fatto che l'ho digitato su Google e ho ottenuto un sacco di link, ma solo uno in russo. Non vogliamo accettare questa disciplina in linea di principio ????
V.P. Nosko
Econometria
è nella mia libreria.
V.P. Nosko
Econometria
è nella mia libreria.
No... quello era solo per lo stock spiking, cercherò di trovarlo ora.....
No... quello era specifico per lo stock spiking, cercherò di trovarlo ora.....
Amico, l'econometria è una sola scienza, non diverse).
Non posso caricarlo, non si adatta al formato. Penso che possa essere scaricato comunque.....
Analisi delle serie temporali finanziarie 2005
Non posso caricarlo, non si adatta al formato. Penso che possa essere scaricato comunque.....
Analisi delle serie temporali finanziarie 2005
http://www.lcs.poli.usp.br/~ablima/livros/Analisi%20di%20finanziaria%20serie%20temporale%20Tsay.pdf
E'?
università di tsay
anche in questo antico libro di 10 anni fa ci sono modelli che non sono ancora stati usati qui e difficilmente saranno usati :D di che progresso possiamo parlare... bisogna creare un istituto di ricerca e fare conferenze
Suggerisco l'Australia
Ho selezionato solo gli input che hanno entropia negativa e entropia vicina allo zero. L'apprendimento ha cominciato ad arrivare agli stessi parametri del modello con una coerenza invidiabile.
Sorprendentemente, ad un certo punto quando si aggiunge un valore l'entropia diventa bruscamente negativa. A cosa potrebbe essere dovuto????
Se assumiamo che il valore positivo è una misura di incertezza, mentre il valore negativo è una misura di ordine, allora selezioniamo le letture della rete con il minimo valore di entropia, ma credo che anche un indice troppo grande nella zona negativa non sia buono. Ecco perché ci sono due varianti qui, o scegliere una rete con l'entropia più bassa, o quella, la cui entropia è più vicina a zero....
Aspetto commenti su questo post e, soprattutto, una spiegazione del perché possa essere così. Teorie di ipotesi, ecc. Lo apprezzerei molto. Grazie!!!!
Michael, assolutamente dubbioso, tuttavia si muove ostinatamente verso il suo obiettivo. :))))
Ancora una volta - la non-entropia è una misura dell'ordinamento, una misura dellacomplessità della struttura.
Se volete sapere tutto sul futuro in un certo momento, cioè prevedere, dovete ridurre il processo a un processo markoviano. Rendere la non-entropia --> 0.
Se non puoi ridurre il processo non markoviano a markoviano tramite pseudo-stati, guarda il valore dell'entropia nEG e lavora solo quando --> 0. Appena comincia ad aumentare, smetti di fare previsioni, perché sei di fronte a una struttura molto complessa con "memoria".
Di nuovo, una domanda. Ci sono otto modelli NS. Al segnale attuale, le entropie delle uscite NS sono le seguenti
5.875787568 -5.702601649 5.066989592 9.377441857 7.41065367 1.401022575 4.579082852 5.119647925
Quale vuoi? Quella rossa? perché ha un'entropia negativa o quella blu? è più vicina allo zero. Dirò che questi due modelli guardano in direzioni diverse, ma sappiamo che il tempo dirà chi aveva ragione.... Alla fine, uno di loro vincerà. Chi ci sta pensando?
Michael, assolutamente dubbioso, si muove tuttavia ostinatamente verso il suo obiettivo. :))))
Ancora una volta, la non-entropia è una misura di ordinamento, una misura dellacomplessità della struttura.
Se volete sapere tutto sul futuro in un certo momento, cioè prevedere, dovete ridurre il processo a un processo markoviano. Rendere la non-entropia --> 0.
Se non puoi ridurre il processo non markoviano a quello markoviano introducendo pseudo-stati, devi solo guardare il valore di nagentropia e lavorare solo quando --> 0. Appena comincia ad aumentare, smetti di fare previsioni, perché hai colpito una struttura molto complessa con "memoria".
Con il vostro aiuto lo capiremo :-) Cioè, se ho capito bene, dovete selezionare quegli ingressi che sono vicini allo zero da una parte e dall'altra. Giusto?