Introduction This is the second article of a series focusing on causal inference methods and applications. In Part 1, we discussed when and why causal models can help with different business problems. We also provided fundamentals for causal inference analysis and compared a few popular Python packages for causal analysis. In this article, we...
もう少しよく見てみると......やや勘違いしていたようだ。彼らは、元の系列からスライド式の非線形メトリクスを作る（彼らはフラクタル次元とリアプノフの指数について書いている）。この新シリーズは、SBに近いと彼らは考えている（実践的な観察に基づく）。そして、この系列を将来的にモンテカルロ法で掛け合わせ、初期集合に最も近くなる変種を選ぶ。
その秘密は、最初の系列を一連のメトリクスに変換すること、そしてさらに重要なことは、その逆変換にある。
全体として、これらのことは怪しく見え（まず、結果の発表のスタイル）、この問題をさらに研究しようという意欲をあまりかき立てない。
また、あまりにもきれいごとで漠然としていて、何か腑に落ちない感じがします。また、統計的な特徴も類似している。
あなたにとっては面白いことですが、まさにその通りです...。
説明しますと...
つまり、市場（非定常）データをモデル （定常、簡略化、実証、必要な構造を保持）に「変換」して 、 このモデルを 正弦波として表現できたらいいなということです。
世界中の科学者が、複雑なプロセスを理解するために、モデルを作り、モデルを研究し、モデルを予測するが、プロセスそのものは理解しない、これが世界の常識で、誰もがやっています。ただし、AMOがすべてをやってくれると信じている最低レベルの訓練を受けたエンジニアは別ですが......。
少し意味がわかりやすくなりましたね。もちろん、それだけで使い勝手がよくなるわけではありませんでした。
まず最初に、引用文、つまりあらゆる引用文を使って何かをするとき、あなたはすでにモデルを扱っているのであって、あなたが言うような非常に複雑なプロセスを扱っているのではない、ということをお話しします。
まあ残りの引用の派生物については、言うまでもないが)
MO学者を蔑むような発言は、むしろあなたの修行レベルの低さを物語っています。
もちろん、それ以上便利になったわけではありません。
ちなみに私もそうです。
そもそも、引用文、ANY引用文を使って何かをするとき、すでにモデルを扱っているのであって、あなたが言うように複雑なプロセスそのものを扱っているわけではありません。
わあ、ありがとうございます。そうでないと主張されたことはありますか？
MO派を蔑称で呼ぶのは、むしろあなたのトレーニングレベルの低さを物語っていますよ。
そうか、そうか......。
============
次は、何か言いたいことがあるのか、それとも当たり前のことを述べて主観的に判断するのか。
次は、何か言いたいことがあるのか、それとも当たり前のことを述べて主観的に判断しているのか？
まあ当たり前の話ですが、2つ3つの正弦波では、長い期間にわたって価格を正しく近似することもできません。OK、そう思いませんか？
さて、モデルの話もしましょう。私にはアイデアがあります。プレイヤーのネットワークによる市場モデルです。
大雑把に言うとこんな感じです（MoDに置き換えて みますね）。
対象プレイヤーはN人であり、取引量、取引頻度、ポジションの長さ、売買傾向、情報へのアクセスやスピード、攻撃 性などの属性によって分類される。
市場（商品価格）は、対象となるプレーヤー（簡易カップ）間の交換の結果としてモデル化されています。定期的なニュースや比較的ランダムなイベントを提供する環境があって、それに対してプレイヤーが反応し、環境はプレイヤー間で情報を伝達する。
一般的に理解されることを願っています。モデルの実装という点では、同様の研究発表があった記憶がないのですが、これは、実際のビッグデータへのアクセスがあってこそ、実用的な結果が得られるからだと理解できます。
しかし、研究のモデルとしては、かなり適していると思います。機械学習の手法の解釈について - 創造性の余地、明らかに我々はここで単純なアーキテクチャで行うことはできません、我々は何か特別なものを開発する必要があります。
2つ、3つの正弦波では、長い期間にわたって価格を正しく近似することもできないのです。OK、そう思いませんか？
さて、モデルの話もしましょう。私にはアイデアがあります。プレイヤーのネットワークによる市場モデルです。
大雑把に言うとこんな感じです（MoDに置き換えて みますね）。
N個の対象プレーヤーがあり、取引量、取引頻度、ポジションの長さ、売り買いの傾向、情報へのアクセスとスピード、攻撃 性などの特徴によって分類されています。
市場（商品価格）は、対象となるプレーヤー（簡易カップ）間の交換の結果としてモデル化されています。定期的なニュースや比較的ランダムなイベントを提供する環境があって、それに対してプレイヤーが反応し、環境はプレイヤー間で情報を伝達する。
一般的に理解されることを願っています。モデルの実装という点では、同様の研究発表は記憶にないのですが、これは、実際のビッグデータへのアクセスがあってこそ、実用的な結果が得られるからだと理解できます。
しかし、研究のモデルとしては、かなり適していると思います。機械学習の手法における解釈について - 創造の余地、明らかに、ここでは単純なアーキテクチャでは不十分であり、何か特別なものを開発する必要があります。
エージェントベースモデル？現代の経済学には、そういうものがたくさんあります。私見では、市場に対する哲学的な理解には良いことだと思う。
この方法（トレーディングストラテジーを作るという意味で）が実用に耐えられるかどうかは分かりませんが。
エージェントベースモデル？現代の経済学には、そのようなものがたくさんあります。哲学的なマーケット思考には良い材料だと思います。
この方法から実用的な有用性（取引戦略を立てるという意味で）を導き出せるかどうか、確信が持てません。
そう、科学的な経済学的、（密接に）社会学的な記述のある、そのようなモデルの研究所からずっと前に私は覚えている。MOの最近の成果に照らして取引に関して、問題は、それが適用できないことではなく、リソースを持っている人は - それからの適切な利益を得ることはありません、彼らは彼らのように良いですされているようです。マニアはまだ到達していない、GPT-3など画期的なものをいろいろと消化し、もしかしたら誰かが到達して、この中の開発ラインを指定するかもしれません。
もう一つの難しさは、特にトレンドの重要な転換点でのプレーヤーの行動には非合理性が多く、現在のモデルでは信頼性の高いモデルを作ることが難しいということです。
ap.もう一つ思ったのは、値動きを予測することは必ずしも正しいことではない、原始的なことだ、ということです。値動きに関する情報を受け取り、そこから長期的な結論を出すことができる。
その有力なアプローチのひとつが、因果関係の推論だと思われる。このテーマは、大手IT企業でかなり活発に展開されています。図書館がある。
に関する記事が あります。
選択肢を調べて最適なものを見つける電卓を作るそう、昔、研究所でそのようなモデルの科学的経済学的、（密接に）社会学的な説明を受けた記憶があるのです。MOの最近の成果に照らして取引に関しては、それはあなたが適用することはできませんし、リソースを持っている人 - 必要な出力から取得されませんが、彼らはこれまでのところすべての権利であると思われる。マニアはまだ到達していない、GPT-3など画期的なものをいろいろと消化し、もしかしたら誰かが到達して、この中の開発ラインを指定するかもしれません。
もう一つの難しさは、特にトレンドの重要な転換点でのプレーヤーの行動には非合理性が多く、現在のモデルでは信頼性の高いモデルを作ることが難しいということです。
ap.もう一つ思ったのは、値動きを予測することは必ずしも正しいことではない、原始的なことだ、ということです。価格の動きからプレイヤーの状態を知ることができ、すでにここから長期的な結論を出すことができ、それは常に更新されているのです。
私の考えでは、主な問題は、市場の最大のプレーヤーである国家の行動を記述するアプローチの選択にある。彼らは、（1）市場に強い影響を与える、（2）彼らの行動は時間と共に大きく変化する、（3）市場における彼らの行動の目的は、しばしば市場自体の外にあり、我々にはよく分からない、（4）多くの状態があり、それらは（市場にとって）非常に異なった方法で互いに影響し合うことができる、などである。数学的には、複雑で非定常なオープンエンドのシステムということになる。
問題は、そのようなシステムのモデルを考えることが不可能なのではなく、あまりにも多くの異なるものを考えることが可能であり、おそらく結論において互いに相反するものであることだ）。
その有力なアプローチの一つが、因果関係の推論であると思われる。このテーマは、大手IT企業でかなり活発に展開されています。図書館がある。
に関する記事が あります。
選択肢を調べて最適なものを見つける電卓を作るというのは、当初はアプローチの裏側だったんです。ちなみに何でもかんでも医学のRCTは、再現性のあるプラシーボではなく、医療技術を殺してしまった)))
行動や条件によるタスクは、因果関係を見つけることである）。
ap.もう一つ思うのは、値動きを予測するのは必ずしも良いことではない、とても原始的なことだ、ということです。常に更新される値動きからプレイヤーの状態を知り、そこから長期的な結論を出すことができるのです。
それは良い、正しい考えです。ただ、おそらく選手の状態ではなく、選手に影響を与える原因の状態なのでしょう。もしかしたら、これは次のステップなのかもしれませんが。