トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 2978

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

うーん、彼はどうやってそれ以上のことを知るんだろう)

私は、分類精度のせいで正しく分類された悪い例の量が少ないことを書いただけだ。

彼のコードは非常に読みにくいですが、一般的には理解できるでしょう。彼のMOに対する個人的な理解にとって、これはとても良い動機付けになると思います。そして再現可能なコードは、プロセスを理解する上でとても重要だ。特に自分で何かを作りたいのであればね。

そうだね、何年も無駄にすることになる。

まあ、今のところ議論することは何もない。サットンとバルトの本、それからディップRLにすべて書いてある。でも、このボリュームはすごいよ。この人たちはいい給料をもらってユニで働いているんだ。頭脳はどうあるべきか、それは正しい方向だろう :)応用の経験に基づいた使い尽くされたアプローチに興味がある。

彼らが言うように、トレーディングにおけるMOはすでにアンダーグラウンドからメインストリームに移行しているが、まだテスターグレイルのレベルである。そして、インジケーターフィーバーは終わった :)

[mytarmailS]

https://youtu.be/_j5HP2wrBPE

あまり理解できないが、良さそうだ。

[mytarmailS]

最小限のファンタジーでなくて何なのか？

https://youtu.be/9nvQlrAqpMU

[СанСаныч Фоменко]

イゴール・アシュマノフ、アリスの音声アシスタントについて

AIプログラムに対する根本的に異なる2つのアプローチについて。

[Maxim Dmitrievsky]

ようやくカジュアルな 良いガイドを 手に入れた。

なぜMLは予測だけで、因果関係には使えないのかという疑問に答えてくれる。

MLはこの逆因果論的な問題を苦手としている。MLは、経済学者が反実仮想と呼ぶ「もしも」の質問に答えることを要求する。もし、私が今、自分の商品に対して要求している価格ではなく、別の価格を使ったらどうなるだろうか？低脂肪ダイエットではなく、低糖質ダイエットをしたらどうなるだろうか？銀行で信用を与える仕事をしているなら、顧客ラインを変えることで収益がどう変わるかを考えなければならないだろう。あるいは、地方自治体で働くなら、学校教育システムをどう良くするかを考えるよう求められるかもしれない。デジタル・ナレッジの時代だからといって、すべての子供にタブレットを与えるべきか？それとも昔ながらの図書館を作るべきか？

こうした問いの根底には、私たちが答えを知りたいと願う因果関係の問いがある。原因究明は、どうすれば売り上げが上がるかを考えるような、日常的な問題に浸透している。例えば、人生で成功するためには高い学校に行かなければならないのか（学歴は収入をもたらすのか）。移民は就職の機会を減らすのか（移民は失業率を上げるのか）？貧困層への資金移転は犯罪率を下げるのか？あなたがどの分野にいるのかは関係ない。何らかの因果関係のある質問に答えなければならない、あるいは答えなければならなくなる可能性は非常に高い。残念ながらMLでは、相関型の予測に頼ることはできない。

[mytarmailS]

Maxim Dmitrievsky #:

ようやく良いカジュアルガイドを 手に入れた。

なぜMOは予測にのみ使われ、因果関係の探索には使われないのかという疑問に答えてくれる。

、、ークにークすることができるアルゴリズムがークをークすることができるアルゴリズムがークをークすることができるアルゴリズムをークすることができるアルゴリズムがークすることがークすることができるアルゴリズムがークすることがークすることがークすることができるアルゴリズム

つまり、正しく予測できることが、データに触れるための第一条件なのです。

そうでしょう？

[Aleksey Nikolayev]

Maxim Dmitrievsky #:

ようやく良いカジュアルガイドを 手に入れた。

何より "不要な "matstatに見える)

基本的には、例えばエビデンスに基づく医療でどのような方法が使われているかを見て、それを自分のタスクに適用してみることを提案する。

[Maxim Dmitrievsky]

mytarmailS #:

もしアルゴリズムがサンプルを予測できなければ、それは何の価値もない。

だから、正しく予測できることが、データに触れるための第一条件なんだ。

そうでしょう？

因果関係のテストとかね。うまくいくセットを切り分けることができる、ということですね。

全部自分でやるオートマトンを作るのは面白いですね。そこから何か使えるかもしれない。

[Maxim Dmitrievsky]

Aleksey Nikolayev #:

最も "不要な "マットスタット)

基本的には、例えばエビデンスに基づく医療でどのような手法が使われているかを見て、それを自分のタスクに適用してみるという提案だ。

私もこの科学にはまだ詳しくないが、ネット上では賞賛の声が高まっている。

メタ・ラーナーやデュアル・マシン・ラーニングというものがある。僕がやっていたことと似ているし、気に入っている。

lstm-cnnネットワークの予測よりは悪くないと思う。）

[mytarmailS]

フィットネス関数のビリントの1つである。

AMOの課題は、AMOトレードのエクイティに基づいて構築された予測が可能な限り良好になるように訓練することである。

私は、履歴上のエクイティの美しいカーブを望んでいるわけではなく、将来の取引で確信の持てる予測を得たいのです...。

信頼区間による 予測、同じ統計テスト...

予測には2つのアルゴリズム、auto arimaとholtを使った。

ここで、予測が株式の "成長を保証する "領域を見ることができる。