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 3074

新しいコメント
 
fxsaber #:

もう一度質問を整理してください。

本物のFXで取引したことがあるなら、夜中の1時頃にスプレッドが広がることはないのですか？普通のキッチンのように。
 
mytarmailS #:
本物のFXで取引したことがある人なら、夜中の1時頃になるとスプレッドが広がったりしませんか？普通のキッチンのように。

.

 
このスレッドに関係のないコメントは「オフト ピック」に移動しました。
 
Valeriy Yastremskiy #:

そう、M5)

エニデスクがあって、仕事用のコンピューターにアクセスできるのはいいことだ。）

270ドル、ベストSL11500、総合SL5200、TP350はほぼ同じ結果です。

スプレッドが大きいのかもしれません。私はより多くの利益を持っていますが、全体的なカーブは同じです。ここ数年の学習曲線は少し荒いね。でも前の方が良かった。

 
Andrey Dik #:
もし世界がスムーズでなかったら、すべてがどのように見えるだろうか......。
そう、すべての "存在 "は、次の決断を下すという点では盲目なのだ。しかし、より良い決断がわかっている（見えている）のであれば、決断を下す意味がなくなってしまう。つまり、自由意志がなくなってしまうのだ。奇妙な論理パズルである。
しかし、社会が知っている最適解を志向することが、常により良い解決策を見つけることを可能にするとは限らないことが知られている（再び集団的思考の罠のパラドックス）。

市場において、この最適は常に変化している-地震の後の地球の地形のように...。私たちの仕事は、地震がいつ起こるか、あるいは地震が起こった後、そして最も重要なことは、新しい最適解を探す必要がある瞬間を予測することである。

 
異なる方法を比較した論文。ビデオと本に加えて。他の論文への参照も多い。
統計学のセクションにもMOEの本にも載っていない。計量経済学の中にあるべきなのに、そこにもない。どういうわけか独立している。
研究者の一人（2018年だと思うが、二重機械学習を思いついた人）は、私たちの移住者チェルノズコフだ。彼の研究は英語でもある。プラドもそこからメタモデルを採用したらしい。しかし、非常に表面的だ。

 
Maxim Dmitrievsky #:
異なる方法を比較した論文。ビデオと本に加えて。他の論文への参照も多い。
統計学のセクションにもMOEの本にも載っていない。計量経済学にあるはずだが、そこにもない。単独で成り立っているようなものだ。
研究者の一人（2018年だと思いますが、二重機械学習を考え出した人）は、私たちの移住者であるチェルノズコフです。彼の研究は英語でもある。プラドもそこからメタモデルを採用したらしい。しかし、非常に表面的なものだ。

https://arxiv.or g/pdf/2201.12692.pdf


この写真から。

MOの場合、逐次サンプリングは認められない。ランダムサンプリングのみである。

 
СанСаныч Фоменко #:

この写真から

逐次的サンプリングはーMOのーではー、ー無作為サンプリングのみーはー許容されない。

Maxim Dmitrievsky#:
異なる方法を比較した論文。ビデオと本に加えて。他の論文への参照も多い。
これは統計学のセクションにもMOEの本にも載っていない。メトリクスのークにークにー。独立している。
One of the researchers (who came up with double machine learning, in 2018 I think) is our emigrant Chernozhukov.彼の研究は英語でもある。プラドもそこからメタモデルを採用したらしい。しかし、非常に表面的だ。

https://arxiv.or g/pdf/2201.12692.pdf


素晴らしい記事だ！

ー私がークールのークラス分類のークラス分類のークラス分類のークラス分類のークラス分類のークラス分類のークラス分類のークラス分類のークラス分類のークラスそして、私がまだ理解していない他のことについても。

 
СанСаныч Фоменко #:

素晴らしい記事だ！

私が理解したアプリケーションでは、分類の結果は元データの質だけでなく、トレーニングセットと評価セットの作り方にも依存します。そして、私がまだ理解していない他のことについても。

へへ。このVIDEOの前にもっと多くのVIDEOを見ると、イメージがはっきりするかもしれない。ポイントは、データの中から、特徴量Wの値のベクトルを持つサンプルをXとします。マーケティングでは、これらはユーザーの例である。あるユーザーのサンプルは広告キャンペーンによって影響を受けるが、他のユーザーは広告キャンペーンの予算を使う価値がない。

私はTCの文脈でこのように理解しています。

 
Maxim Dmitrievsky #:

へへへ。この前のVIDEOをもっと見てください。重要なのは、データの中から、特徴量Wの値のベクトルを持つサンプルをXとします。マーケティングでは、これらはユーザーの例である。ーある広告キャンペーンをーによってーあるユーザーサンプルはーにーある広告キャンペーンにーにーあるユーザーサンプルにーにーにーあるユーザーサンプルのーにーにー広告キャンペーンにーにーにー予算をーにーあるユーザーサンプルー

私はTCの文脈でこのように理解しています。

さんのータさんのータさんのータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータータサンプルの選択はありません。我々はX-learnerを推奨する。

ーX-learner をー をーX-learnerはー、ーまずーまずーまずーまずーまずー最初にーまずーまずー2ー(ーx, 1)とー(ーx, 0)ーξ 1 i とーξ 0 i ）のーξ 1 i のーξ 0 i のーξ 0 i のーξ 0 i のーインプットされた効果は，次に，処理標本τ (x, 1)，コントロール標本τ (x, 0)それぞれの治療効果を推定するための擬似アウトカムとして使用される．ー最終的なーCATEのー推定値τ (ーx)はー最終的なーCATEのー推定値τ (ーx)はーx)はー)はーこれら治療効果推定ー推定値e(ーx)のー)のー)のー)をー)する。したがって、X-learnerは、さらに被治療者の情報を使ってコントロールについて学習し、その逆は交差回帰のスタイルで学習する。

良い」選択のようなものはない。

1...306730683069307030713072307330743075307630773078307930803081...3399
新しいコメント
理由: