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 3218

[fxsaber]

СанСаныч Фоменко #:

繰り返しになるが、GARCHは、あらゆるプロフェッショナル・オフィスにおいて、何兆ドルにも相当する世界のトレーディングの基盤となっている理論である。

その情報はどこから来るのか？そしてなぜそれを信じるのか？どうか、権威のないところに行きましょう。あなたの認識を、少なくとも最低限の疑問の対象にしてください。

[Valeriy Yastremskiy]

Maxim Dmitrievsky #:

GMMや他の生成モデルに直面する高度なリサンプリングは、その仕事をうまくこなす。

私はオリジナルの特徴量から合成特徴量を取得し、その上でモデルを訓練した。

ルネサンスには、十分なデータがない場合にどのようにデータを生成したかというビデオがある。

[Maxim Dmitrievsky]

Valeriy Yastremskiy #:

ルネサンスには、もしデータが十分でなければ、どのようにデータを作成したかについてのビデオがある。

どこで

[Valeriy Yastremskiy]

Maxim Dmitrievsky #:
どこ

https://www.youtube.com/watch?v=K10PVDm0LVw

これが最後ですが、上のもいいですね、ちょっと感想)))))

こちら))

[Maxim Dmitrievsky]

Valeriy Yastremskiy #:

https://www.youtube.com/watch?v=K10PVDm0LVw

これは最後のものですが、上のものも素敵です。）

こちら))

さて、モンテカルロです。

[Valeriy Yastremskiy]

Maxim Dmitrievsky #:

モンテカルロだよ

90年代後半のようだ)。

列をとってノイズを入れる。）

ノイズを除去して数学的モデルを作成し、別のノイズを入れる。

タスクがほぼ同じ系列を得ることであるならば、他にどんなアイデアがあるだろうか。）

[mytarmailS]

トレードのシミュレーションでは、2つの方法があると思う。

1.データに関連してTSを修正することができる。

2.TSに対してデータを修正する。

原理的には、この2つを組み合わせることを妨げるものは何もない。

デ・プラドは再トレーニングに関する論文で最初の方法を選び、セイバーは2番目の方法を選んだ。

私は、まずこの2つの方法を比較し、最適な方を選び、それから特定の実装の詳細を掘り下げることを提案したい。

TSのパラメータは客観的なものであるため、最初の方法の方が正しいように思えるが、価格シミュレーションの問題には不確定要素が多い。

[Valeriy Yastremskiy]

mytarmailS #:
貿易シミュレーションでは、2つの方法があると思う。

1.データに関連してTSを修正することができる。

2.TSに対してデータを修正できる。

原則として、合併を妨げるものは何もない。

はははフエンドのフエイプラド監督はははフエイプラド。

、、のフエンドのフエイプのフエイプセーバーはフエイプセーバーはフエイプセーバーのフエイプセーバーのフエイプセーバー

、するのであれば、、、、、、ー最初の、ー最初のー、ー最初のー最初のー

十分なデータがないときにデータを変更するのは大変な作業です。また、TSの運用をより完全に理解するためにも。その上、ストレステストには特定のデータが必要だが、手元にないかもしれない。

[mytarmailS]

Valeriy Yastremskiy #:

データが足りないときにデータを変更する作業である。また、TCの運営をより完全に理解するためにも。それに、ストレステストには特定のデータが必要だが、それが手元にない場合もある。

私たちはデータが足りなくても問題はありません

[СанСаныч Фоменко]

mytarmailS #:
データ不足の問題はない

アリマ・パラメーターを モデル化するarima.simが あります。

他の関数については思いつきません。他に何かご存知ですか？MO関数の場合は？Rのパッケージに入っていないのであれば、このようなことをする必要はありませんが、入っているのであれば、既製品でも可能です。