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 3396

 
ONNXはモデルを移籍させるためのもので、市場で働く人のためのものではない(これは嬉しいボーナスだ)。また、競争に参加したい場合は、言葉ではなく、いわば行動で自分の才能を示すために、競争を発表した。だから、それを使用するために多くの人々を持っている必要があり、そうでなければ誰が競争します。

コンペティションの後には、通常、キャグルのような実際の有益な情報がたくさんある。何が、どこで、なぜ、何がうまくいって、何がうまくいかないのか。
 

皆さんこんにちは!

サンプル時系列から新しい合成時系列を生成する方法はありますか?

どなたか教えてください。)

 
alcoloid #:



サンプル時系列から新しい合成時系列を生成する方法はありますか?

どなたかご存知の方がいらっしゃいましたら教えてください。)

どのような特徴が一致すればよいのでしょうか?
 
alcoloid #:



サンプル時系列から新しい合成時系列を生成する方法はありますか?

どなたか教えてください。)

もし子孫の時系列があれば、あなたの合成時系列はその子孫の時系列のコピーです。

まず、その出来事の意味を考え、要点をつかむべきである。

と、やはり元のシリーズをコピーする機能が出てくる。

ここには100%、新しいバイクはない。
 

おいしそうなものがありそうだ - googlesはkozulを校正にリンクした。

https://github.com/google/empirical_calibration?tab=readme-ov-file

GitHub - google/empirical_calibration
GitHub - google/empirical_calibration
  • google
  • github.com
Contribute to google/empirical_calibration development by creating an account on GitHub.
 

ソッドバスター




 
Maxim Dmitrievsky #:
https:// www.cambridge.org/core/elements/causal-factor-investing/9AFE270D7099B787B8FD4F4CBADE0C6E?utm_source=hootsuite&utm_medium=twitter&utm_campaign=Elements_Economics_October_IOC

理論的な難点はあるが、多くのことを明確にし、順序立てている。

実用的な観点からは、本当の連想リンクと見かけのリンク(安定したものと不安定なもの)を分けることの方が、我々にとって重要だと思う。

 
Aleksey Nikolayev #:

全体的には悪くない文章で、理論的な引っかかりはあるものの、多くのことを明確にし、整理している。

実用的な観点からは、本当の連想リンクと見かけのリンク(安定したものと不安定なもの)を分ける作業の方が、我々にとってより適切だと思う。

ますます、彼は経営者ではなく、ただ学生に教えているだけのように思えてきたよ。)話題のMOトピックを取り上げ、トレーディングの最新動向として紹介する。
 
Maxim Dmitrievsky #:
彼は経営者ではなく、生徒に教えているようにしか見えなくなってきたよ。)彼はホットなMOトピックを取り上げ、それをトレーディングの最新の成果として紹介している。
ファンドが合法的に彼の特許の一部を使用できるように、彼がクールなファンドのマネージャーだったという主張がどこかにあった(ごく短期間だが)。そのような買収の具体的な利益(クールなアルゴリズムやPR)についての疑問は、そこでは議論されなかった。
理由: