交易中的机器学习：理论、模型、实践和算法交易 - 页 3106

新评论
 
Aleksey Nikolayev #:

我们大多数人的智力很可能会被人工智能取代）。

是....

但我们还有几年或几个月的时间。）


目前，推出强大的人工智能有两个问题

1.过于贪婪的架构

2.硬件太弱

这本质上是一枚硬币的两面...

但我们正在努力解决第一个问题和第二个问题...


他们并不急于改变架构（神经网络是我们的一切）， 但 他们不得不这样做，但有了快速硬件（量子计算机），一切都会变得更加活跃。

 

这里说的 t 检验有时也适用于异常数据


 
mytarmailS #:

是....

但我们还有几年或几个月的时间）)


到目前为止，推出一个强大的人工智能有两个问题

1.过于贪婪的架构

2.硬件太弱

基本上是一个硬币的两面....

但目前正在努力解决第一个问题和第二个问题....


他们并不急于改变架构（神经网络是我们所拥有的一切）， 但 他们不得不这样做，但他们在快速硬件（量子计算机）方面更为积极。

人工智能的威胁是存在的，但距离模糊，而且只有在我们回答了 "什么是自然智能 "这个问题之后才会出现。到目前为止，我们还没有找到答案。

 
那是很久以前的事了，但与静止性无关。与其说模型是稳定的，不如说：正确地（1）区分了，（2）建立了方差模型（一堆模型），（3）建立了均值模型（ARIMA-AFRIMA），（4）建立了分布模型。简而言之，是否有可能建立非静止模型，这并非事实。从 rugarch 软件包来看，人们对非静止性有大量的细微差别。
 
СанСаныч Фоменко #:
这是很久以前的事了，但与静止性无关。小于 1 表示模型的稳定性，表示：（1）区分正确；（2）方差建模（很多模型）；（3）均值建模（ARIMA-AFRIMA）；（4）分布建模。总之，他们试图建立的模型不是静态模型。

我能看看这些模型的实际应用代码吗？ 还是说，它们只是一些没有实践经验的小册子？

 
这已经是我第二次或第三次来这个主题查看了。什么都没变，只是增加了数千页。不管是第一次还是最后一次。都是一样的。
 
mytarmailS #:

我们能看到这些 Garças 应用的实际代码吗？ 还是说，这只是小册子上的转述，没有一点实践经验。

几年前曾尝试过（2017-2918），但放弃了--太复杂了。评估 rugarch:ugarchspec。此外，参数是相互关联的，这一切都与优化息息相关，稍有不慎，就会造成数小时的模型拟合。我对结果并不满意，但这是我的错，而不是因为模型的曲率。

 
СанСаныч Фоменко #:

1) 几年前（2017-2918）尝试过，但吐了出来--太复杂了。

2) 对结果印象不深，但这是我的错，不是因为模型的曲率。

那你为什么要在这里定期宣传这些垃圾????？


我什么都不想试，我已经试了很多年了....。

我不用试就能知道什么能行，什么不行....。


如果算法将市场视为一个时间序列，那么无论它是随机算法还是称赞的Garch算法，都将立即告别。

对我来说，结果早已注定

 
Dmitry Fedoseev #:
这已经是我第二次或第三次来这个主题查看了。什么都没变，只是增加了数千页。不管是第一次还是最后一次。都是一样的。

机器学习只对静态数据起作用。

要预测未来，简直是无稽之谈。

 
与本主题无关的评论已移至"不可接受的交流方式"。
1...309931003101310231033104310531063107310831093110311131123113...3399
新评论