Публикации по теме 'stock-market'


Nvidia переживает момент «Intel Inside»
И история показывает, что это не будет продолжаться 1990-е были хаотичным и захватывающим периодом в истории компьютеров. Не только Всемирная паутина наконец вышла из лаборатории, но и ПК стали более полезными за пределами рабочего места. Чтобы навести порядок в этом хаосе, Microsoft и Intel создали партнерство Wintel, которое предоставило общую платформу для разработчиков программного обеспечения, улучшило совместимость программного обеспечения и обеспечило относительно предсказуемый..
10 способов, как scikit-learn сделает вашу жизнь лучше
Раскройте мощь «Машинного обучения за 10 простых шагов! Scikit-learn делает науку о данных проще, чем когда-либо — узнайте, как это может сделать вашу жизнь лучше уже сегодня!» Введение Scikit-learn — это мощная библиотека Машинного обучения , которая упрощает разработку и развертывание моделей Машинного обучения . Это одна из самых популярных и широко используемых библиотек языка программирования Python. Он имеет открытый исходный код и обладает обширным набором функций и..
Изучение обнаружения тренда с минутными данными в первые 15 минут каждого дня (часть 4)
В этой четвертой части нашей серии статей об обнаружении тенденций мы рассмотрим применение кластеризации KMeans в качестве метода определения тенденций на финансовых рынках. KMeans — это популярный алгоритм обучения без учителя для кластеризации точек данных в отдельные группы на основе сходства. Мы объясним, как работает KMeans, и, используя базовые методы, попробуем улучшить обнаружение тенденций. Понимание кластеризации KMeans Кластеризация KMeans — это итеративный алгоритм,..
Прогноз цен на акции: раскрытие возможностей машинного обучения
Введение: Задача прогнозирования цен на акции всегда была сложной, поскольку финансовые рынки изменчивы и непредсказуемы. Но с развитием машинного обучения ученые смогли использовать его возможности для изучения огромных объемов прошлых торговых данных и поиска скрытых закономерностей, которые можно использовать для прогнозирования будущей стоимости акций. В этой статье будет рассмотрено использование машинного обучения для прогнозирования цен на акции и рассмотрены несколько моделей..
Приложения машинного обучения (и проблемы)
Финансовая индустрия, кажется, имеет странный способ зацикливаться на тенденциях в течение длительных периодов времени только для того, чтобы отбросить эту тенденцию в пользу новой, а затем вернуться к исходной тенденции через несколько десятилетий. Этот недавний всплеск интереса к большим данным/машинному обучению и их приложениям в сфере финансов можно рассматривать как последнюю волну в долгой истории интереса к количественному статистическому анализу. В конце концов, нейронные сети..
Факторные модели и машинное обучение
Постоянство в моделях контролируемого обучения на основе факторов Гийом Кокере, Journal of Finance and Data Science Аннотация В этой статье мы документально подтверждаем важность памяти в моделях на основе машинного обучения (ML), опирающихся на твердые характеристики для оценки активов. Мы обнаружили, что алгоритмы прогнозирования работают лучше всего, когда они обучаются на длинных выборках с долгосрочными доходами в качестве зависимых переменных. Кроме того, мы сообщаем, что..
Неконтролируемое обучение для обнаружения аномалий в ценообразовании опционов на акции
Ссылка на Github (блокнот + данные). Примечание . Этот пост является частью более широкой работы по прогнозированию цен на акции. Результат (выявленная аномалия) - это функция (вход) в модели LSTM (в архитектуре GAN ) - ссылка на сообщение . 1. Мотивация Оценка опционов - очень сложная задача. Для начала, это влечет за собой использование большого количества точек данных (некоторые из них перечислены ниже), а некоторые из них довольно субъективны (например,..