Future Data Trade Market — зарабатывайте деньги, продавая личные данные Мы живем в век изобилия данных. В ближайшие годы, как личности, мы не будем иметь никакой ценности из-за того, кто мы есть или какова наша личность. Нас будут ценить в наших данных, мы станем «ноликами» и «единицами». Как пользователь «бесплатного контента» социальных сетей, мы генерируем множество ценных данных, мы фактически стали активами компаний. Большинство людей могут использовать бесплатный интернет с..

Кодирование алгоритма случайного леса для прогнозирования дневного направления S&P500 через соотношение пут/колл. Основная идея статьи : мы создадим алгоритм случайного леса, который предсказывает направление отношения пут/колл на завтра. Используя эту информацию, мы попытаемся предсказать завтрашнюю доходность S&P500. Следовательно, мы не будем предсказывать направление фондового рынка, скорее мы попытаемся предсказать направление временного ряда, коррелирующего с S&P500...

Педро Николаси да Кошта , член редакции Института международной экономики Петерсона. Слово глобализация буквально употреблено до смерти. Этот термин много значит для разных людей и настолько запятнан спорами о социальной политике и политике занятости, что стал практически бесполезным. Пора избавиться от этого, если не по существу. Этот термин хорошо зарекомендовал себя и в широком историческом контексте вряд ли является новым явлением. В каком-то смысле человечество тем или иным..

От Мартингейла до машинного обучения, чему я научился в области автоматической торговли как инженер-программист. 4 месяца назад мой друг познакомил меня с автоматическим торговым роботом, который позволяет ему зарабатывать 1% от своих инвестиций каждый день (то есть: вы вкладываете 1000 долларов, вы зарабатываете 10 долларов каждый день на своем торговом счете). В то время это выглядело как жульничество. Чтобы доказать это, я заинтересовался торговлей на рынках в целом, как это..

Каждый раз, когда мы оцениваем предсказательную силу модели, важно понимать связанные с ней ошибки. В машинном обучении ошибка представлена ​​следующим уравнением: Ошибка = смещение² + отклонение + неснижаемая ошибка Чтобы понять каждый термин, нам сначала нужно понять переоснащение и недооценку модели. Переоснащение: когда модель выходит за рамки данных, она следует за данными, и из-за этого она не сможет обобщить невидимые данные. В случае переобучения ошибка обучающего набора..