Recensioni: Il deep learning viene utilizzato nella finanza solo in modi limitati, principalmente nel trading e anche lì le applicazioni sono ristrette e focalizzate su strategie specifiche come il trading ad alta frequenza (HFT). Ci sono anche esempi dell'utilizzo di DL per estrarre segnali come sentiment e titoli di notizie, ma quelli sono solo periferici con poca influenza complessiva sulle strategie finanziarie, sui modelli e sui concetti fondamentali. Altre risposte qui forniscono una buona immagin... di più su questo

Recensioni: L'obiettivo principale dell'analisi dei big data è aiutare le aziende a prendere decisioni aziendali più informate consentendo a DATA Scientist, ai modelli di previsione e ad altri professionisti dell'analisi di analizzare grandi volumi di dati sulle transazioni, nonché altre forme di dati che potrebbero non essere sfruttate dalla business intelligence convenzionale (BI) programmi.Corsi Big Data su IntellipaatCiò potrebbe includere i log del server Web e i dati di Internet Click Stre... di più su questo

Recensioni: Il settore finanziario è ampio e diversi segmenti hanno diversi casi d'uso per l'apprendimento automatico. In generale, c'è meno apprendimento automatico in finanza di quanto possano immaginare gli estranei. Quando ho aderito per la prima volta al settore, mentre il termine "machine learning" non era troppo comune, avevo previsto che ci sarebbero stati un sacco di metodi molto complessi usati per manipolare i dati e fare previsioni. In effetti, la maggior parte dei problemi... di più su questo

Recensioni: Siti web come Kaggle vale la pena cercare brevemente set di dati, nel caso in cui ne trovi uno rilevante per il tuo progetto. Inoltre, la società per cui lavoro, Gengo, ha pubblicato un articolo sul migliori set di dati finanziari a cui potresti essere interessato. Tuttavia, quando usi questi set di dati devi assicurarti che siano completamente pertinenti e utili per la tua IA. Se si tenta di addestrare utilizzando dati con tag non pertinenti, si corre il rischio di problemi con l'algoritmo.... di più su questo

Recensioni: Questo è un caso d'uso piuttosto specifico per cui stai cercando un pacchetto. È come chiedere se R ha un pacchetto per adattare i modelli di regressione a un set di dati molto specifico, che sarà difficile da trovare, almeno su CRAN.Suggerirei di cercare pacchetti come Pagina su r-project.org (TTR) per l'analisi finanziaria (contiene buone implementazioni di indicatori tecnici come VWAP, RSI, ecc.) E Pagina su r-project.org (nnet) per reti neurali. In alternativa, potresti implementare ... di più su questo

Recensioni: Sono un trader professionista e ho spostato miliardi di dollari di azioni attraverso i sistemi di trading elettronico. Lascia che ti dica tre modi in cui ho usato l'apprendimento automatico.Per migliorare quello che già faccio. Quando ho applicato per la prima volta serie analisi dei dati al mio trading ho identificato 36 strategie di trading discrete che ho implementato e gestito numeri su quattro aspetti delle negoziazioni applicate: cosa rischiare, quando trarre profitto, profitto: rappor... di più su questo

Recensioni: A mio avviso, le principali differenze derivano da differenze nei dati. In finanza, i dati sono (molto) rumorosi e spesso non stazionari. I "segnali" non possono essere divisi dal "rumore" in alcun modo unico, per principio. Questo è molto diverso, per esempio, dall'elaborazione delle immagini, in cui il livello di rumore può essere controllato, almeno in linea di principio. Inoltre, la nozione di dati non stazionari è inesistente per l'elaborazione delle immagini. A ... di più su questo