¿Puede el aprendizaje profundo ser usado para cuantificar transacciones?

¿Puede el aprendizaje profundo ser usado para cuantificar transacciones?

• Sí, pero no juegues con las predicciones (excepto las transacciones de alta frecuencia).

  He visto muchos artículos, publicaciones, o brokers, sobre el aprendizaje profundo basado en indicadores históricos como entrada, utilizando redes como LSTM para predecir las ganancias futuras de las acciones, futuros, y corresponderlas a estrategias comerciales.

  No se trata de la falta de fiabilidad de las nuevas tecnologías para predecir los precios de los activos, como las acciones, pero primero se debe entender por qué se puede predecir el futuro con solo unas cuantas entradas. Esta hipótesis basada en datos históricos es muy fuerte, y con una hipótesis muy fuerte, el resultado de una caja negra en una carrera con una probabilidad de triunfo difícilmente convincente es difícil de convencer. Es por eso que algoritmos como los árboles de decisión se utilizan un poco más en aplicaciones financieras.

  Entonces, ¿cómo se aplica esta nueva tecnología tan buena? El aprendizaje profundo es adecuado para la clasificación de imágenes, la clave es que haya una relación de dimensión de datos estable entre las imágenes y los nombres, que es más compleja que la relación, pero la relación es estable. Y las secuencias financieras son diferentes, y la lógica de los datos históricos para predecir el futuro es inestable, por lo que los resultados con esta herramienta compleja solo son más confusos.

Transcrito por el transcambio de cantidad de Zenon