পরিমাণগত ট্রেডিংয়ের জন্য কি গভীর শিক্ষা ব্যবহার করা যেতে পারে?

• ### (হাই-ফ্রিকোয়েন্সি লেনদেন ছাড়া)

আমি অনেক নিবন্ধ দেখেছি, পাবলিক নম্বর, বা ব্রোকাররা লিখেছে যে গভীর শিক্ষার মাধ্যমে ঐতিহাসিক সূচককে ইনপুট হিসেবে ব্যবহার করা হয়, এলএসটিএম এর মত নেটওয়ার্ক ব্যবহার করে ভবিষ্যতে শেয়ার, ফিউচার রিটার্নের পূর্বাভাস দেওয়া হয়, এবং সেই অনুযায়ী ট্রেডিং কৌশল তৈরি করা হয়। আমি এই পদ্ধতিটি মূলত চেষ্টা করেছি এবং ফলাফল খারাপ হয়েছে। এবং আউটপুটটি মুভিং এভারেজের বহিরাগত ফলাফলের দিকে ঝুঁকছে, এটি আকর্ষণীয়।

নতুন প্রযুক্তির সাহায্যে শেয়ার বা অন্যান্য সম্পদের দামের পূর্বাভাস দেওয়া যে কতটা নির্ভরযোগ্য তা নিয়ে আলোচনা করার সময় নেই, তবে প্রথমে আমরা আপনাকে জিজ্ঞাসা করতে চাই যে কেন আমরা কেবলমাত্র কয়েকটি ইনপুট দিয়ে ভবিষ্যতের পূর্বাভাস দিতে পারি? এই ঐতিহাসিক তথ্যের উপর ভিত্তি করে ভবিষ্যতের পূর্বাভাস দেওয়ার এই অনুমানটি শক্তিশালী, একটি শক্তিশালী অনুমানের অধীনে, একটি কালো বাক্স ব্যবহার করে একটি বিজয়ী ফলাফলের অল্প অল্প ফলাফলের পরে, এটি কিছুটা দুর্বল। এটি রিয়েল-স্টোরে ব্যবহারের জন্য প্ররোচিত করা কঠিন। এই কারণেই সিদ্ধান্ত গাছের মতো অ্যালগরিদমগুলি আর্থিক ক্ষেত্রে কিছুটা বেশি প্রয়োগ করা হয়।

তাহলে এত ভাল নতুন প্রযুক্তি কীভাবে প্রয়োগ করা যায়? গভীর শিক্ষার জন্য চিত্র শ্রেণিবদ্ধকরণ উপযুক্ত, কী বা চিত্র এবং নামের মধ্যে একটি স্থিতিশীল ডেটা মাত্রিক সম্পর্ক রয়েছে, এই সম্পর্কটি কতটা জটিল তা ভয়ঙ্কর নয়, তবে সম্পর্কটি স্থিতিশীল। এবং আর্থিক ক্রমটি আলাদা, historicalতিহাসিক ডেটা ভবিষ্যতের ভবিষ্যদ্বাণী করার যুক্তি নিজেই অস্থির, এই জটিল সরঞ্জামগুলির ফলাফল কেবল আরও বিভ্রান্তিকর হবে। তবে প্রকৃতপক্ষে গভীর শিক্ষার দ্বিতীয় স্তরের বাজারে পরিমাণগত লেনদেনের জন্য বিশেষভাবে উপযুক্ত অ্যাপ্লিকেশন রয়েছে, আমি কী বলতে পারি না, এই অ্যাপ্লিকেশনটির বৈশিষ্ট্য অবশ্যই স্থিতিশীল সম্পর্ক।

সিনো কোয়ান্টাম ট্রেডিং থেকে পুনর্নির্দেশিত