Deep Learning für Finanzen

Kapitel 7. Modelle des maschinellen Lernens für Zeitreihenvorhersagen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Maschinelles Lernen ist ein Teilbereich der KI, der sich mit der Entwicklung von Algorithmen und Modellen beschäftigt, die es Computern ermöglichen, zu lernen und Vorhersagen oder Entscheidungen zu treffen, ohne explizit programmiert zu werden. Maschinelles Lernen befasst sich mit dem Entwurf und der Konstruktion von Systemen, die automatisch aus Erfahrungen lernen und sich verbessern können, in der Regel durch die Analyse und Extraktion von Mustern aus großen Datenmengen.

In diesem Kapitel werden die Rahmenbedingungen für den Einsatz von maschinellen Lernmodellen für die Vorhersage von Zeitreihen vorgestellt und eine Auswahl bekannter Algorithmen diskutiert.

Der Rahmen

Der Rahmen ist sehr wichtig, da er den gesamten Forschungsprozess organisiert (von der Datenerhebung bis zur Leistungsbewertung). Ein geeignetes Rahmenwerk sorgt für Harmonie zwischen den Backtests und ermöglicht einen angemessenen Vergleich zwischen verschiedenen maschinellen Lernmodellen. Der Rahmen kann diese chronologischen Schritte beinhalten:

1. Importiere und verarbeite die historischen Daten, die eine ausreichende Anzahl von Werten enthalten müssen, um einen anständigen Backtest und eine Bewertung zu gewährleisten.
2. Der erste Teil der Daten (z. B. von 2000 bis 2020) ist für das Training des Algorithmus reserviert, ...