Probabilistisches maschinelles Lernen für Finanzen und Investieren

Kapitel 7. Probabilistisches maschinelles Lernen mit generativen Ensembles

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

Suche nicht nach der Nadel im Heuhaufen. Kaufe einfach den Heuhaufen!

- John Bogle, Erfinder des Indexfonds und Gründer der Vanguard Group

Die meisten von uns wussten wahrscheinlich nicht, dass wir in der Schule einen der leistungsfähigsten und robustesten ML-Algorithmen lernten, als wir die Linie der besten Anpassung an eine Streuung von Datenpunkten finden sollten. Der Algorithmus der gewöhnlichen kleinsten Quadrate (OLS), der zur Schätzung der Parameter von linearen Regressionsmodellen verwendet wird, wurde vor mehr als zweihundert Jahren von Adrien-Marie Legendre und Carl Gauß entwickelt. Diese Art von Modellen hat die längste Geschichte und gilt als Basis für maschinelle Lernmodelle im Allgemeinen. Lineare Regressions- und Klassifikationsmodelle gelten als die grundlegendsten künstlichen neuronalen Netze. Aus diesem Grund gelten lineare Modelle als die "Mutter aller parametrischen Modelle".

Lineare Regressionsmodelle spielen eine zentrale Rolle in der modernen Finanzpraxis, in der Wissenschaft und in der Forschung. Die beiden grundlegenden Modelle der Finanztheorie sind lineare Regressionsmodelle: Das Capital Asset Pricing Model (CAPM) ist ein einfaches lineares Regressionsmodell, und das Modell der Arbitrage Pricing Theory (APT) ist ein multiples Regressionsmodell. ...