Ив Хилпиш Предсказуемы ли финансовые рынки Перспектива машинного обучения

YOUTUBE · 01.12.2025 03:21

Ключевые темы и таймкоды

Введение

0:04

Приветствие и представление темы: предсказуемость финансовых рынков и перспективы машинного обучения.

Определение предсказуемости

4:28

Определение предсказуемости как способности предсказывать будущее направление изменения цены финансового инструмента.
Обсуждение важности эффективных рынков и случайного блуждания.

Марковские процессы и распознавание образов

7:17

Марковские процессы и их связь с эффективными рынками.
Обсуждение использования машинного обучения и контролируемого обучения для прогнозирования изменения направления цены.

Оценка вероятности

11:05

Оценка вероятности изменения направления цены на основе исторических данных.
Обсуждение условных вероятностей и их использования в алгоритмах машинного обучения.

Введение

11:43

В видео обсуждается проблема классификации бинарных опционов и машинного обучения.
Точность является мерой предсказуемости и может быть определена как количество правильных предсказаний по сравнению с общим количеством предсказаний.

Примеры и результаты

16:10

В видео демонстрируется пример с использованием евродоллара и различных стратегий торговли.
Случайная стратегия показывает лучшие результаты, чем длинная или короткая стратегия.
Если бы у нас был искусственный финансовый интеллект с точностью 90%, мы могли бы стать богатыми.

Заключение

20:08

Видео подчеркивает важность достижения высокой точности в прогнозировании финансовых рынков.
Люди придумывают различные методы прогнозирования, но главное - предсказать будущее направление движения рынка с высокой точностью.

Стиллен и корреляция

27:00

Автор обсуждает корреляцию между различными инструментами и рынками, включая корреляцию между волатильностью и индексом волатильности.
Он отмечает, что корреляция может быть использована для прогнозирования движения рынка, но не всегда работает.

Введение

32:16

Видео начинается с обсуждения эффективности финансовых рынков и использования викс в качестве опережающего индикатора.
Затем автор переходит к истории финансов, начиная с древнего периода, когда люди формировали свое мнение на основе газетных статей и других источников, и заканчивая современным периодом, характеризующимся использованием компьютеров и достижений в области финансов.

Искусственный интеллект и финансовые рынки

36:40

Автор обсуждает использование искусственного интеллекта в финансах, включая применение машинного обучения и нейронных сетей для прогнозирования рынков.
Он также упоминает, что для получения экономической прибыли необходимо использовать инструменты, такие как торговые стратегии и инвестиционные стратегии.

Эффективные рынки и пассивное инвестирование

40:19

Автор обсуждает, что если рынки эффективны, то активные менеджеры могут видеть ухудшение своих показателей по мере роста пассивных инвестиций.
Он также предлагает использовать пассивное инвестирование как способ управления своими деньгами, если рынки считаются эффективными.

Введение

41:00

В видео обсуждается проблема предсказуемости финансовых рынков и их зависимость от математических моделей.
Автор утверждает, что финансовые рынки не являются настолько эффективными, как предполагают математические модели.

Математические модели и их недостатки

42:00

Автор критикует математические модели, используемые в финансах, такие как модель ценообразования на капитальные активы (CAPM).
Он утверждает, что эти модели не всегда хорошо предсказывают реальность и могут быть неэффективными.

Необоснованная эффективность данных

50:00

Автор предлагает использовать необоснованную эффективность данных вместо математических моделей.
Он утверждает, что использование больших объемов данных и искусственного интеллекта может помочь в прогнозировании финансовых рынков.

Применение машинного обучения

53:10

Автор использует машинное обучение для прогнозирования финансовых рынков, используя данные и модели.
Он демонстрирует, как можно использовать частотный подход для оценки вероятности движения рынка вверх или вниз.

Примеры использования машинного обучения в финансах

53:18

В видео представлены примеры использования машинного обучения для прогнозирования цен на финансовых рынках, включая использование классификаторов дерева решений, машин опорных векторов и многослойных классификаторов персептронов.

Обсуждение возможностей и ограничений машинного обучения в финансах

1:00:00

В видео обсуждаются возможности и ограничения машинного обучения в финансах, включая сложность прогнозирования цен на финансовых рынках и необходимость использования динамических структур машинного обучения.
Также обсуждаются различные подходы к использованию машинного обучения в финансах, включая использование различных индикаторов и функций.

Заключение и обсуждение сетевых групп

1:07:20

В видео предлагается обсудить вопросы и задать вопросы, а также поделиться ссылками на материалы и присоединиться к сетевым группам.