في كل من العلوم البيولوجية والمالية، واحدة من التحديات الأكثر استمرارًا هو إثارة التوازن المناسب بين تعقيدات النماذج وواقعية التوقعات. في العلوم البيولوجية، يحدث التوازن المنخفض عندما تعلم النماذج ليس فقط النماذج الأساسية الحقيقية في البيانات التدريبية ولكن أيضًا الضوء - مما يؤدي إلى التوازن المنخفض على البيانات الجديدة غير المرئية. ما هو التكلفة؟ في علم البيانات، تتطور التكلفة خلال عملية بناء النماذج.ما هو النماذج المعقدة للغاية - مثل النماذج التي لديها الكثير من المعايير أو النماذج التي تحاول تسجيل كل تغيرات دقيقة في مجموعة التدريب - ينبغي أن تنسى البيانات بدلاً من التعرف على الإشارة الأساسية عندما تكون النماذج متكاملة، قد تبدو رائعة على البيانات التاريخية، ولكن أداءها المتوقعة تتراجع عند تطبيقها على مجموعات البيانات الجديدة. في التجارة المالية ، فإن مفهومها هو مماثلة. تداول الخيارات الثنائية في كثير من الأحيان اختبار استراتيجيات مع بيانات الأسعار التاريخية ، وتصميم القواعد ، والتعديلات لتخفيف العائدات العالية.إذا تم تحسين الاستراتيجية بشكل كبير من أجل الخصائص من حركات الأسعار السابقة ، فقد لا يتم التكيف مع التغيرات في السوق المستقبلية.ستراتيجية التي عملت بشكل غير عادي على البيانات التاريخية يمكن أن تفشل عندما يحدث تغييرات صغيرة حتى في ديناميات السوق. لماذا التغلب على المشاكل على التجار إن التكلفة الكبيرة هي مكلفة بشكل خاص في التداول لأن الأسواق المالية غريبة وغير قابلة للتنبؤ، وتؤثر على العوامل غير المتوقعة خارج نطاق العملية السعرية التاريخية.إلا أن بعض البيئات المختصة حيث لا يزال نموذج البيانات مستقرًا بشكل متزايد في الوقت الحالي، تتطور الأسواق استجابة لتغيرات اقتصادية، الأحداث الجيوسياسية، والتغيرات في سلوك التاجر. على سبيل المثال، تخيل متداول يُصنع نظامًا استنادًا إلى ويبدو أن هذا يرتبط بالحركات السعرية خلال الفترة المنصوص عليها.إلا أن الاستراتيجية قد تخطط لمثل هذه الحالات لخلق إشارات موثوقة.مشكلة مماثلة تحدث مع اعتماد على المؤشرات المعقدة مثل على الرغم من أن المؤشرات المتقدمة يمكن أن تعزز إطار الاستراتيجيات، إلا أن تركيز القواعد والحدود بشكل كبير للتوافق مع الأداء التاريخي يزيد من خطر التكلفة، مما يجعله استراتيجيًا ضعيفًا عند تغيير الظروف. خرائط الخرائط Xhmaster نموذج مؤشر خرائط الخرائط Xhmaster نموذج مؤشر درس من علوم البيانات تقدم العلوم البيولوجية نهجًا متكاملًا لتقليل التكلفة العالية، وتتجسد هذه الدروس بشكل جيد في التداول. 1 - تقسيم بياناتك في التعلم الآلي، يتم تقسيم مجموعات البيانات في كثير من الأحيان إلى مجموعات تدريبية ومختبرية. يتم تدريب نموذج على النموذج السابق وتقييمه على النموذج الأخير لتقييم التقسيم. يمكن للمتداولين اتخاذ نظرًا مماثلًا عن طريق تقسيم البيانات إلى أوقات في النموذج وأوقات خارج النموذج. قد يتم تطوير استراتيجية باستخدام البيانات من إطار زمني واحد، ثم اختبارًا صارمًا على آخر، لضمان عدم تكرارها إلى فترة معينة. 2 ـ التعديل في علم البيانات، تقنيات التعديل تعويض النماذج المعقدة للغاية من أجل منعها من التوافق بشكل شديد على الصوت. يمكن للمتداولين تطبيق مبادئ مماثلة من خلال ترقية قواعد استراتيجية بسيطة أكثر من مجموعات معقدة للغاية. يمكن أن تتحسن مع قواعد الدخول والخروج المضطربة التي عملت فقط في ظروف السوق السابقة. Candlestick نموذج Candlestick نموذج 3 - التقييم المباشر ويستخدم التقييم المزدوج لتقييم أداء النماذج بشكل أكثر صرامة. يمكن للمتداولين التعبير عن هذا عن طريق اختبار استراتيجياتهم على أسواق مختلفة أو الأدوات أو إطار الزمن.إذا عملت استراتيجية بشكل قوي على مختلف الظروف، فإنها أقل احتمالاً أن تكون غير مناسبة.إذا كانت ضعفات تظهر في العديد من السيناريوهات، فهذه علامة على أن الاستراتيجية قد تكون متكاملة للغاية. 4 - تجنب الإزعاج يتعلق التصحيح بالتركيز على نموذج بحيث يتوافق قليلاً مع البيانات التاريخية. غالباً ما يتوافق التاجر عند تعديل النماذج الاستراتيجية لتحقيق نتائج أفضل. هذا يمكن أن يخلق شعور خاطئ من الثقة. بدلاً من تعديل النماذج باستمرار حتى تبدو النماذج مثالية، ينبغي على التاجر تركيز القواعد المنطقية والمعقدة النظرية، حتى لو أنها تنتج أداء متواضع ولكن مستقر. دور الضوضاء في البيانات المالية البيانات المالية هي غريبة بشكل طبيعي. تغيرات الأسعار العشوائية غالبًا ما تحول إلى إشارات حقيقية. في علم البيانات، يمكن أن يؤدي الغضب إلى إخفاء النماذج ما لم يتم مسحها أو تقييمها. أيضا، يجب على التجار أن يدركوا أن العديد من الأنماط المفاجئة يمكن أن تكون أداة من الغضب. يتطلب نهجًا قويًا تمييز بين الغضب العشوائي والاتجاهات المعقدة. يبدو أن نموذجًا مثل الرأس والملابس، والأثرياء، أو الأسماء يمكن أن تبدو مثيرة للجدل، ولكن ليس كلها تحمل قوة التنبؤ. التفكير الإيجابي الإيجابي يجب على المتداولين اتخاذ تفكير احتمالي. كما يفهم علماء البيانات أن التوقعات غير متوقعة بشكل طبيعي، يجب على المتداولين التعامل مع كل إشارة استراتيجية كإشارة احتمالية بدلاً من تحديدية. قد يظهر إعداد التجارة احتمالاً أعلى من الفوز، ولكن لا يتم ضمان النجاح أبداً. النتيجة قد يؤدي تكلفة التكلفة في التداول إلى استراتيجيات تظهر رائعة في النهاية ولكن تعمل صعوبة في الأسواق الحية. من خلال التفكير في علوم البيانات - مثل الحفاظ على بيانات التكلفة، وتوسيع التصميم، تجنب التكلفة، وإزالة التفكير الإيجابي - يمكن للمتداولين بناء أنظمة أكثر استقرارًا. التعرف على أن الأسواق المالية معقدة، غريبة، وتغيير مستمر هو الخطوة الأولى نحو تجنب مخاوف التكلفة. مع تصميم ملموس والتكلفة التخصصية، يمكن للمتداولين التحكم في الأسواق مع استراتيجيات التي تعمل ليس فقط في التاريخ ولكن بشكل مستدام في المستقبل. 
 
 تم توزيع هذه القصة كإصدار من قبل جون Stojan تحت برنامج HackerNoon Business Blogging. تم توزيع هذه القصة كإصدار من قبل جون Stojan تحت برنامج HackerNoon Business Blogging.

This story contains new, firsthand information uncovered by the writer.

تم إنتاج هذا الصوت باللغة الأصلية للقصة!

تكلفة التكلفة: الدروس التي يمكن للتجار التعلم من علوم البيانات

About Author

تعليقات

شنق العلامات

تم تقديم هذه المقالة في

Related Stories

Top iOS & iPhone Mobile App Development Companies

Cappasity -Turning dreams into Augmented reality

How can AR, IoT, Blockchain and Chatbots redefine Customer Experience

Top Industries Which Can Benefit From Augmented Reality App Development

Top iOS & iPhone Mobile App Development Companies

Cappasity -Turning dreams into Augmented reality

How can AR, IoT, Blockchain and Chatbots redefine Customer Experience

Top Industries Which Can Benefit From Augmented Reality App Development

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps