Если есть какие-либо несоответствия в данных, то программа ломается и не производит никаких прогнозов (кроме произвольный один другими словами, это всегда производит что-то). Это может быть параллельно в любой учебной ситуации, где нарушение или несоответствие в среде стремится ухудшить процесс обучения или даже остановить его совсем. Это подводит нас к чему я верю, является центральной проблемой в инвестиционной и портфельных анализа-выбор дескрипторов переменных.
Другими словами, какие переменные объяснить движение цен на акции в? Это, конечно, приводит нас обратно к расколу между построения модели, а затем манипулировать его, как указано в обзоре. Многие из подходов, принятых ранее, как правило, сосредоточиться на штампа фазе манипуляции и оставить первый этап, модель здания, как неявный ссылки. Это также отражает отсутствие согласия по работоспособной теории процедур фондового рынка и производительности.
Тем не менее, много работы было сделано с помощью статистических методов на анализе корреляции между долей-цен и различных заранее выбранных переменных (особенно Рейнер и мало (1966)). Все - это произведение, кажется, чтобы оставить центральную проблему untouched-, полезная модель, как далеко, как никогда. Ответ, я чувствую, не в применении одного подхода жестко, но при помощи комбинации многих методов, используемых в других областях.
Выделение признаков и когнитивный подход в целом, кажется, предлагают много больше возможностей, чем другие методы в предоставлении понимание предмета инвестиций в целом. Проблема построения полезную модель была подходить с монета в виду. Предполагается, что данные для МОНЕТЫ можно манипулировать с помощью комбинаторной логики метода (модификация булевой алгебры) таким образом, что производительность монеты становится оптимальным, он не будет почти наверняка не будет совершенным. Выраженное успех был достигнут с помощью этого метода, уровень успеха идет вверх от 35% до максимум сих пор 70%.
Таким образом