신경망은 주가 지수를 분석하고 궤적을 식별하며 확실한 상승 추세를 예측합니다. 그러면 시장이 붕괴되고 모델은 이를 완전히 놓치게 됩니다. 아키텍처가 너무 단순해서가 아닙니다. 훈련 데이터가 너무 작아서가 아닙니다. 애초에 배우라는 신호가 없었으니까요. 이 비디오에서는 예측할 수 있는 데이터와 예측할 수 없는 데이터 사이의 수학적 경계를 분석하고, 가장 정교한 딥 러닝 모델이 차이를 구분할 수 없을 때 실패하는 이유를 설명합니다. 배우게 될 내용: 0:00 — 딥 러닝이 자신있게 잘못된 것을 예측하는 이유 0:53 — 백색 잡음: 순수한 무작위성에 대한 수학적 기준 1:55 — 술고래의 산책과 금융 데이터가 자체적으로 구축되는 메모리를 갖는 이유 2:43 — 인간 심리학과 기계 학습 알고리즘을 모두 속이는 시각적 환상 3:12 — 무작위 보행으로 신경망을 훈련할 때 실제로 일어나는 일 3:45 — 효율적 시장 가설과 유진 파마의 프레임워크 4:25 — 순진한 예측이 고효율 시스템에서 복잡한 모델을 능가하는 이유 4:49 — 노이즈와 추세가 실제로 얼마나 유사한지 증명하는 Python의 세 줄 6:07 — 구조적 경계는 아무리 최적화해도 저장소의 전체 Python 스크립트를 넘을 수 없습니다. 자신의 컴퓨터에서 백색 소음과 무작위 보행 시뮬레이션을 실행해 보세요. 코드 저장소: https://github.com/NiketGirdhar22/time-series 이전 비디오: Stationarity 및 ADF 테스트: https://youtu.be/RmWrGKMWVgE?si=jb3MHdy1AUHddXfY 전체 시리즈 재생 목록: https://youtube.com/playlist?list=PLguYZSl_jixxmzPOCNSisBAwyTAvobU3d&si=mWewadYWzOii_IyH 참고 자료 Fama, EF(1970) — 효율적인 자본 시장: 이론 및 실증적 증거 예측 검토: 원리 및 실제 — Hyndman 및 Athanasopoulos NumPy 무작위 및 누적 문서: numpy.org 투명성 참고 사항 이 비디오는 스크립트 구조화, 내레이션 및 비주얼을 위해 AI 지원 도구를 사용하여 제작되었습니다. 아이디어, 편집 방향, 학습 프레임워크는 우리 자신의 것입니다. AI는 그 뒤에 있는 사고 방식이 아닌 생산 계층으로 사용되었습니다. 우리 프로세스에 대한 질문은 댓글로 환영합니다. #timeseries #datascience #python #machinelearning #randomwalk #whitenoise #forecasting #efficientmarkets #neuralnetworks #deeplearning #stockmarket #dataanalytic #learnpython
