No sé mucho sobre finanzas, pero tengo una buena experiencia en procesamiento de señales y filtrado de Kalman de cursos y lectura de literatura sobre robótica. También tengo experiencia en análisis de datos.
No estoy realmente seguro de qué nivel de día es, pero la primera pregunta que haría es si sabes qué es un filtro de Kalman.
Un tratamiento realmente excelente del filtro de Kalman y el trasfondo matemático se encuentra en el libro Probabilistic Robotics de Sebastian Thrun. Su aplicación es obviamente robótica, pero puede extenderse a otras aplicaciones.
- ¿Qué es la regresión no lineal vs regresión lineal?
- ¿Por qué el error cuadrático medio es equivalente a minimizar la entropía cruzada entre la distribución empírica y un modelo gaussiano?
- ¿Qué se usa en autos sin conductor, aprendizaje automático o aprendizaje profundo?
- ¿Cuál es la segunda generación de redes neuronales?
- ¿Qué hace el -1 en la siguiente línea del código TensorFlow x_image = tf.reshape (x, [-1,28,28,1])?
Aquí hay algo que busqué en Google también, y se ve bastante decente después de una descremada:
El filtro de Kalman para series de tiempo financieras
Un filtro de Kalman es realmente útil cuando necesita estimar el estado de algo, pero no puede medirlo directamente. Que yo sepa, generalmente se usa para estimar algo que cambia de estado con el tiempo. Por lo tanto, su estructura es un modelo oculto de Markov. Por lo tanto, es útil en robótica porque un robot debe medir indirectamente su entorno con sensores, por lo que su visión del mundo siempre es ruidosa.
Un filtro de Kalman también tiene una serie de supuestos (variables aleatorias gaussianas, linealidad, supuestos de Markov, etc.) que debe tener en cuenta.
No estoy seguro de si es aplicable a su objetivo de predecir ventas en el próximo año según la información de ventas anterior. Eso suena como una tarea que podría lograrse mediante algo como la regresión lineal. Existen potentes herramientas estadísticas que puede utilizar para verificar la precisión de su modelo estadístico, incluso si no tiene miles de puntos de datos, y puede tener en cuenta múltiples características (precio, clima, etc.). Un gran recurso es una introducción al aprendizaje estadístico por Hastie et. Alabama.
¡Espero que esto haya ayudado a algunos!
