Toutefois, cela a été constaté ne pas être le cas et la conclusion est que le temps d'apprentissage dépend plus de la complexité de l'histoire étant décrit à la valeur de A. A est fixé en permanence au 100. COIN-performance et problèmes Le succès ou l'échec de pièce dépend très fortement de la forme des données avec lesquelles elle est présentée. Si il ya des incohérences dans les données, puis le programme se décompose et ne produit pas de prédiction (autre qu'un arbitraire, en d'autres termes, il produit toujours quelque chose).
Cela peut être mis en parallèle dans toute situation d'apprentissage où une perturbation ou d'incohérence dans l'environnement tend à dégrader le processus d'apprentissage ou même arrêter complètement. Cela nous amène à ce que je crois est le problème central de l'investissement et de portefeuille analyse-le choix des variables de descripteurs. En d'autres termes, les variables qui expliquent le mouvement du cours des actions? Ceci, bien sûr, nous ramène tout droit à la scission entre la construction du modèle, puis manipuler comme il est dit dans l'enquête.
Plusieurs des approches adoptées précédemment ont tendance à se concentrer sur la phase de manipulation et de laisser mourir la première phase, la construction du modèle, comme une référence implicite. Cela reflète également l'absence d'accord sur une théorie réaliste des procédures des marchés boursiers et de la performance. Toutefois, beaucoup de travail a été fait en utilisant des techniques statistiques sur l'analyse des corrélations entre actions-prix et diverses variables pré-choisis (en particulier Rayner et Little (1966)).
Tous - ce travail semble laisser le problème central untouched-, un modèle utile est aussi loin que jamais. La réponse est, je pense, pas dans l'application d'une approche rigide, mais en utilisant une combinaison de plusieurs techniques en usage dans d'autres domaines. Extraction de caractéristiques et de l'approche cognitive en