Прогнозная аналитика предназначена для вычисления наличия предпосылок для исходов тех или иных событий.
Исходы анализируемых событий делятся на две
взаимоисключающие категории:
- Желательный исход события.
- Нежелательный исход этого же события.
Прогнозная аналитика не предсказывает и даже не прогнозирует сами исходы событий, т.е. не может ответить на вопрос: произойдет тот или иной исход или нет. Она отвечает на другой вопрос: имеются ли объективные предпосылки для того, чтобы нежелательный исход произошёл или нет. В этом случае, если предпосылки имеются, то в зависимости от стечения обстоятельств в будущем, нежелательный исход может произойти, а может и не произойти. Т.е. прогнозная аналитика никоим образом не предсказывает будущее, а всего лишь сообщает о высокой или низкой вероятности тех или иных взаимоисключающих исходов, что позволяет заблаговременно получить предупреждение и предпринять меры с целью минимизировать последствия исходов нежелательных.
Вполне понятно, коли прогнозная аналитика не может достоверно ответить на вопрос о том произойдёт или нет то или иное событие, то значит она непригодна для заработка путём ставок на те или иные исходы событий, например, в спекулятивном трейдинге. Но тем не менее, её широко используют в бизнес процессах, поскольку она пригодна для предупреждения с целью предотвращения заведомо нежелательных исходов, в тех случаях когда потенциальные убытки от форсмажорных обстоятельств могут значительно превысить расходы на предотвращение этих самых обстоятельств.
В таком случае, получается, что мы не можем использовать прогнозную аналитику непосредственно в самом трейдинге, чтобы предсказать в каком направлении пойдет цена того или иного финансового инструмента. Но нам этого и не нужно. Поскольку мы можем использовать ПА по её прямому назначению.
Пусть у нас есть торговый робот, входные параметры которого мы оптимизировали в тестере стратегий терминала MetaTrader с включенными форвардными тестами. В результате получим некое множество успешных форвардных тестов, каждый из которых содержит характеристики результатов торговли на форвардных участках: прибыль, матожидание, профит фактор, фактор восстановления, просадка и т.д.
Возникает множество актуальных вопросов: какой из результатов форвардного теста содержит меньше предпосылок для убытков в будущем при неблагоприятном стечении обстоятельств? Чтобы ответить на этот вопрос, мы должны ответить на другой вопрос: какие характеристики форвардных тестов наиболее существенны для нежелательного стечения обстоятельств в будущем, а какие несущественны? Если характеристики существенны, то как они влияют на предпосылки нежелательных исходов: отрицательно или положительно?
Получить ответы на вышеприведённые вопросы не так просто. Хотя некоторые ответы ясны заранее, например, высокое матожидание или высокий профит-фактор форвардных тестов отрицательно повлияют на нежелательный исход, а просадка положительно. Но при этом мы не можем ответить насколько существенны те или иные характеристики форвардных тестов.
И поскольку однозначно формализованного ответа на них не имеется, то мы можем попытаться решить эту задачу средствами прогнозной аналитики, т.е. составить выборку в которую в качестве объясняющих переменных войдут характеристики тестирования робота на форвардном участке: прибыль, матожидание, профит фактор, фактор восстановления, просадка и т.д., а в качестве зависимой переменной результаты тестирования тех же настроек робота на участке после форвардного теста в виде значений: 1- прибыль, 0 - убыток.
Такую выборку уже можно подвергнуть прогнозной аналитике с помощью какого нибудь алгоритма машинного обучения – бинарного классификатора, чтобы попытаться получить ответы на вышеприведённые вопросы.