Группа пользователей MetaTrader 5 Python - краткое содержание - страница 38

 

Инженерия признаков для машинного обучения (Часть 9): Тесты на структурные разрывы в Python

Инженерия признаков для машинного обучения (Часть 9): Тесты на структурные разрывы на Python

В предыдущих статьях серии «Инженерия признаков для машинного обучения » признаки создавались на основе самой структуры времени: в Части 1 было показано, как с помощью дробного дифференцирования сохранить долгосрочную память в стационарном ряду; в Части 3 торговый календарь был преобразован в координаты Фурье; а в Части 5 поток ордеров на уровне тиков был сжат в микроструктурную статистику с индексацией по барам. В данной статье признаки формируются на основе качественно иного вопроса: не о том, как выглядит текущий бар, а о том, изменился ли в последнее время процесс генерации данных, который его сформировал.

Feature Engineering for ML (Part 9): Structural Break Tests in Python
Feature Engineering for ML (Part 9): Structural Break Tests in Python
  • 2026.07.03
  • www.mql5.com
We present a production‑ready implementation of AFML Chapter 17 structural break tests. The module includes Chu-Stinchcombe-White (one-/two-sided), Chow-type DFC, SADF across six models (linear, quadratic, sm poly 1, sm poly 2, sm exp, sm power), plus QADF (q, v) and CADF (q), returning bar-indexed scalar features. We address the book snippets' scaling issues and argument‑order pitfall, and show how a fixed lookback (L=504) bounds SADF cost to O(L²) per bar for regime detection.