Обсуждение статьи "Прогнозирование условного распределения с помощью MLP"

Новый комментарий
 

Опубликована статья Прогнозирование условного распределения с помощью MLP:

В данной статье мы рассмотрим модель регрессии на базе MLP, которая прогнозирует не только условное математическое ожидание, но и условную дисперсию. Другими словами, мы будем учить нашу сеть предсказывать целое распределение будущих цен на основе входного вектора признаков. Но для этой цели нам придется написать свою собственную функцию потерь.

В условиях высокой волатильности и неопределенности финансовых рынков, таких как Forex, точное прогнозирование ценовых движений остается одной из ключевых задач для трейдеров и аналитиков. Традиционные подходы к регрессии, основанные на стандартных функциях потерь, таких как среднеквадратичная ошибка (MSE) или сумма квадратов ошибок (SSE), часто оказываются недостаточно эффективными. Эти функции предполагают гомоскедастичность, то есть постоянство дисперсии целевой переменной, что редко соответствует реальной динамике финансовых временных рядов. Для адекватного моделирования таких данных необходим подход, учитывающий гетероскедастичность — переменную дисперсию приращений цен, зависящую от входных признаков.

В данной статье представлен вероятностный подход к задаче регрессии с использованием многослойного перцептрона (MLP), позволяющий прогнозировать условное гауссовское распределение приращений цен. Для этого мы напишем пользовательскую функцию потерь, основанную на гауссовском отрицательном логарифме правдоподобия (GaussianNLLLoss).

Автор: Evgeniy Chernish

 

Замечательно, наверное, первая статья по теме вероятностного МО на форуме.

Интересно, можно ли провернуть подобное для других распределений (например Гамма или Вейбулла)?

 
Aleksey Nikolayev #:

Замечательно, наверное, первая статья по теме вероятностного МО на форуме.

Интересно, можно ли провернуть подобное для других распределений (например Гамма или Вейбулла)?


Да, конечно. Если прогнозируемая величина имеет приблизительно такое распределение почему нет. 

Для приращений можно Стьюдента ещё попробовать вместо нормального. 
 
Evgeniy Chernish #:

Да, конечно. Если прогнозируемая величина имеет приблизительно такое распределение почему нет. 

Для приращений можно Стьюдента ещё попробовать вместо нормального. 

Думаю как-нибудь попробовать для высоты колена зигзага. Там для случайного блуждания экспоненциальное распределение, поэтому нужны распределения на положительной полуоси, включающие экспоненциальное как частный случай.

Ещё можно попробовать прикрутить анализ выживаемости, но всё руки не доходят.

 
Всё здорово, кроме одного момента. Для "прогнозного индикатора" должен был бы быть задействован параметр PLOT_SHIFT (с уходом линий в будущее), а сейчас вместо прогноза отрисовывается только "факт" на истории. Или у нас разное трактование термина "прогноз".
 
Stanislav Korotky #:
Всё здорово, кроме одного момента. Для "прогнозного индикатора" должен был бы быть задействован параметр PLOT_SHIFT (с уходом линий в будущее), а сейчас вместо прогноза отрисовывается только "факт" на истории. Или у нас разное трактование термина "прогноз".
Так мы же прогноз делаем только на шаг вперёд. Мы не прогнозируем на несколько баров. 

Поэтому то что отображает индикатор это все прогнозы  на один шаг вперёд , на основе вектора признаков построенного со смещением на один бар назад. 

А перед отображением прогнозов идёт выборка для обучения , на которой мы учим сеть. 
 
Evgeniy Chernish #:
Так мы же прогноз делаем только на шаг вперёд. Мы не прогнозируем на несколько баров. 

Поэтому то что отображает индикатор это все прогнозы  на один шаг вперёд , на основе вектора признаков построенного со смещением на один бар назад. 

А перед отображением прогнозов идёт выборка для обучения , на которой мы учим сеть. 
Иными словами, показываем на каждом тестовом баре, где предсказана цена Close и её интервал для как-бы еще несуществующего этого бара?
 
Stanislav Korotky #:
Иными словами, показываем на каждом тестовом баре, где предсказана цена Close и её интервал для как-бы еще несуществующего этого бара?
Почему несуществующего ? Нулевой бар ещё формируется , а прогноз для него мы уже получили при открытии этого бара так как сформировался новый вектор признаков. И этот прогноз не меняется, не пересчитывается, так как прогноз зависит от прошлых цен, а не от прошлых и текущей цены. Или я что-то упустил и код смотрит в будущее?
 
Evgeniy Chernish #:
Почему несуществующего ? Нулевой бар ещё формируется , а прогноз для него мы уже получили при открытии этого бара так как сформировался новый вектор признаков. И этот прогноз не меняется, не пересчитывается, так как прогноз зависит от прошлых цен, а не от прошлых и текущей цены. Или я что-то упустил и код смотрит в будущее?
Заглядывания в будущее скорее всего нет, я имел в виду другое. Судя по всему, расчет прогноза делается при самом начале формирования нового бара, т.е. фактически только когда известна одна цена открытия этого "бара", поэтому я и обозвал его, цитирую, "как-бы несуществующим".
 
Stanislav Korotky #:
Заглядывания в будущее скорее всего нет, я имел в виду другое. Судя по всему, расчет прогноза делается при самом начале формирования нового бара, т.е. фактически только когда известна одна цена открытия этого "бара", поэтому я и обозвал его, цитирую, "как-бы несуществующим".
Да, именно так и задумано 
Новый комментарий