Обсуждение статьи "Использование регрессии Ренко-баров с корректировкой ошибок"

[MetaQuotes]

Опубликована статья Использование регрессии Ренко-баров с корректировкой ошибок:

В статье показан регрессионный подход к прогнозированию Ренко-баров с помощью CatBoost: модель оценивает логарифмическую доходность следующего бара и неопределённость прогноза. Разобран каскад residual-моделей с OOF-валидацией через TimeSeriesSplit, shrinkage и общим early stopping, а также условная коррекция смещения. На EURUSD D1 получено снижение OOF-MAE и около 65% точности по направлению. Приведён рабочий скрипт для MT5, формирующий сигнал, размер позиции, SL и TP в единицах кирпича.

Главная проблема любой регрессионной модели на финансовых данных — систематическая ошибка, или смещение прогноза. Модель, обученная на исторических данных, может систематически переоценивать движения в одном направлении и недооценивать в другом. Мы покажем, как выявить и компенсировать эту ошибку с помощью двухступенчатой схемы. Сначала применяется многостадийный каскад residual-моделей, где каждая следующая модель учится на ошибках предыдущей. Затем выполняется финальная условная коррекция bias. В результате мы получим боевую систему, работающую с реальными дневными данными EURUSD из MetaTrader 5 и выдающую торговый сигнал с рассчитанным объёмом позиции, стоп-лоссом и тейк-профитом в единицах размера Ренко-кирпича.

Ренко-графики обладают важным свойством: величина каждого бара фиксирована и равна brick_size. Это означает, что при прогнозировании следующего бара таргет фактически дискретен. Он принимает три значения: +log(1 + brick_size/close) при движении вверх на один кирпич; -log(1 - brick_size/close) при движении вниз; и редкое нулевое значение в точках разворота, когда close текущего бара совпадает с границей. Казалось бы, это идеальная задача для классификации.

Автор: Yevgeniy Koshtenko