Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3719
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Он же про совмещение вероятностного и каузального МО-подходов для нестационарных рядов:
Совмещение вероятностного и каузального машинного обучения для нестационарных временных рядов строится на интеграции преимуществ обоих подходов для более устойчивого и интерпретируемого анализа динамичных данных.
Основы интеграции
Вероятностные модели обеспечивают гибкую и адаптивную формализацию нестационарности с учетом неопределенности и динамически меняющихся параметров ряда. Они позволяют оценить распределения и доверительные интервалы предсказаний с учетом шума и сдвигов.
Каузальный подход при этом выявляет направленные причинно-следственные связи, что позволяет интерпретировать, как и почему меняется ряд, а не только предсказывать его поведение. Это существенно улучшает понимание внутренней динамики системы, особенно при наличии скрытых или изменяющихся факторов.
Практические методы
Недавние исследования в МГУ и ФИЦ ИУ РАН предложили вероятностно-информированные методы машинного обучения, которые используют смешанные компоненты связности для генерации информативных признаков из временных рядов в скользящем окне. Это помогает учитывать нелинейные и стохастические связи в данных и интегрируется с глубокими нейронными сетями, включая LSTM и трансформеры.
Такой подход позволяет одновременно моделировать вероятностную природу данных и извлекать причинные закономерности, что улучшает качество прогноза и интерпретируемость результатов.
Важно, что при этом учитываются изменения в свойствах ряда (например, структуре шумов, параметрах модели) во времени, что критично для корректного выявления и интерпретации причинных связей внутри нестационарных данных.
Итог
Совместный подход вероятностного и каузального машинного обучения для нестационарных временных рядов:
адаптирует вероятностные модели для учета динамичных и изменяющихся характеристик,
извлекает причинно-следственные связи, давая объяснимость и понимание внутренней механики,
использует алгоритмы для генерации информативных признаков и учета стохастической природы данных,
улучшает точность прогнозов и устойчивость модели к шуму и структурным сдвигам,
что делает возможным применение таких методов в сложных реальных задачах с динамическими и зашумленными временными рядами.
Про вероятностное МО в учебнике от Яндекса.
Хотя, в основном только про небольшое продвижение в рамках задачи классификации, но тем не менее.
В общем, возможных тем для статей - писать не переписать)
Хочется всегда на примере ботов, потому что теория теорией, а практика - практикой :)
Тоже верно. Но иногда интересными кажутся и статьи без практики, но с интересными идеями (особенно если понятно как их в принципе прикручивать к практике).
Таких тоже нет очень давно, кровь из глаз начинает течь. Особенно серии статей, длиною в ниочемную жизнь их писателей.
))
Имел в виду статьи вообще, не только на этом ресурсе. Иногда бывает что вроде практика есть, но только формально для галочки. А иногда (очень редко) вроде бы ничего про практику не написано, но за каждой строчкой теории чувствуется опыт практика. Как говорится, нет ничего практичнее хорошей теории )
))
Имел в виду статьи вообще, не только на этом ресурсе. Иногда бывает что вроде практика есть, но только формально для галочки. А иногда (очень редко) вроде бы ничего про практику не написано, но за каждой строчкой теории чувствуется опыт практика. Как говорится, нет ничего практичнее хорошей теории )
На других ресурсах страсти тоже утихли :) уже почти все модели МО были приложены к графикам разными способами, без особого эффекта.
Имхо, обычная ситуация, когда на смену рекламной шумихе приходит обычная рутинная повседневность. Если кто и ловит рыбу посредством МО, то делиться знаниями о рыбных местах вряд ли он будет.
Кстати, похожее сейчас происходит с ИИ. Завывания про скорый зохват власти ИИ-чатами почти совсем пропали, про скорое AGI/ASI гундят уже заметно реже. Максимум, периодически выкатывают очередные модели, набравшие очередной трильон процентов на очередных мутных бенчах. Ну и всякие Безосы потихоньку ноют про ИИ-пузырь, поскольку этот праздник в основном за их счёт.
Имхо, обычная ситуация, когда на смену рекламной шумихе приходит обычная рутинная повседневность. Если кто и ловит рыбу посредством МО, то делиться знаниями о рыбных местах вряд ли он будет.
Кстати, похожее сейчас происходит с ИИ. Завывания про скорый зохват власти ИИ-чатами почти совсем пропали, про скорое AGI/ASI гундят уже заметно реже. Максимум, периодически выкатывают очередные модели, набравшие очередной трильон процентов на очередных мутных бенчах. Ну и всякие Безосы потихоньку ноют про ИИ-пузырь, поскольку этот праздник в основном за их счёт.