文章 "Python中的虚假回归（伪回归）"

MetaQuotes 2024.11.19 14:43

虚假回归通常发生在两个时间序列之间仅因偶然因素而展现出高度相关性时，这会导致回归分析产生误导性的结果。在这种情况下，尽管变量之间可能看似存在关联，但这种关联仅仅是巧合，模型可能并不可靠。

在深入机器学习算法交易领域之前，确认模型输入与我们想要预测的变量之间是否存在有意义的关系至关重要。本文阐述了在单位根测试中对模型残差的应用，以验证我们的数据集中是否存在这种关系的实用性。

遗憾的是，使用没有真正关系的数据集构建模型是有可能的。这些模型可能会产生令人印象深刻的低误差指标，从而营造出一种虚假的控制感和过于乐观的前景。这些有缺陷的模型通常被称为“虚假回归”。

本文将首先培养对虚假回归的直观理解。之后，我们将生成合成时间序列数据来模拟虚假回归，并观察其特征效应。接着，我们将深入探讨识别虚假回归的方法，并依靠我们的见解来验证一个在Python中构建的机器学习模型。最后，如果我们的模型得到验证，将其导出为ONNX格式，并在MQL5中实现一个交易策略。