В предыдущем посте я столкнулся с серьезной ошибкой в процессе создания модели машинного обучения. Я пытался предсказать события не будущего, а прошлого, и результаты предсказаний уже были косвенно включены в обучающие данные. Это привело к впечатляющей метрике с минимальной ошибкой.

Однако, когда я правильно переформулировал цель и заново собрал обучающие и тестовые данные, результаты оказались не столь оптимистичными…

У меня есть несколько лет исторических данных о свечах и объемах торгов, на основе которых я создал множество различных показателей, включая RSI, SMA, MACD, CCI, волатильность и многие другие. Многие трейдеры не используют и половины этих показателей для анализа. Я даже читал книгу, в которой предлагалось использовать только свечи и объем для принятия решений.

При таких вводных для регрессии задача оказалась слишком сложной, а разброс предсказаний был слишком велик. Но это и правда непростая задача, учитывая настроения трейдеров, новостной фон и политическую обстановку. Предсказать с высокой точностью, насколько процентов вырастет акция через две недели, очень сложно.

Тогда я подумал, что мне не так важно, вырастет акция на 0.5% или на 6%, главное - угадать направление, а затем можно вручную отфильтровать привлекательные варианты. Я создал бинарный таргет - рост или падение.

При таком подходе точность прогнозов составила всего 56%, что почти эквивалентно подбрасыванию монетки.

Что же получается, имея множество показателей, машина не может увидеть никаких зависимостей между ними? Возможно, люди сами пытаются убедить себя, что могут понять рынок, или это просто способ привлечь внимание жаждущих легких денег, чтобы продать свои “секреты”?

Но я не сдаюсь. Мне очень нравится работать над этой задачей, и в свободное время я посвящаю ей много часов. Буду эксперементировать дальше . Если появятся интересные результаты, я обязательно поделюсь с вами. До связи! :)