> Machine Learning Guru

Машинное обучение в финансах работает с данными, которые принципиально отличаются от изображений, текстов или табличных данных из других отраслей. Финансовые временные ряды нестационарны, зашумлены и подвержены частым структурным изменениям. Эти особенности требуют специфических подходов к моделированию, валидации и оценке качества.

Сегодня стало модно подавать любые данные в трансформеры, большие языковые модели. Однако этот подход, как и многие другие популярные ML-модели, которые отлично зарекомендовали себя в NLP или компьютерном зрении, часто показывает слабые результаты на финансовых данных. Причина в том, что такие модели обучены обобщать одни закономерности, а в реальности сталкиваются с совершенно иными.

Непостоянство и нестационарность финансовых данных

Нестационарность означает, что статистические свойства временного ряда меняются со временем. В финансах это проявляется через изменение волатильности, корреляций между активами и самих механизмов ценообразования. Так, к примеру, модель, обученная на данных 2024 года, может показывать случайные результаты в 2025 году из-за изменения рыночного режима.

В классическом ML предполагается, что обучающая и тестовая выборки происходят из одного распределения. Это предположение — IID (independent and identically distributed, независимые и одинаково распределенные данные) — в финансах систематически нарушается. Стоит Центральному банку изменить процентную ставку, начаться геополитическому кризису или измениться структуре рынка — и распределение доходностей мгновенно сдвигается.

Адаптивные подходы к обучению

Финансовый ML по своей природе — динамическая система. Такая система должна уметь работать с неопределенностью и учитывать, что любая найденная закономерность со временем может потерять значимость.

Метод онлайн-обучения (Online learning) позволяет модели адаптироваться к изменениям во времени за счет постепенного обновления параметров на новых данных:

1. Вместо того чтобы переобучать модель с нуля, выполняется инкрементальное обновление весов. Такой подход помогает модели отслеживать дрейф концепта (concept drift) — ситуацию, когда взаимосвязь между признаками и целевой переменной изменяется со временем;
2. Другой вариант — использование скользящего окна обучения фиксированной длины. В этом случае модель всегда обучается на последних N наблюдениях, автоматически «забывая» устаревшие данные. Размер окна определяется компромиссом: слишком короткое окно дает высокую дисперсию предсказаний, слишком длинное — включает неактуальные данные.

Методы детекции изменений режима

Даже адаптивные модели со временем начинают терять актуальность. Рыночные закономерности меняются, и без своевременного обновления модель может продолжать опираться на устаревшие зависимости, что приводит к росту ошибок и снижению прибыльности.

Детекция изменений режима (Regime change detection) помогает определить момент, когда модель перестает адекватно описывать текущие рыночные условия и требует переобучения. Основные подходы:

• CUSUM (cumulative sum control chart) — метод, отслеживающий накопленные отклонения предсказаний от реальных значений;
• Тест Пейджа–Хинкли (Page-Hinkley test) — статистический критерий, выявляющий изменения в среднем значении временного ряда;
• Мониторинг скользящей производительности модели на последних данных;
• Анализ распределения ошибок предсказаний во времени, позволяющий заметить систематические сдвиги.

Резкий рост показателя CUSUM указывает на возможный структурный сдвиг (structural break) — сигнал к переобучению модели или переходу на альтернативную стратегию.

Проблема соотношения сигнал/шум

Финансовые временные ряды характеризуются крайне низким соотношением сигнал/шум. Доходности активов на коротких временных горизонтах близки к случайному блужданию. Предсказуемая компонента часто составляет лишь доли процента, в то время как остальная часть — это шум, вызванный микроструктурой рынка, случайными сделками и особенностями ликвидности.

И это еще одна особенность финансового ML. В таких областях, как компьютерное зрение или обработка речи, сигнал обычно доминирует: кошка на изображении остается кошкой, даже если изображение слегка искажено. В финансах же малейшее движение цены может быть как началом тренда, так и случайным всплеском.

Это делает задачу прогнозирования финансовых временных рядов принципиально сложной и требует специальных подходов для выделения сигнала на фоне шума.

Инжиниринг признаков как инструмент извлечения сигнала

Основным инструментом извлечения сигнала из шума в финансовой аналитике является инжиниринг признаков (feature engineering). Вместо использования сырых цен создаются производные признаки, которые лучше отражают динамику рынка и скрытые закономерности.

Примеры таких признаков:

1. Колебания / волатильность доходностей;
2. Отношения объемов торгов к средним значениям (volume ratios);
3. Спреды между связанными инструментами;
4. Микроструктурные индикаторы (например, order flow imbalance);
5. Относительные характеристики активов внутри секторов;
6. Агрегированные метрики рыночной активности;
7. Проприетарные технические индикаторы (не путать с популярными типа RSI, MACD);
8. Временные лаги и разности цен, отражающие динамику изменений;
9. Факторные признаки (например, beta, размер компании, стоимость) и т. д.

Эти признаки, как правило, содержат больше информации о будущих движениях цены, чем сами котировки. Однако и тут не все просто: информационные коэффициенты (IC) между признаками и будущими доходностями редко превышают 0.1-0.5 в абсолютном значении. Это означает, что даже комбинация лучших признаков обычно объясняет лишь небольшую долю вариации доходностей.

Тем не менее, в финансовом ML такие небольшие сигналы важны: правильная комбинация множества слабых признаков может дать значимую предсказательную силу на портфельном уровне.

Регуляризация и отбор признаков

После того как признаки созданы, возникает еще одна ключевая задача: как извлечь из них сигнал, не подстраиваясь под шум. Для этого применяются методы регуляризации и отбора признаков (feature selection).

Регуляризация помогает предотвратить переобучение на шум. Как правило используется один из следующих методов:

• L1-регуляризация (Lasso) автоматически отбирает наиболее информативные признаки, обнуляя веса нерелевантных;
• L2-регуляризация (Ridge) снижает влияние мультиколлинеарности, которая часто встречается в финансовых данных из-за высоких корреляций между родственными признаками;
• Elastic Net комбинирует оба подхода, объединяя преимущества L1 и L2.

Методы отбора признаков включают:

1. Рекурсивное исключение признаков (RFE, Recursive Feature Elimination) — итеративное удаление наименее значимых переменных;
2. Важность признаков из моделей (feature importance) — показывает реальную значимость переменных;
3. Кросс-валидация с учетом временной структуры — для оценки стабильности признаков;
4. Тестирование на независимых временных периодах — для проверки устойчивости (робастности) модели.

Комбинируя множество слабых сигналов через ансамбли нескольких моделей и тщательно отбирая признаки, можно получить предсказательную силу, достаточную для потенциально прибыльной торговли.

Архитектуры моделей: что работает, а что нет в финансах

Несмотря на успехи глубокого обучения (deep learning) в других областях, оно не стало стандартом в финансовом ML. Все потому, что глубокие нейронные сети требовательны к большим объемах данных и стабильных паттернов для обучения, которых в финансовых рядах зачастую просто нет. Даже минутные бары дают десятки тысяч наблюдений, но не миллионы, а нестационарность движения рядов делает исторические данные малополезными для обучения.

Другие проблемы deep learning в финансах:

1. Склонность к переобучению из-за высокой емкости моделей относительно доступного объема информативных примеров;
2. Необходимость тонкой настройки и тестирования большого количества слоев, их архитектуры, подбора оптимального числа нейронов;
3. Низкая интерпретируемость предсказаний;
4. Долгая обучаемость и высокие вычислительные требования при ограниченной пользе.

Техники dropout или batch normalization частично помогают, однако не решают фундаментальную проблему: сигнал в финансовых рядах слишком слаб, чтобы оправдать сложность архитектуры.

Градиентные бустинги

В условиях низкого соотношения сигнал/шум более простые модели и ансамбли часто оказываются эффективнее сложных глубоких сетей. В частности, градиентный бустинг (gradient boosting) сегодня продолжает доминировать в финансовых приложениях.

Модели XGBoost, LightGBM и CatBoost демонстрируют лучшие результаты на структурированных финансовых данных, благодаря встроенной регуляризации и способности обрабатывать нелинейные взаимодействия признаков. Эти модели менее склонны к переобучению и требуют меньше данных для достижения хорошей обобщающей способности (генерализации).

Преимущества градиентных бустингов:

1. Встроенная регуляризация через глубину деревьев и скорость обучения (learning rate);
2. Автоматическая обработка нелинейных взаимодействий признаков;
3. Робастность к выбросам и пропущенным значениям, что особенно важно для финансовых временных рядов;
4. Интерпретируемость через важность признаков и значения SHAP;
5. Эффективность обучения на табличных данных среднего размера.

Интерпретируемость в финансах важна не только для отладки моделей, но и для соблюдения регуляторных требований. В отличие от «черного ящика» deep learning, градиентные бустинговые модели позволяют объяснять решения стратегии и облегчают аудит.

LSTM и рекуррентные архитектуры

Архитектуры LSTM и GRU имеют ограниченную применимость в финансах. Теоретически рекуррентные сети должны хорошо извлекать долгосрочные зависимости из временных рядов, однако на практике они нестабильны: на реальных финансовых данных LSTM и GRU редко превышают результаты градиентных бустингов. Учитывая более высокие временные и вычислительные затраты приоритет тут отдается последним.

Исключения, где LSTM могут быть эффективны:

1. Моделирование высокочастотных данных с микросекундным разрешением, где важна последовательность событий;
2. Анализ настроений (sentiment analysis) на текстовых данных, например, новостей и отчетов компаний;
3. Обработка последовательностей ордеров в микроструктурных моделях;
4. Задачи, где важна краткосрочная временная зависимость (несколько шагов вперед).

Для большинства задач прогнозирования доходностей на основе исторических цен и объемов использование моделей XGBoost, LightGBM и CatBoost остается более надежным и интерпретируемым выбором.

Линейные модели с инжинирингом признаков

Это удивительно, но даже в таких сложных задачах, как прогнозирование финансовых временных рядов, простые линейные модели с тщательно подобранными признаками (feature engineering) иногда превосходят трансформеры и прочие сложные нелинейные архитектуры.

Например, Ridge regression — линейная модель с L2-регуляризацией с правильно сконструированными признаками часто обучают как бейзлайн (baseline, базовый уровень качества), который сложные модели не всегда могут превзойти. Причина в низком соотношении сигнал/шум: простота модели помогает избежать подгонки под шум.

Еще один плюс линейных моделей — они учатся крайне быстро и так же быстро можно проверять различные гипотезы. Однако профессионалы редко используют только линейные модели для прогнозирования. Чаще всего они так и остаются бейзлайном, либо используются в стекинге.

Комбинирование моделей разной природы через стекинг (stacking) позволяет повысить качество и устойчивость предсказаний. Каждая архитектура улавливает разные аспекты данных:

• Линейные модели — глобальные тренды;
• Деревья в бустингах — локальные нелинейности.

В ансамбль можно включить и нейронные сети, в т. ч. трансформеры, но пока это оправдано только в тех сферах, где они доказали свою силу — например, в анализе сентимента и прогнозировании на основе текстовой информации.

Таким образом формируется ансамбль моделей, который снижает риск того, что слабость одной модели приведет к провалу стратегии, и позволяет использовать преимущества разных подходов одновременно.

Утечка будущей информации и временная валидация

В финансовом ML важны не только разнообразие и важность признаков, но и время их появления. Утечка будущей информации (Look-ahead bias) возникает, когда модель использует данные, недоступные на момент предсказания.

Это одна из самых частых причин провала стратегий при переходе от бэктестов к реальной торговле. Использование будущих данных для вычисления признаков, некорректная нормализация или утечка информации через таргет создают иллюзию предсказательной силы.

Типичные источники look-ahead bias:

1. Использование будущих цен для нормализации или вычисления статистик (например, скользящих средних);
2. Признаки, рассчитанные на всем датасете без учета временной последовательности (например, стандартное отклонение доходностей за весь период вместо скользящего окна);
3. Некорректное заполнение пропусков с использованием будущих значений;
4. Утечка информации через таргет при конструировании признаков (использование будущей доходности для создания бинарного индикатора движения цены).

В классическом ML случайное разделение данных на train/test допустимо благодаря предположению IID (independent and identically distributed). В финансах же данные упорядочены во времени, и случайное разделение гарантирует утечку информации из будущего в прошлое, создавая иллюзию более высокой предсказательной мощности модели.

Скользящая валидация через Walk-forward

Метод Walk-forward validation разделяет данные строго по времени. Модель обучается на исторических данных до момента T, затем тестируется на периоде [T, T+W], после чего окно сдвигается вперед. Такой подход имитирует реальный процесс торговли: модель постепенно обновляется на новых данных и делает предсказания на неизвестном будущем.

Основные параметры walk-forward validation:

• Размер обучающего окна (training window): фиксированный или расширяющийся;
• Размер тестового окна (test window): обычно 10–20% от размера обучающего окна;
• Частота переобучения (retraining frequency): ежедневно, еженедельно или ежемесячно;
• Тип окна: anchored (фиксированное начало) или rolling window (скользящее окно).

Расширяющееся окно использует все доступные исторические данные, тогда как скользящее окно фиксированной длины отбрасывает старые наблюдения. Выбор зависит от предположений о стационарности рынка: в нестационарных условиях скользящее окно обычно предпочтительнее, так как оно лучше адаптируется к текущим рыночным условиям.

Исключение перекрытий (Purging) и временной буфер между обучением и тестом (Embargo period)

Метод исключения перекрытий Purging решает проблему пересечения временных интервалов между обучающей и тестовой выборками. Если признаки рассчитываются с помощью скользящего окна (например, 20-дневная волатильность), то данные из тестовой выборки могут частично зависеть от информации, использованной в обучении. Чтобы избежать этого, purging удаляет из обучающей выборки все наблюдения, временные окна которых пересекаются с тестовым периодом.

Embargo period — это дополнительный временной “буфер” между train и test. После окончания обучающей выборки исключается промежуток длиной E рядов перед началом тестовой выборки. Это делается для того, чтобы учесть возможные признаки, которые могут косвенно содержать информацию о будущем (так называемые forward-looking признаки).

Я рекомендую устанавливать Embargo period в размере 1–5% от длины обучающей выборки, чтобы снизить риск утечки данных. А Purging применять ко всем признакам, которые рассчитываются с использованием временных окон.

Комбинация purging и embargo обеспечивает “чистую” и честную валидацию модели. Разумеется, метрики при такой валидации будут немного хуже (пессимистичнее), но они лучше отражают реальную производительность модели в продакшене и позволят избежать неожиданных провалов стратегии при ее запуске.

Конструирование таргетов и работа с дисбалансом

Конструирование таргета в финансах принципиально отличается от классических задач ML. В компьютерном зрении таргет известен: изображение содержит кошку или собаку. В финансах же нужно явно определить, что считать успешным исходом. К тому же, фиксированный временной горизонт (к примеру, доходность через 5 дней) создает произвольность: почему 5 дней, а не 3 или 10?

Проблемы фиксированных горизонтов:

1. Игнорирование внутрипериодной динамики цены;
2. Невозможность зафиксировать прибыль при достижении цели до истечения горизонта;
3. Отсутствие управления риском через stop-loss;
4. Зависимость результатов от выбора конкретного горизонта.

Эти проблемы приводят к зашумленным таргетам, которые не отражают реальную торговую логику.

Метод Triple barrier

Метод Triple barrier решает эту проблему через определение 3-х условий выхода из позиции: верхний барьер (take-profit), нижний барьер (stop-loss) и временной лимит. Таргет определяется как первое достигнутое условие. Это отражает реальную торговую логику: позиция закрывается при достижении цели прибыли, ограничения убытка или истечении времени удержания.

Параметры метода:

1. Барьеры могут быть симметричными (±2%) или асимметричными (take-profit на +3%, stop-loss на -1.5%);
2. Динамические барьеры адаптируются к текущей волатильности;
3. Временной лимит предотвращает бесконечное удержание позиций;
4. В периоды высокой волатильности барьеры расширяются автоматически.

Временной лимит важен, так как отсутствие движения также содержит информацию: если цена не двигается, базовый сигнал был слабым. Включение таких меток в обучающую выборку улучшает способность модели различать сильные и слабые сигналы.

Fractional differentiation

Большинство моделей прогнозирования работают лучше на стационарных рядах. Нестационарные ряды, как правило дифференцируют. Такой подход помогает сгладить дисперсию, устранить тренд и сезонность, делая ряд более пригодным для анализа и прогнозирования.

Обычное дифференцирование (разности цен) полностью решает задачу стационарности, но делает это «жестко»: ряд становится стационарным, но теряет долгосрочную информацию. Метод дробного дифференцирования (fractional differentiation) обеспечивает баланс между стационарностью и сохранением долгосрочной памяти временного ряда. Чтобы сохранить часть памяти о прошлом и одновременно уменьшить нестабильность, используют дробное дифференцирование порядка d, где 0 < d < 1.

Параметр d подбирается через минимизацию ADF statistic при сохранении максимальной корреляции с исходным рядом. Для финансовых данных значения d в диапазоне 0.3–0.6 часто оптимальны: ряд становится достаточно стационарным для моделирования, но сохраняет информацию о трендах и долгосрочных зависимостях.

Специфика дисбаланса классов

Дисбаланс классов в финансах отличается от классического понимания в машинном обучении.

В трейдинге прибыльных сделок может быть 48%, убыточных 52% — формально классы почти сбалансированы. Но важна не частота, а величина выигрышей и проигрышей. Так, к примеру, стратегия с 40% прибыльных сделок может быть успешной, если средний выигрыш вдвое превышает средний проигрыш.

Вот еще несколько отличий финансового дисбаланса от классического ML:

1. Важна величина результата (outcome), а не только его знак;
2. Редкие события могут быть особенно ценными (например, крупные движения рынка);
3. Временная зависимость меток создает дополнительные сложности для обучения;
4. Стоимость ошибок асимметрична и зависит от размера позиции и риска.

Классические методы борьбы с дисбалансом, такие как методы увеличения минорного класса (SMOTE), либо наоборот уменьшения преобладающего (undersampling), не учитывают этих особенностей и могут быть неэффективны для финансовых временных рядов.

Мета-лейбелинг и веса наблюдений

Мета-лейбелинг (meta-labeling) лучше подходит для решения проблемы дисбаланса, потому что в трейдинге важна не только частота сигналов, но и их качество. Редкие, но сильные сигналы могут быть ценнее частых слабых.

Идея мета-лейбелинга простая:

1. Первичная модель генерирует торговые сигналы (long/short);
2. Вторичная мета-модель предсказывает, стоит ли открывать позицию по каждому сигналу, оценивая его «качество» — уверенность предсказания, волатильность, ликвидность и другие характеристики рынка.

Так фильтруются слабые сигналы, а капитал концентрируется на самых перспективных возможностях.

Для работы с перекрывающимися сигналами применяются веса наблюдений (sample weights). При методе тройного барьера (triple barrier method) одно наблюдение может участвовать в нескольких метках. Те наблюдения, что встречаются реже, получают больший вес при обучении, что помогает модели концентрироваться на уникальных событиях.

Плюсы такого подхода:

1. Снижение дублирования сигналов;
2. Повышение устойчивости и точности модели;
3. Фокус на наиболее значимых событиях;
4. Уменьшение переобучения на повторяющихся паттернах;
5. Возможность интеграции мета-лейбелинга в существующие стратегии без полной перестройки.

Метрики оценки качества: почему accuracy не работает в финансовом ML

Показатель верности прогнозов Accuracy почти никто не использует в финансовом ML, в отличие от других сфер. Он мало говорит о том, насколько модель прибыльна на рынке: предсказание направления движения цены с точностью 52% может приносить прибыль, только если движение рынка по верным прогнозам в пунктах больше, чем по ошибочным. Кроме того, Accuracy не учитывает асимметрию выигрышей и проигрышей.

На самом деле, проблема касается не только Accuracy. Многие популярные метрики машинного обучения в действительности не отражают экономическую эффективность стратегии:

• Precision / Recall измеряют качество классификации, но игнорируют величину прибыли и убытков, возникающих при ошибках;
• MSE / MAE минимизируют среднюю ошибку предсказаний, не учитывая, что в финансах малые ошибки на крупных движениях важнее, чем большие ошибки на мелких;
• AUC-ROC оценивает способность модели различать классы, но не коррелирует с доходностью или риском стратегии, и может вводить в заблуждение при принятии торговых решений.

В финансовом машинном обучении метрики должны отражать реальную цель стратегии: максимизацию доходности с учетом риска.

Коэффициент Шарпа (Sharpe ratio)

Коэффициент Шарпа измеряет доходность с поправкой на риск. Это отношение средней избыточной доходности к стандартному отклонению доходностей:

SR = E[R — Rf] / σ[R]

где:

• R — доходность стратегии;
• Rf — безрисковая ставка;
• σ[R] — волатильность доходностей;
• E[·] — математическое ожидание.

Sharpe ratio показывает, сколько избыточной доходности получает стратегия на единицу принятого риска. Значения выше 1.0 считаются хорошим результатом, выше 2.0 — отличным.

Этот коэффициент напрямую связан с практической ценностью стратегии: инвесторы оценивают не только доходность, но и волатильность. Резкие просадки неприемлемы даже при высокой средней доходности. Sharpe ratio балансирует эти аспекты. Так, модель с accuracy 53% и Sharpe ratio 1.5 предпочтительнее модели с accuracy 58% и Sharpe ratio 0.8.

Precision at top K

Показатель точности среди К лучших предсказаний (Precision at top K) оценивает качество ранжирования сигналов.

В финансовых стратегиях модель может генерировать предсказания для сотен активов, но торговать реально можно лишь по ограниченному числу — например, по топ-50 сигналам из-за ограничений капитала и ликвидности. Precision at K измеряет долю прибыльных позиций среди K лучших предсказаний, показывая, насколько хорошо модель выбирает наиболее перспективные активы.

Эта метрика особенно важна для long-short стратегий, поскольку позволяет оценить способность модели одновременно выделять лучшие активы для покупки и худшие для продажи. Например, precision at top 10% и bottom 10% показывает, насколько надежны крайние предсказания: в средних прогнозах уверенность небольшая, однако экстремальные должны быть максимально точными.

В отличие от общей точности, Precision at top K отражает реальные условия торговли, где важно не угадывать каждый сигнал, а правильно выделять ограниченное число лучших возможностей.

Directional accuracy и Cost-sensitive learning

Показатель Directional accuracy учитывает правильность предсказания направления движения цены. В отличие от обычной accuracy, этот показатель можно взвешивать по величине движения (в трейдинге правильное предсказание движения на 5% важнее правильного предсказания движения на 2.5%.):

Weighted Directional Accuracy = Σ (wᵢ × 1(sign(yᵢ) = sign(ŷᵢ))) / Σ wᵢ

где:

• wᵢ — величина движения (например, процентное изменение цены);
• yᵢ — фактическое изменение цены;
• ŷᵢ — предсказанное изменение цены;
• 1(·) — индикатор правильного предсказания (1, если знак предсказания совпадает с фактом, 0 иначе).

Взвешенная directional accuracy коррелирует с прибыльностью стратегии лучше, чем невзвешенная.

Показатель Cost-sensitive learning включает транзакционные издержки в функцию потерь. Каждая сделка несет комиссии и проскальзывание — разницу между ожидаемой и реализованной ценой исполнения. Модель, предсказывающая множество слабых сигналов с высокой частотой смены позиций, может быть убыточной из-за накопленных издержек, даже при хороших Precision и Directional accuracy.

Формула модифицированной функции потерь:

L = -∑(profit_i — cost_i)

где:

• profit_i — прибыль от i-й сделки;
• cost_i — транзакционные издержки;
• L — итоговая функция потерь для минимизации.

Модель оптимизирует не чистую точность предсказаний, а прибыль после издержек. Это приводит к генерации меньшего количества более уверенных сигналов.

Улучшение прогнозов через ансамбли моделей и стекинг

В финансовом ML ансамбли моделей и стекинг применяются значительно чаще, чем в других областях машинного обучения. Причина в изменчивости рынка. Разные модели по-разному обобщают рыночные данные: одни хорошо работают в трендовых периодах, другие — в фазах коррекции, третьи — в периоды высокой волатильности.

В таких условиях комбинация моделей становится естественным шагом: ансамбли и стекинг (stacking) позволяют объединять сильные стороны разных подходов, снижать зависимость от ошибок отдельной модели и повышать устойчивость стратегии на реальных рынках.

Преимущества ансамблирования:

1. Снижение дисперсии итогового предсказания через усреднение независимых ошибок;
2. Робастность к изменениям рыночного режима;
3. Автоматическая адаптация к текущим условиям через взвешивание;
4. Диверсификация источников сигнала.

Простое усреднение предсказаний нескольких моделей уже дает улучшение. Если модели делают независимые ошибки, усреднение снижает дисперсию итогового предсказания. Разумеется, гарантий прироста метрик нет. Кроме того, в биржевом анализе ошибки моделей часто коррелируют друг с другом (все модели в той или иной степени начинаются больше ошибаться в кризисы), однако частичная независимость все равно приносит пользу.

Подходы к комбинированию моделей

Одним из самых простых и эффективных способов комбинирования моделей является взвешенное усреднение (weighted averaging). Каждой модели назначается вес пропорционально ее исторической производительности.

Веса обычно пересчитываются на скользящем окне: модели, показавшие лучшие результаты в последние N периодов, получают больший вес. Такой подход позволяет ансамблю адаптироваться к изменяющимся рыночным условиям, автоматически усиливая влияние моделей, наиболее подходящих текущему режиму.

Основные методы назначения весов:

• Равные веса (baseline) — все модели имеют одинаковый вклад, простой и устойчивый метод;
• Inverse-variance weighting — модели с меньшей дисперсией ошибок получают больший вес;
• На основе Sharpe ratio — учитывает не только точность, но и риск модели;
• Оптимизация через квадратичное программирование — минимизация дисперсии ансамбля с учетом ограничений;
• Динамическое взвешивание через экспоненциальное сглаживание — вес модели плавно изменяется в зависимости от последних результатов.

Выбор метода зависит от стабильности производительности базовых моделей и объема данных, доступного для оценки весов. В хедж-фондах иногда используют комбинацию нескольких подходов для повышения робастности моделей.

Стекинг и мета-модели

Стекинг позволяет мета-модели учиться комбинировать базовые модели, учитывая их сильные и слабые стороны в разных рыночных условиях:

• Базовые модели (уровень 0) генерируют предсказания, которые затем становятся признаками для мета-модели (уровень 1);
• Мета-модель учится оптимально комбинировать эти предсказания, добавляя больше веса сильным сигналам и уменьшая слабым.

Для предотвращения переобучения рекомендуется использовать предсказания на отложенных фолдах (out-of-fold predictions). Если же обучать мета-модель на предсказаниях, полученных на обучающей выборке базовых моделей, она повторяет ошибки и артефакты этих моделей. Out-of-fold предсказания получают через кросс-валидацию: каждая базовая модель делает предсказания на фолдах, на которых она не обучалась.

Процесс построения стекинга:

1. Разделить данные на K фолдов с учетом временной структуры;
2. Для каждого фолда обучить базовые модели на остальных K-1 фолдах;
3. Сгенерировать out-of-fold предсказания для каждой базовой модели;
4. Использовать эти предсказания как признаки для обучения мета-модели;
5. Обучить финальные базовые модели на всех данных для продакшена.

Практические аспекты внедрения ансамблей

Ансамбли моделей требуют большей вычислительной мощности и усложняют инфраструктуру. В продакшене необходимо поддерживать несколько моделей одновременно, синхронизировать их обновления и агрегировать предсказания в реальном времени.

Основные инфраструктурные требования:

1. Параллельное выполнение предсказаний базовых моделей;
2. Версионирование моделей и синхронизация обновлений;
3. Мониторинг производительности каждой компоненты ансамбля;
4. Механизмы отката к прежним версиям при сбое отдельных моделей;
5. Логирование предсказаний для последующего анализа и улучшения модели.

Несмотря на дополнительные ресурсы и сложность, использование ансамблей оправдано при профессиональному подходе к финансовому ML. Они повышают устойчивость системы, снижают риски критичных ошибок в прогнозах и позволяют автоматически адаптироваться к изменяющимся рыночным условиям через перевзвешивание компонентов.

Заключение

Финансовый ML принципиально отличается от классических применений машинного обучения. Нестационарность, низкое соотношение сигнал/шум, изменчивость рынков и необходимость учитывать множество факторов, включая «черных лебедей», делают прямое применение стандартных подходов часто неэффективным. Модели, которые показывают выдающиеся результаты в computer vision или NLP, на финансовых данных могут полностью провалиться.

Чтобы успешно применять ML в финансах, недостаточно просто использовать стандартные алгоритмы. Необходимо учитывать, что закономерности в данных меняются со временем, а одна и та же стратегия может работать в одних рыночных условиях и полностью проваливаться в других. Ключевыми аспектами становятся правильный выбор метрик, корректная временная валидация, учет дисбаланса и экономической значимости ошибок, а также адаптивность моделей через регуляризацию, ансамбли и перевзвешивание.