-
Библиотека sktime для анализа временных рядов
Библиотека для Python sktime предлагает унифицированный интерфейс для различных задач обработки временных рядов, включая классификацию, регрессию, кластеризацию, прогнозирование и многое другое. Что делает ее по-настоящему уникальной — это интеграция с экосистемой scikit-learn, что позволяет использовать привычные паттерны и методологии в контексте временных рядов. В этой статье я подробно разберу возможности sktime, продемонстрирую практические примеры использования…
-
Марковские цепи Монте-Карло (Markov Chain Monte-Carlo, MCMC)
MCMC представляет собой семейство алгоритмов, которые позволяют генерировать выборки из сложных вероятностных распределений, которые не имеют аналитического решения, либо оно сложно реализуемо. В основе этих методов лежит элегантное сочетание теории Марковских цепей и принципов Монте-Карло, что позволяет исследовать высокоразмерные пространства параметров с удивительной эффективностью. В этой статье мы погрузимся в мир методов MCMC, теорию и…
-
Методы разделения деревьев решений: Gini, Энтропия, Gain Ratio, Хи-квадрат, Variance Reduction, Classification Error
Деревья решений остаются одним из самых интуитивно понятных и мощных инструментов в арсенале специалиста по данным. Выбор критерия разделения деревьев без преувеличения влияет на все: от скорости обучения до интерпретируемости результатов. В процессе работы с финансовыми данными я обнаружил, что разные критерии могут давать совершенно разные результаты даже на одних и тех же данных. Некоторые…
-
MSE, RMSE, MAE, MAPE для оценки качества прогнозов временных рядов
При построении моделей прогнозирования временных рядов, для оценки качества чаще всего используют одну или две из следующих четырех метрик: MSE, RMSE, MAE и MAPE. Каждая из них рассказывает свою историю о модели, и понимание этих нюансов может стать разницей между прибыльной стратегией и потерей капитала. И MSE, RMSE, MAE и MAPE решают одну и ту…
-
Методы аппроксимации временных рядов
Методы аппроксимации призваны уловить закономерности за хаосом движений, а также представить сложные данные в виде простой модели, сохраняя при этом их суть. Между тем, качественная аппроксимация — это не просто подбор кривой, которая «красиво ложится» на исторические данные. Это искусство извлечения сигнала из шума, способность выделить структурные паттерны, которые сохранят свою предсказательную силу в будущем.…
-
Байесовская модель пространственно-временного ряда (Bayesian State-Space Time Series Model)
Когда я впервые столкнулся с байесовскими моделями пространственно-временных рядов в контексте разработки торговых алгоритмов, меня поразила их элегантность и мощь. В отличие от традиционных методов прогнозирования временных рядов, которые часто игнорируют неопределенность или делают слишком жесткие предположения о структуре данных, байесовские state-space модели предоставляют гибкий фреймворк для работы с динамическими системами в условиях неопределенности. Данная…
-
Сглаживание временных рядов полиномиальными регрессиями. Типы регрессий
Временные ряды реальных биржевых котировок представляют собой настоящий вызов для любого аналитика. Традиционные подходы к сглаживанию таких рядов часто дают посредственные результаты, особенно когда речь идет о нелинейных зависимостях и сложных паттернах поведения активов. Полиномиальные регрессии открывают совершенно иные возможности для понимания структуры данных и выявления скрытых закономерностей, которые ускользают от стандартных методов. Основная проблема…
-
Изучаем опционы на Netflix: комплексный анализ и стратегии
Стоимость акций Netflix, одного из мировых лидеров стриминговой индустрии, перешагнула отметку в $1000 и демонстрирует значительную волатильность, что делает этот актив привлекательным инструментом для опционной торговли. Как специалист в области анализа данных и количественных исследований, я решил провести исследование опционов на Netflix, возможных стратегий торговли и поделиться с вами его результатами. Типы опционов на Netflix…
-
Расчет показателей доходности и риска биржевой торговли на Python
В данной статье я хочу поделиться опытом использования Python для расчета ключевых показателей доходности и риска биржевой торговли. Я рассмотрю как классические метрики, так и более продвинутые подходы, используемые в профессиональных инвестиционных компаниях и хедж-фондах. Основы анализа доходности и риска Прежде чем погружаться в технические детали и код, давайте выясним, что именно мы хотим измерять…
-
Что такое регрессионный анализ и как он работает?
Регрессионный анализ представляет собой статистический метод, позволяющий выявить и количественно описать связь между зависимой переменной и одной или несколькими независимыми переменными. Это универсальный инструмент для моделирования и анализа данных, который помогает нам понять, как изменения в одних факторах влияют на другие. В этой статье я детально рассмотрю, что такое регрессионный анализ, как он работает, какие…