-
Гипотеза эффективного рынка: слабая, полусильная, сильная формы
Гипотеза эффективного рынка (Efficient Market Hypothesis, EMH) утверждает, что цены активов полностью отражают всю доступную информацию. Из этого следует прямой вывод: систематическое получение избыточной (альфа) доходности невозможно, поскольку любая новая информация мгновенно включается в цену. Гипотеза формализована Юджином Фамой в 1970…
-
Продвинутые способы кросс-валидации, разделения выборок рядов: Expanding Window Splitter, Blocked Time Series Split и другие
Традиционно в задачах прогнозирования для разделения выборок временных рядов используется метод TimeSeriesSplit из библиотеки scikit-learn. Этот подход гарантирует сохранение хронологической последовательности: обучающая выборка всегда предшествует тестовой, исключая утечку информации из будущего. TimeSeriesSplit создает несколько последовательных сплитов с постепенно расширяющимся окном обучения, что…
-
Деревья решений: алгоритм CART, критерии разбиения и практическое применение
Деревья решений относятся к фундаментальным алгоритмам машинного обучения, которые находят применение в задачах классификации и регрессии. Их ключевое преимущество — интерпретируемость: модель представляет собой последовательность логических правил, понятных даже неспециалисту. По своей структуре дерево решений имитирует процесс принятия решений человеком, последовательно…
-
Бэктестинг: что это такое и как правильно его проводить
Перед тем как запускать стратегию в реальную торговлю, ее много раз прогоняют на исторических данных. Бэктестинг — это тестирование стратегии на прошлых котировках, чтобы увидеть, как она вела бы себя в реальных рыночных условиях. Данный процесс позволяет заранее выявить слабые места…
-
Регуляризация: L1 (Lasso) vs L2 (Ridge). Борьба с переобучением, отбор признаков
Переобучение остается одной из центральных проблем в машинном обучении. Модель запоминает шум в обучающей выборке вместо выявления истинных закономерностей, что приводит к деградации качества на новых данных. Регуляризация решает эту проблему через добавление штрафа на сложность модели в целевую функцию. Два…
-
Матожидание в статистике и трейдинге
Математическое ожидание определяет среднее значение случайной величины при бесконечном количестве наблюдений. В трейдинге этот показатель отвечает на вопрос: какую прибыль или убыток принесет стратегия в долгосрочной перспективе. Стратегия с положительным матожиданием доходности генерирует прибыль при достаточном количестве сделок, стратегия с отрицательным…
-
Закон больших чисел в портфельной теории
Закон больших чисел — фундаментальный результат теории вероятностей, который объясняет механику диверсификации в инвестиционных портфелях. Понимание его слабой и сильной формулировок позволяет оценить границы применимости диверсификации и избежать типичных ошибок при построении портфелей. Слабый закон больших чисел Слабый закон утверждает, что…
-
Обнаружение зон концентрации ликвидности на кластерных графиках
Зоны концентрации ликвидности — это ценовые уровни, на которых скапливается значительный объем лимитных ордеров. Эти зоны формируются, когда множество участников рынка размещают заявки в узком ценовом диапазоне, создавая барьеры для движения цены. Обнаружение таких зон позволяет прогнозировать уровни поддержки и сопротивления…
-
Байесовская статистика и вывод в анализе рынков
Байесовская статистика предоставляет инструменты для решения ключевых проблем количественного анализа: учет режимных сдвигов, калибровка моделей на ограниченных выборках, оптимизация гиперпараметров стратегий и управление риском переобучения. Байесовский подход рассматривает вероятность как степень уверенности в гипотезе, а не как частоту события в бесконечной…
-
Мониторинг ML-моделей: детекция дрифта и снижения метрик качества
Модель обучена, метрики на валидации отличные, деплой в продакшен прошел успешно. Через два месяца точность падает на 15%, а через полгода модель работает хуже бейзлайна. Деградация качества ML-моделей в продакшене — это, увы, довольно частое явление. Данные меняются, распределения сдвигаются, зависимости…
Добро пожаловать на сайт Machine Learning Guru! Здесь вы найдете увлекательные статьи и полезные советы о data science, машинном обучении, нейронных сетях, финансовой и биржевой аналитике, веб-аналитике, прогнозировании данных, временных рядах и современных алгоритмах исскуственного интеллекта.
На сайте mlgu.ru представлены: гайды по исследованиям данных, примеры кода на Python, SQL и других языках программирования, примеры анализа данных и построения ML-моделей в различных сферах и проектах. Здесь вы также найдете обзоры новейших инструментов и библиотек data science и machine learning, а также сможете ознакомиться с лучшими практиками по оптимизации бизнес-процессов с помощью этих инструментов.