-
IRR (внутренняя норма доходности) инвестиций
Внутренняя норма доходности (IRR) — один из ключевых показателей эффективности инвестиций, который широко используется в финансовом анализе и управлении проектами. Этот инструмент помогает инвесторам и руководителям оценить, насколько выгодно вкладывать средства в тот или иной проект, сравнивая ожидаемую доходность с альтернативными…
-
CAGR (среднегодовая доходность) инвестиций
Compound Annual Growth Rate (CAGR) — это один из ключевых показателей, который помогает инвесторам, аналитикам и бизнесу оценивать эффективность вложений и темпы развития компании или рынка. В отличие от простой средней доходности, CAGR показывает усредненный годовой темп роста за определенный период,…
-
Модели переключения режимов (Regime Switching) для моделирования изменений финансовых рынков
В мире количественных финансов существует фундаментальная проблема: многие популярные финансовые модели предполагают стационарность процессов там, где ее попросту нет. Рынки не остаются в одном состоянии — они переключаются между различными режимами волатильности, тренда и корреляций. Именно здесь модели переключения режимов становятся…
-
Библиотека ETNA в Python для прогнозирования временных рядов
Мне довелось работать с множеством инструментов для анализа временных рядов, и постоянно приходилось комбинировать различные библиотеки, чтобы получить полный цикл работы с временными рядами — от предобработки до бэктестинга, от подбора гиперпараметров до подготовки к деплою. Библиотека ETNA (Easy Time-series Analysis)…
-
Расширенные методы тестирования стационарности рядов: тесты KPSS, Phillips-Perron и другие
Стационарность временного ряда означает постоянство его статистических свойств во времени. Это не академическая абстракция — от корректного определения стационарности зависит выбор модели прогнозирования, риск-менеджмент и конечная прибыльность стратегии. Нестационарные ряды могут привести к ложным корреляциям, переобучению моделей и катастрофическим потерям в…
-
Библиотека typing в Python для решения задач типизации
При написании кода на Python мы иногда можем столкнуться с проблемой, что этот язык является динамически типизированным. Нет, несомненно, динамическая типизация очень удобна для быстрого прототипирования, однако при разработке крупных проектов эта особенность иногда приводит к ошибкам и усложняет поддержку кода.…
-
Настройки градиентного бустинга. Гиперпараметры бустинговых ML-моделей
Градиентный бустинг занимает особое место в арсенале финансовых аналитиков. В отличие от примитивных методов вроде линейной регрессии или банальных индикаторов технического анализа, бустинговые алгоритмы способны улавливать сложные нелинейные зависимости в данных, что особенно важно при работе с финансовыми временными рядами. Однако…
-
Техники энкодинга (encoding) категориальных атрибутов
Категориальные атрибуты представляют собой дискретные значения, которые не имеют естественного числового порядка или измеримого расстояния между категориями. В финансовой аналитике такими переменными могут быть секторы экономики, рейтинги кредитоспособности, типы финансовых инструментов или временные метки торговых сессий. Ключевая проблема заключается в том,…
-
Метрики качества ML-моделей: Accuracy, Precision, Recall, F1 Score, ROC-AUC
Когда мы создаем или обучаем модель машинного обучения, один из первых вопросов, который возникает: насколько хорошо она работает? Ответить на него не так просто, ведь разные задачи требуют разных критериев оценки, и не существует универсальной метрики для всех случаев. Поэтому в…
-
Винеровские процессы в биржевой торговле
Винеровские процессы, названные в честь математика Норберта Винера, представляют собой математический инструмент описания случайных движений. Анализ винеровских процессов крайне важен, поскольку они стали краеугольным камнем современной финансовой инженерии. В отличие от примитивных технических индикаторов, которые пытаются найти закономерности там, где их…
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.