-
Стохастические процессы с дискретным временем (DTSP): применение в биржевой аналитике
Стохастические процессы с дискретным временем (Discrete-Time Stochastic Process (DTSP)) представляют собой математический аппарат, который описывает эволюцию случайных величин в дискретные моменты времени. В отличие от непрерывных процессов, где изменения происходят постоянно, дискретные процессы фиксируют состояния системы в определенные интервалы — секунды, минуты, дни или любые другие заданные периоды. Практическое значение DTSP в количественном анализе трудно…
-
Лаговые переменные и их правильное использование. Избегаем data leakage в финансовых моделях
В трейдинге и количественном анализе существует ряд ошибок, которые могут полностью уничтожить потенциальную прибыльность модели. Одна из таких — неправильное использование лаговых переменных, она приводит к утечке данных (data leakage). Эта проблема особенно критична в финансовых моделях, где требуется быстрая реакция на изменения рынка. В отличие от многих других областей машинного обучения, где порядок наблюдений…
-
Автокорреляция (ACF) и частичная автокорреляция (PACF) в биржевом анализе
Автокорреляция (ACF) и частичная автокорреляция (PACF) являются мощными инструментами для выявления скрытых паттернов в ценовых рядах. Многие трейдеры и аналитики ограничиваются поверхностным применением этих концепций, используя их лишь для идентификации параметров ARIMA-моделей. Однако реальная сила ACF и PACF раскрывается при их правильном применении в контексте разработки торговых алгоритмов и риск-менеджмента. В этой статье я поделюсь…
-
Foundation-модели для временных рядов
В последние годы я наблюдаю значительный прогресс исследований в области анализа временных рядов. В том числе в ML-моделях. То, что раньше требовало месяцев кропотливой работы, связанной с генерацией признаков и тонкой настройки специализированных моделей, теперь может быть решено с помощью Foundation-моделей буквально за несколько часов. Эта технология не просто улучшает точность прогнозов — она полностью…
-
PatchTST: Трансформер для прогнозирования временных рядов
За последние годы область прогнозирования временных рядов сделала ощутимый скачок вперед благодаря внедрению архитектур трансформеров. Если раньше в этой области полновластно доминировали бустинги, рекуррентные нейронные сети и классические статистические методы, то сегодня мы наблюдаем настоящий прорыв в точности и эффективности нейросетевых моделей. Одной из наиболее значимых инноваций стала архитектура PatchTST, которая не просто адаптировала трансформеры…
-
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…
-
Гомоскедастичность и Гетероскедастичность временных рядов
Гомоскедастичность (homoskedasticity) и гетероскедастичность (heteroskedasticity) представляют собой фундаментальные свойства временных рядов, описывающие характер изменения дисперсии случайной компоненты во времени. Эти концепции напрямую влияют на выбор модели, методы оценки параметров и, что особенно важно для практикующих квант-аналитиков, на качество прогнозов и риск-менеджмент. Теоретические основы гомоскедастичности Гомоскедастичность временного ряда подразумевает постоянство дисперсии случайной компоненты на протяжении всего…
-
23 способа визуализации котировок с помощью Mplfinance
Библиотека mplfinance для Python — это мощный инструмент, благодаря которому аналитики и трейдеры получают множество инсайтов при визуализации рыночных данных. В этой статье я расскажу о 23 различных способах визуализации котировок с использованием библиотеки mplfinance, начиная от базовых графиков до продвинутых техник. Основы работы с mplfinance Перед тем как перейти к конкретным методам визуализации, давайте…
-
Statsmodels: анализ финансовых временных рядов
Библиотека Statsmodels предоставляет широкий спектр инструментов для работы с временными рядами, от базовых методов анализа до продвинутых эконометрических моделей. Она полезна не только для академических исследований, но и для практического применения в трейдинге, риск-менеджменте и финансовом планировании. Что такое Statsmodels? Statsmodels — это Python-библиотека, предоставляющая классы и функции для оценки различных статистических моделей, проведения статистических…
-
Сравнение временных финансовых рядов: методы, метрики и примеры на Python
Сравнение временных рядов биржевых активов помогает выявить у кого больше доходность и риск, как они связаны между собой — движутся ли синхронно, один ли опережает другой, и можно ли использовать эту связь для хеджирования, арбитража или прогнозирования. Понимание того, как правильно сравнивать финансовые временные ряды, может серьезно повлиять на качество торговых стратегий. При этом такой…