К содержанию
Quantoros

Какие приёмы конструирования признаков важны в количественном машинном обучении?

Quant ResearchУровень: ПрактикаПризнаки для количественных моделей

Какие приёмы конструирования признаков важны в количественном машинном обучении?

Подсказки
  • Уточните финансовый объект, доступную информацию и источник риска.
  • Разделите теоретическое утверждение и проверку на данных с издержками и ограничениями.

Ответ

Полезны лагированные доходности, скользящая волатильность и старшие моменты, поперечные ранги, взаимодействия факторов и фундаментальные данные с корректными датами доступности. Для каждого входа определяют момент появления информации и допустимое время сделки по сигналу. Масштабирование, заполнение пропусков, PCA и кодирование по целевой переменной обучают внутри каждого фолда. Поперечное преобразование на дату может использовать реально доступную на эту дату вселенную, но не будущих участников индекса или пересмотренную отчётность. Проверяют добавочную ценность после издержек, а не размножают признаки без гипотезы.

Источник и лицензия: Quant Research Interview Notes — SoYuCry; English translation by photon2563 · MIT · ответ: редакция Quantoros · перевод: Quantoros

Похожие вопросы