Как проводить кросс-валидацию временных рядов и почему обычный K-fold может не подойти?
Quant ResearchУровень: ПрактикаВременная кросс-валидация
Как проводить кросс-валидацию временных рядов и почему обычный K-fold может не подойти?
Подсказки
- Определите, какие наблюдения должны оставаться независимыми при проверке.
- Сравните случайное, групповое и временное разбиения. Где подбираются гиперпараметры?
Ответ
Для прогнозирования обучение проводят на прошлом, а проверку — на последующих наблюдениях, используя скользящие или расширяющиеся окна. Обычный K-fold может обучаться на будущем даже без перемешивания. Из обучения удаляют метки, интервалы формирования которых перекрываются с тестовыми; при необходимости зависимости информации учитывают обоснованным зазором или embargo. Размер исключения зависит от разметки, временных меток и конструирования признаков, а не от универсального правила пяти дней. Предобработку и гиперпараметры обучают только внутри соответствующей последовательности обучения и валидации.
Источник и лицензия: Quant Research Interview Notes — SoYuCry; English translation by photon2563 · MIT · ответ: редакция Quantoros · перевод: Quantoros