Модель, Разобрать и Собрать

25 июня 2025, 10:29
|
Alex Craft

Качество фин модел оценить сложно, поскольку мы не знаем что мы должны получить в итоге, как должен выглядеть результат. В отличии от например модели классификации фоток кошек и собак.

Одно из решений а) создать цель искуственно, где ее параметры точно известны б) разобрать цель, превратив в случайный, зашумленный сигнал, в) используя модель восстановить цель назад и сравнить с исходной.

Мы получаем простой и быстрый тест. Необходимое, но не достаточное условие для проверки модели. Если она не может восстановить цель назад, пробовать ее на реальных данных смысла нет. Это экономит много времени.

На графике искуственая цель, цены премиумов для различных периодов, волатильностей и страйков, используя распределения близкие к реальным рыночным код. Эта цель затем превращается в случайный сигнал, и восстанавливается.

Данная публикация является личным мнением автора. Мнение владельца сайта может не совпадать с мнением автора.

спецраздел:
опционы

Ключевые слова:
опционы

385

10 комментариев

И сразу видно где ошибки

Alex Craft

25 июня 2025, 10:51
Ответить

После правки

Alex Craft

25 июня 2025, 12:59
Ответить

В линейном маштабе

Alex Craft

25 июня 2025, 13:26
Ответить

конечная цель — деньги.
промежуточная цель — эквити и её характеристики (шарп, ёмкость, масштабируемость)

Sergey Pavlov

26 июня 2025, 10:30
Ответить

Sergey Pavlov, сделать единую общую модель заложив конечный результат как прибыль, слишком сложно.

Мне кажется проще разбить задачу на шаги, множество небольших моделей использовать (напр. модель предсказания цен опционов). Которые, в конечном этапе, можно обьединить в более крупную модель/систему.

Alex Craft

26 июня 2025, 13:35
Ответить

Sergey Pavlov, и, эквити часто сложно использовать напрямую, например для инвестиций используя фин отчетность и долгосрочное инвестирование на 1-3 года. Слишком мало данных и много шума.

Эквити напрямую заложить можно на алготрейдинг и т.п. задачи.

Alex Craft

26 июня 2025, 13:39
Ответить

Alex Craft, если интерес академический, то одно дело. Если интерес в том, чтобы забрать свою премию с рынка, надо к этому привязываться.

Sergey Pavlov

26 июня 2025, 16:06
Ответить

Sergey Pavlov, интерес практический. Да, привязываться к прибыли нужно (как Н. Талеб называет это оптимизация в Пространстве Прибыли вместо оптимизации в Пространстве Вероятностей).

Но это сложно сделать, модель получится огромной, с десятками параметров, без понимания как она работает.

Мне таки видится лучше разбить на модули, и затем уже из готовых модулей собрать конечную систему с оптимизацией на прибыли.

Alex Craft

27 июня 2025, 06:46
Ответить

Sergey Pavlov, ну и, такую сложную модель нереально будет оптимизировать целиком, вычислит мощности не хватит.

Alex Craft

27 июня 2025, 08:27
Ответить

Alex Craft, тут как посмотреть. Академический уклон затягивает в правоту и красоту модели. Практический уклон запрещает на это расходовать ресурс. Не всё стоит оптимизировать. Не всегда нужно оптимальное решение. Может быть достаточно рационального или уже приемлемого по доходности.

Sergey Pavlov