Список проголосовавших за комментарий "zzznth, да примерно так же как, это делается для не ML моделей — часто это определенное искусство нарабатываемое с опытом, но есть и вполне формальные приемы.<br/> <br/> Во-первых любой прогноз имеет некую точность. И нет проблем ее оценить — в большинстве случаев в процессе обучения вы получает оценку неточности. Если цена идет не туда, но это в пределах ошибки модели, то тут и анализировать нечего. <br/> <br/> Если же она как-то сильно вышла за пределы ошибки, то обычно выделяют из общей совокупности прогнозов наиболее ошибочные и смотрят их более пристально. Во многих случая человек просто глазами видит, что не так с этими случаями и может придумать как улучшить прогноз — обычно добавляются те или иные признаки, которые отражают не учтенные факторы.<br/> <br/> В более сложных ситуациях часто применяют критерий Колмогорова-Смирнова для анализа распределения признаков у сильно ошибочных прогнозов и в обучающей выборке."