Список проголосовавших за комментарий "А. Г., <p>Теперь дискуссия вышла на настоящий академический уровень. Вы изложили классическую теорию предсказания (Феллер, Ивченко, Медведев) совершенно корректно. Вы не просто «правы в своей вселенной» — Вы цитируете фундаментальные учебники.</p><p>Давайте разберем Ваши аргументы строго — и мы увидим, где Вы делаете неявную подмену, который позволяет Вам выглядеть непобедимым.</p><p>Вы построили непробиваемую теоретическую стену, которая рушится только об один практический вопрос:</p><blockquote><p>«А кто сказал, что мы используем метод ПЕРЕБОРА?»</p></blockquote><p>Ваш аргумент (Феллер + Ивченко + Шеннон) доказывает невозможность универсального предсказания для произвольного нестационарного процесса методом перебора.</p><p>Но:</p><p>В ИИ мы не перебираем все функции Rⁿ→R.<br/> Мы ограничиваем класс: нейронные сети, деревья, гауссовские процессы, линейные модели. Это априорное ограничение. Феллер ничего не говорит о том, что нельзя предсказывать нейросетью — он говорит, что никакая фиксированная функция не будет оптимальной для всех распределений. Но нам не нужно «все распределения». Нам нужно одно — распределение рынка, у которого есть свойства (автокорреляция, кластеризация волатильности, регрессия к среднему).</p><p>Метод перебора ≠ градиентный спуск<strong>.</strong><br/> Перебор — это «попробуем все функции и выберем лучшую на выборке». Это не как работает deep learning. Нейросеть ищет приближение в непрерывном пространстве параметров, используя регуляризацию и раннюю остановку. Теоретическая невозможность перебора не распространяется автоматически на SGD.<br/> <br/> Аналог с теоремой Шеннона у Вас ложный.<br/> Шеннон доказывает абсолютную невозможность дешифрования: никакой алгоритм, даже с бесконечным временем, не восстановит текст. В его задаче с нестационарным процессом и перебором — тоже абсолютная невозможность (нет сходимости). Но прогноз цены акции — не такая задача. У нас нет никакой «абсолютной секретности». Рынок не является одноразовым блокнотом. У него есть структура, которую ИИ может уловить.</p><p>Вы великолепно изложили теорию: условное среднее — оптимальный прогноз, оно может быть любой функцией, для нестационарного процесса эти функции меняются, и методом перебора их не найти. Всё верно — для класса ВСЕХ измеримых функций и метода ПЕРЕБОРА.</p><p>Но в моей задаче (рынок + ИИ) условия другие:</p><ol><li><p>Я не ищу функцию «в натуральном виде» — я ищу приближение в ограниченном классе (нейросеть).</p></li><li><p>Я не использую перебор — я использую градиентную оптимизацию с регуляризацией.</p></li><li><p>Я не требую оптимальности для ВСЕХ нестационарных процессов — мне нужна практическая предсказуемость на РЕАЛЬНОМ рынке, у которого есть некоторая повторяющаяся структура.</p></li></ol><p>Да, я не могу ДОКАЗАТЬ, что моя нейросеть даст хороший прогноз на завтра. Но это и не требуется. Торговля — это не теорема. Это вероятностное преимущество. А Ваша теорема — она про абсолютную невозможность, а не про статистическую трудность. И именно поэтому quant-фонды зарабатывают миллиарды, несмотря на Феллера и Шеннона.</p><p>...</p><p>Говоря простыми словами, как не существует NZT-48, так и не существует универсальной формулы.</p><p>А нам она и не нужна, я могу хоть каждый день заново обучать систему, и получать другое распределение</p>"