Фиттите линейную регрессию ln(NonInflationaryRUB) ~ ln(Brent), альфа — это свободный член, бэта — коэффициент наклона. Откройте любой базовый учебник по эконометрике и разберитесь в главе «линейная регрессия» — сразу все станет понятно, и главное — получите очень простой инструмент для оценки много чего в экономике, физике и не только.
SergeyJu, ну все-таки линейная регрессия очень примитивна, и сама линейная зависимость встречается нечасто. Я базовым универсальным инструментом исследования любых данных продолжаю считать extreme gradient boosting ;) Но если нет математического бэкграунда — то линейная регрессия самое то
MadQuant, звучит красиво. А как Вы контролируете риск оверфитинга? Я с рэндом форест ковырялся весьма долго, но как-то не получил удовлетворения. Если в одно дерево включено много решающих правил — переподгонка, если мало — нет преимущества перед более простыми методами.
SergeyJu, ну есть несколько способов, в том числе встроенных в тот же sklearn:
— boosting сам по себе довольно робастен — как правило несколько тысяч итераций еще не приводят к переобучению в классическом понимании
— дополнительно при фиттинге деревьев можно указывать, чтобы он перебирал не все переменные на каждом шаге и использовал для обучения не все данные — магия, но помогает избежать переобучения
— другие настройки вроде минимального кол-ва наблюдений в листе и минимального кол-ва наблюдений, которое можно разделить
Все эти настройки можно отдельно калибровать, и итоговый результат обычно получается неплох.
Речь, понятно, о задачах общего назначения — рыночные данные деревьями предсказываются не лучше, чем более простыми методами
MadQuant, про все эти штучки я читал, кое-что даже пробовал использовать. В общем, к рынку приспособить не смог (имею в виду разработку ТС).
Похоже, эта задачка сильно отличается от традиционных. Другая целевая функция (кстати, какая?) совсем другой уровень повторяемости (многократно меньший). В общем, копать-не перекопать.
ПАО «АПРИ» успешно разместило выпуск биржевых облигаций серии БО-002P-14
ПАО «АПРИ» успешно разместило выпуск биржевых облигаций серии БО-002P-14
Книга заявок закрыта 31 марта 2026 года в объёме 2,4 млрд рублей . Размещённый выпуск облигаций включён...
Преимущества покупки облигаций при первичном размещении
Активность российских эмитентов на долговом рынке растет — почему участие в первичном размещении выгодно инвесторам? → Пополнить счет В условиях постепенного снижения ключевой ставки...
⚡️ ПАО «СТГ» объявляет операционные и финансовые результаты за 2025 год
По итогам 2025 года мы показали положительный финансовый результат. Мы адаптировали нашу бизнес-модель к изменившимся регуляторным условиям, фактически завершили переход к...
Как Астра теряет денежный поток по пути по сравнению с Аренадатой
Продолжаем разговор о нездорово низкий дебиторке Аренадаты на фоне сравнения с Астрой. Чтобы вы понимали разницу между Астрой и Датой, я построил два моста конверсии NIC в FCF. Уверен что на...
Invest Assistance,
Корова походу больная, пристрелить и сжечь чтобы заразу н распространяла, как обычно делают.
не буквально конечно, но продать и позабыть на время очень стоит
Сольдик, 2р. за Квт хороший тариф. лет 5-10 надо для выравнивания, если СВО завершится. А если нет?
нужно так же учесть «подарки» для Абхазии и Кавказа. Где не принято платить а электричку. А у н...
🛢️ Сургутнефтегаз — в полугодии вышли в прибыль, но этого мало для нормального дивиденда
Компания максимально сократила отчет, убрав данные по активам и обязательствам. Теперь размер кубышки ...
Не будет и все тут
В последние недели на российском финансовом рынке закрепился оптимистичный сценарий: многие участники ожидают укрепления рубля до уровня 70 за доллар. Основанием для таких оце...
вторичка просела примерно на 10%, новостройки остались в цене. Дистресс-продаж (когда активы отдают за копейки) тоже нет. Дубай на паузе: истерика или реальный кризис?
Соцсети пестрят заголовками...
— boosting сам по себе довольно робастен — как правило несколько тысяч итераций еще не приводят к переобучению в классическом понимании
— дополнительно при фиттинге деревьев можно указывать, чтобы он перебирал не все переменные на каждом шаге и использовал для обучения не все данные — магия, но помогает избежать переобучения
— другие настройки вроде минимального кол-ва наблюдений в листе и минимального кол-ва наблюдений, которое можно разделить
Все эти настройки можно отдельно калибровать, и итоговый результат обычно получается неплох.
Речь, понятно, о задачах общего назначения — рыночные данные деревьями предсказываются не лучше, чем более простыми методами
Похоже, эта задачка сильно отличается от традиционных. Другая целевая функция (кстати, какая?) совсем другой уровень повторяемости (многократно меньший). В общем, копать-не перекопать.