Может ли ИИ предсказать отличное будущее? Данные NSE за 6 месяцев дают неутешительный ответ Эта идея повсюду: дайте ИИ данные NIFTY за шесть месяцев, и он подскажет вам направление на завтра. Я сделал именно это — 247 реальных ежедневных закрытий NIFTY…
Может ли ИИ предсказать отличное будущее? Данные NSE за 6 месяцев дают неутешительный ответ
Эта идея повсюду: дайте ИИ данные NIFTY за шесть месяцев, и он подскажет вам направление на завтра. Я сделал именно это — 247 реальных ежедневных закрытий NIFTY 50, перспективная модель, честные затраты — и неудобный ответ заключается в том, что она едва ли превосходит подбрасывание монеты и теряет деньги. Точность направления тестового набора составила 51,4% против базового уровня 50,6%, и после реалистичных затрат на сделку в 0,05% стратегия вернулась -7,07%, в то время как простое удержание NIFTY вернуло +0,39%. Если вы создаете ИИ для индийских индексов, вам нужно увидеть именно этот результат, прежде чем переводить деньги в модель. Ниже: набор данных, метод, что сработало, что не удалось и почему отрицательный результат более полезен.
Данные реальны и бесплатны: 247 последовательных ежедневных закрытий NIFTY 50, взятых из общедоступного API рыночных данных, в диапазоне от 25 051 до 24 215 примерно за год. Я разработал пять функций на определенный момент времени — доходность 1/3/7 дней, 7-дневную реализованную волатильность и 14-дневный импульс — и использовал строгое разделение по времени 70/30, чтобы модель никогда не тренировалась на будущее. Классификатор представляет собой логистическую модель, обученную методом градиентного спуска; набор функций и ле