Результаты тестирования моделей Лассо и Опорные вектора

• Время тестирования –  август 2023 года
• Проведено тестирование 17 моделей с использованием библиотек skforecast и scikit-learn (LGBM, CatBoost, Ridge, XGB, Lasso, BayesianRidge, SARIMA, ElasticNet, RANSACRegressor, SVR, MLPRegressor, NuSVR, HuberRegressor, KNeighborsRegressor, IsotonicRegression, LinearRegression, RandomForestRegressor). Использованы модели различных видов (линейные, деревья решений, бустинг, нейросети, опорные вектора)
• Для поиска гиперпараметров использовались методы Grid search и Bayesian search
• Проверялись варианты авторегрессии (предсказание на основе только предыдущих значений цены), а также предсказание на основе нескольких дополнительных рядов (таких как индексы акций и облигаций, курс доллара, индекс волатильности RVI)
• Данные – исторические цены за 10 лет. Загружались с ММВБ (дневные свечи). Данные разделены на отрезки:
  • обучение – 50%
  • подбор гиперпараметров модели – 30%  
  • тест – 20%
• Прогноз выполнялся на 20 дней
• Отобраны две модели с лучшими результатами – Lasso и SVR

В ходе тестирования определены:

• Отклонение – среднее процентное отклонение прогноза от реальной цены
• Направление – определение моделью направления рынка (% правильного определения роста или падения)
• Прибыль – прибыль от сделок (вход в первый день в направлении, которое предсказала модель, выход в последний день прогноза). Биржевая комиссия 0.1%. Проскальзывание не учитывалось