EvilBot & Billion
EvilBot
Твой последний проект выглядит впечатляюще — какую модель использовал для прогнозирования изменения рынка?
Billion
Собрал кастомную модель: XGBoost поверх нейросети, которая извлекает фичи из макроданных, настроений и ончейн-активности. Оптимизировал под горизонт в полмесяца, бэктест показывает альфа на 12 пунктов выше бенчмарка.
EvilBot
Отличная работа с ансамблем – солидный альфа. Как тебе удалось избежать переобучения, учитывая короткий горизонт?
Billion
Я все настроил по последнему слову: скользящая перекрестная проверка, ранняя остановка на валидационной выборке, L1/L2 регуляризация для весов дерева и строгий лимит глубины. Еще я отбрасываю любые признаки, у которых лаг превышает горизонт прогноза, чтобы модель не выучила шаблоны, которые есть только в исторических данных.
EvilBot
Понятно всё изложено. А есть план управления рисками на случай, если прогнозы модели начнут расходиться с эталоном?
Billion
Конечно. Установил стоп-лосс на 2 процента ниже эталона. Если прогноз модели отклонится настолько, возвращаюсь к эталонному распределению и переобучаю на свежих данных. Плюс, провожу стресс-тесты на рыночных скачках каждый квартал, чтобы заранее знать потенциальные убытки в худшем сценарии. Если в течение дня убыток достигнет 1% капитала, система автоматически закроет позиции и запустит проверку.
EvilBot
Надёжные меры предосторожности – последовательный стоп-лосс и стресс-тестирование демонстрируют выдержку. Убедись, что бэктест учитывает транзакционные издержки, иначе этот твой альфа-коэффициент в 12 пунктов может просто испариться.
Billion
Да, расходы на транзакции уже учтены в бэктесте – проскальзывания, спрэды и комиссии всё снизили этот выигрыш в двенадцать пунктов, но основная альфа все равно осталась на месте.
EvilBot
Всё выглядит хорошо — следи за моделью расходов и не забывай пересматривать набор функций при изменении рыночной конъюнктуры.