使用技術指標預測使用機器學習模型的金融時間序列

您好我正在嘗試使用金融技術指標進行預測，使用機器學習模型。時間序列交叉驗證的常用方法是使用移動視窗或增長視窗。我使用的方法在以下步驟中描述

1. 使用滯後 1 計算整個歷史數據集的技術指標 TA1、TA2、….TAN
2. 然後使用簡單的特徵選擇方法，例如找出自變數之間的互相關，並刪除互相關高於某個門檻值的變數
3. 將輸入變數滯後 1
4. 然後使用移動視窗訓練機器學習模型，然後在訓練集上報告其性能
5. 在訓練過程中未使用的測試集上測試其性能

我面臨的問題是結果非常樂觀。我的問題是我應該分別計算train和test的技術指標然後使用它們，還是我應該在一開始就對整個數據集計算它們，然後將它們分成train和test set。

在預測方面，預測金融時間序列非常困難，尤其是使用 ML 模型。我見過的一篇“成功”論文使用了分類方法（例如預測極端回報）。

見：http ://algorithmicfinance.org/2-1/pp45-58/

綜上所述，您的模型結構將假定參數隨時間穩定。為什麼不使用使用 TA 指標的 VARMA 方法，請參見此處：http ://users.monash.edu.au/~gathana/slides/isf07.pdf

在金融時間序列中使用機器學習技術時要小心。您隱含地假設您在訓練模型的數據上發現的趨勢，相同的趨勢將在未來的時間序列中出現。

除了 KKB 的建議之外，您還應該看看另一個名為“Echo State Network”（RNN 家族）的模型。但話又說回來，建議您使用簡短的數據進行訓練。原因是 - 兩年前發生的事情現在可能不相關，但過去幾個月發生的事情是相關的，因為它們反映了最近的事件。真的是迷宮。你必須運用你的直覺。

還可以使用信賴區間來判斷您的估計值的意義。機率分佈對於衡量預測的有效性非常有幫助。

引用自：https://quant.stackexchange.com/questions/15988