Александр Костин – Нейросети в инвестициях: как зарабатывать с ИИ на фондовом рынке (страница 3)

Оптимизация не той цели

Одна из типичных ошибок – оптимизировать то, что легко измерить, а не то, что важно. Модель может показывать отличные значения выбранной метрики и при этом быть непригодной для реального использования. Например, минимизация ошибки прогноза не учитывает комиссий, ограничений ликвидности и поведения в кризисных фазах.

Если метрика не связана напрямую с денежным результатом или риском, она должна рассматриваться как вспомогательная, а не основная.

Метрика как объяснение поведения

Хорошая метрика не просто даёт число, она объясняет, как ведёт себя стратегия. Если после просмотра отчёта невозможно понять, где система зарабатывает, а где теряет, значит измерение выбрано неправильно.

Метрики должны позволять разложить результат по периодам, режимам рынка и типам сделок. Это снижает риск неприятных сюрпризов в реальной торговле.

Бэктест как эксперимент, а не демонстрация

Бэктест часто воспринимают как доказательство работоспособности. На самом деле это эксперимент с жёсткими правилами. В нём важно фиксировать все параметры заранее и не подгонять модель под результат.

Каждое изменение в модели или данных должно сопровождаться повторной оценкой по тем же метрикам. Если метрики меняются хаотично от небольших правок, стратегия неустойчива.

Стресс-тесты и неприятные сценарии

Настоящая ценность метрик раскрывается в стресс-тестах. Как стратегия ведёт себя в периоды резких падений, роста волатильности, снижения ликвидности – именно это определяет её жизнеспособность.

Нейросети часто выглядят лучше всего в «нормальных» условиях и резко теряют качество в экстремальных фазах. Метрики должны явно показывать это, а не сглаживать результат.

Проверка устойчивости

Хорошая модель показывает схожее качество на разных периодах и рынках. Если результат держится только на одном удачном отрезке, это повод для сомнений. Метрики устойчивости помогают отличить закономерность от совпадения.

Особенно важно проверять чувствительность к параметрам. Небольшие изменения входных данных не должны приводить к катастрофическому ухудшению показателей.

Оценка на новых данных

Отдельный акцент стоит делать на результатах вне периода обучения. Метрики на новых данных всегда хуже, чем на обучающих, и это нормально. Опасно, когда разница слишком велика – это почти всегда признак подгонки.

Инвестор должен заранее принять, что «честные» метрики выглядят скромнее, чем маркетинговые графики.

Риск-лимиты и их измерение

Метрики риска должны быть связаны с реальными лимитами. Если система превышает допустимый уровень риска, это должно быть видно сразу, а не задним числом. ИИ особенно полезен там, где автоматически контролирует соблюдение ограничений.

Отчёт по модели как стандарт

Полезная привычка – формировать краткий отчёт по каждой модели или стратегии: ключевые метрики, периоды успеха и провалов, основные риски. Такой отчёт дисциплинирует мышление и снижает вероятность самообмана.

Главный вывод этой главы заключается в том, что метрики – это не украшение отчёта, а инструмент защиты инвестора. Нейросеть всегда найдёт способ выглядеть убедительно. Задача человека – выбрать такие способы измерения, при которых самообман становится трудным, а реальные риски – видимыми.

Глава 5. Базовые модели как фундамент: не прыгать сразу в «глубину»

В работе с нейросетями в финансах одна из самых парадоксальных ловушек – стремление сразу использовать сложные модели. Кажется логичным: если рынок сложен, значит и инструмент должен быть сложным. На практике всё наоборот. Именно простые, хорошо понятные базовые модели становятся тем фундаментом, без которого любая нейросеть превращается в источник иллюзий. База нужна не для того, чтобы конкурировать с ИИ, а чтобы проверить, действительно ли он даёт добавленную ценность.

Зачем нужна базовая линия

Базовая модель – это точка отсчёта. Она показывает, какого результата можно достичь без сложных алгоритмов, используя элементарные правила распределения капитала и контроля риска. Если нейросеть не способна стабильно превзойти такую основу с учётом издержек и рисков, её использование не имеет смысла.

Парадоксально, но многие «умные» стратегии выглядят хуже простой дисциплинированной схемы именно потому, что базовая линия задаёт минимальный стандарт качества.

Простые правила как проверка здравого смысла

Равномерное распределение, периодический ребаланс, ограничение долей активов – эти подходы кажутся примитивными, но они отражают ключевые принципы управления риском. Простые статистические методы часто демонстрируют удивительную устойчивость на длинных дистанциях.

Конец ознакомительного фрагмента.

Текст предоставлен ООО «Литрес».

Прочитайте эту книгу целиком, купив полную легальную версию на Литрес.

Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.