基于概率的股票价格分类

Question

我正在尝试构建一个分类器来预测股票价格。我使用一些众所周知的技术指标生成了额外的特征，并将这些值以及过去点的值提供给机器学习算法。我有大约 45k 个样本，每个样本代表一小时的 ohlcv 数据。

这个问题实际上是一个 3 类分类问题：带有买入、卖出和持有信号。我根据每个时间点的 (%) 变化构建了这 3 个类作为我的目标。也就是说：我只将最大的积极 (%) 变化归类为买入信号，相反的归类为卖出信号，其余的归类为持有信号。

但是，将这个 3 类目标呈现给算法会导致买卖分类器的准确性较差。为了改善这一点，我选择根据每个样本的概率手动分配类。也就是说，我根据价格上涨或下跌将目标设置为1或0。 然后，该算法返回一个介于 0 和 1 之间（通常介于 0.45 和 0.55 之间）的概率，用于确定每个样本属于哪个类别的置信度。然后我为这些概率中的每个类选择一些概率界限。例如：我选择 p > 0.53 被归类为买入信号，p

这种方法极大地提高了分类准确率，在某些方面达到了 65% 以上。但是，在没有大量验证集的情况下，我无法想出一种方法来选择这些概率界限。我尝试在 3000 个验证集中找到最佳概率值，这提高了分类准确度，但验证集越大，很明显测试集中的预测准确度正在下降。

所以，我正在寻找的是任何方法，通过它我可以辨别每个训练集的特定决策概率应该是什么，而无需大型验证集。我也欢迎任何其他关于如何改进这个过程的想法。感谢您的帮助！

Answer 1

您所经历的称为非平稳过程。市场走势取决于事件发生的时间。

我用来处理它的一种方法是使用不同时间块的数据构建模型。

例如，将第 1 天到第 10 天的数据用于训练，将第 11 天的数据用于测试/验证，然后向上移动一天，从第 2 天到第 11 天进行训练，将第 12 天的数据用于测试/验证。

您可以将所有测试结果保存在一起，以计算模型的总分。这样你就有大量的测试数据和一个能适应时间的模型。

您还有 3 个参数需要调整，#1 训练使用多少数据，#2 测试使用多少数据，# 每多少天/小时/数据点重新训练数据。