التحقق المتقاطع مع التطهير والحظر

تحقق متقاطع يحترم الساعة

يعيد التحقق المتقاطع استعمال البيانات: يقطعها إلى طيات ويختبر على طية ويدرّب على الباقي. وهذا يصلح للصفوف المستقلة لكن التسميات المالية تتداخل زمنيًا. فإذا كانت تسمية الصف $j$ عائد $j$ إلى $j+H$ فنافذتها $[j,j+H]$. وطية اختبار تغطي الصفوف $a$ إلى $b-1$ تغطي تسمياتها $[a,b-1+H]$. وكل صف تدريب تمس نافذته هذا المدى أي $a-H\le j\le b-1+H$ يتشارك عوائد مع تسميات الاختبار. والإبقاء على هذه الصفوف يتيح للنموذج رؤية جزء من الجواب.

يزيل التطهير صفوف التدريب المتداخلة. ويزيل الحظر مقطعًا آخر من $e$ صفًا بعد طية الاختبار لأن العوائد مترابطة ذاتيًا والتقلب يتجمع فأولى الصفوف بعد كتلة الاختبار ما زالت تحمل معلومات عنها. وفي مخطط المشي الأمامي يأتي التدريب قبل الاختبار فقط وتصبح الفكرة نفسها فجوة: دَرِّب على الصفوف حتى $a-H-1$ فتكون الفجوة $H$ (زائد $e$). ولدى TimeSeriesSplit في scikit-learn وسيط gap لهذا. وعلى اللوحة الشهرية للأسهم بـ $H=3$ يبلغ معامل المعلومات للمشي الأمامي $0.0326$ بلا حظر و$0.0327$ بحظر $3$ أشهر: فالتنظيف يغير القليل لأن التداخل قصير لكن لا يمكنك معرفة ذلك دون إجرائه.

• تطهير ثم حظر: احذف صفوف التدريب التي تمس تسمياتها تسميات الاختبار ثم بضعة صفوف بعد الاختبار.
• فجوة في المشي الأمامي: دَرِّب فقط على صفوف تسبق الاختبار بـ $H$ على الأقل.
• افعلها حتى لو غيّرت القليل: التقييم النظيف يكلف بضعة صفوف وقد يكلف التسرب استراتيجية.

المختبر: ما الذي يُقيَّم

• الصفوف المطهَّرة قبل الطية10 نقطة
• الصفوف المطهَّرة بعد الطية15 نقطة
• حجم التدريب المتبقي15 نقطة
• طية مشي أمامي بفجوة10 نقطة
• أي الصفوف تُطهَّر10 نقطة
• تقسيم مطهَّر10 نقطة
• طابق المصطلحات15 نقطة
• لماذا حظر أيضًا15 نقطة