ipdb> np.count_nonzero(test==0) / len(ytrue) * 100
76.44815766923736
我有一个计算 24000 价格的数据文件,我将它们用于时间序列预测问题。我没有尝试预测价格,而是尝试预测对数返回,即 log(P_t/P_P{t-1})。我已经对价格以及所有功能应用了对数返回。预测还不错,但趋势预测往往为零。正如您在上面看到的,~76% 的数据是零。
现在的想法可能是“查找零膨胀估计量:首先预测它是否为零;如果不是,则预测值”。
具体来说,处理过多零的完美方法是什么?零膨胀估算器如何帮助我解决这个问题?请注意,我最初不是概率论者。
P.S. 我正在努力预测高频交易研究中单位为“秒”的对数返回。请注意,这是一个回归问题(不是分类问题)。
更新
这张图片可能是我对对数回归的最佳预测,即 log(P_t/P_{t-1})。虽然还不错,但剩下的预测往往预测为零。正如您在上面的问题中看到的那样,零太多了。我在功能内部可能也有同样的问题,因为我也对功能进行对数返回,即如果 F 是一个特定的功能,那么我应用 log(F_t/F_{t -1}).
这是一天的数据,log_return_with_features.pkl ,形状为 (23369, 30, 161)。对不起,但我不知道有什么特点。当我在所有特征和目标(即价格)上应用 log(F_t/F_{t-1}) 时,请注意我在应用对数返回操作之前将 1e-8 添加到所有特征以避免除法0.
请您参考如下方法:
好的,从您的情节来看:这是数据的性质,价格并没有经常变化。
尝试对您的原始数据进行一些子采样(也许是 5 倍,只需查看数据),以便您通常可以看到每个时间点的价格变动。这将使任何建模变得MUCH容易得多。
对于子采样:我建议您在时域中进行简单的常规下采样。因此,如果您有第二个分辨率的价格数据(即每秒一个价格标签),那么只需取每五个数据点。然后像往常一样继续,具体来说,根据这个二次抽样数据计算价格的对数增长。请记住,无论您做什么,都必须在测试时间内可重现。
如果出于某种原因这不是您的选择,请查看可以处理多个时间尺度的东西,例如WaveNet或 Clockwork RNN .
