النوافذ المتوسعة والمتدحرجة للتحقق المتتابع من النماذج

عند نقطة التنبؤ، يعرف الباحث بعض الخصائص والنتائج التاريخية، ويدرّب النموذج أو يحدّثه، ثم يقيمه على كتلة لاحقة. يؤدي تحريك النقطة إلى الأمام إلى فترات متتابعة خارج العينة. تحدد قاعدة نافذة التدريب الصفوف السابقة المؤهلة المستخدمة عند كل إعادة ملاءمة؛ أما قواعد التحقق والاختبار فتحدد النتائج اللاحقة المستخدمة لمقارنة الخيارات وتقدير الأداء. القرارات مترابطة لكنها ليست النافذة نفسها.

تبدأ النافذة المتوسعة من حد تاريخي ثابت وتنمو عندما تصبح نتائج جديدة متاحة. وتحرك النافذة المتدحرجة طرفيها مع الحفاظ على عدد ثابت من المشاهدات بعد فترة التهيئة. في الحالتين، لا يجوز استخدام هدف لم يكتمل قبل نقطة التنبؤ. إذا امتدت التسميات عدة جلسات، فقد لا يكشف تاريخ الصف وحده متى أصبحت النتيجة معروفة؛ سجّل وقت انتهاء التسمية وطبّق هذا الحد.

افصل أيضا بين فترة الاسترجاع المستخدمة لحساب الخصائص ونافذة تدريب النموذج. قد يستخدم المؤشر تقلبا محسوبا على فترة لاحقة قصيرة، بينما يتدرب النموذج على صفوف تمتد لسنوات. تغيير فترة الخاصية يغير المدخلات؛ وتغيير نافذة التدريب يغير المشاهدات المستخدمة لتقدير النموذج.

لتكن \(s\) فهرس أول مشاهدة مؤهلة و\(t\) أحدث مشاهدة اكتملت تسميتها عند إعادة الملاءمة. مجموعة التدريب المتوسعة هي \(\{s, s+1, \ldots, t\}\). تحتفظ نقطة التنبؤ التالية بهذه المجموعة وتضيف إليها الصفوف المؤهلة حديثا، لذلك يزداد حجمها ما لم تُزل البيانات بقاعدة منفصلة.

قد تقلل المشاهدات الإضافية ضوضاء معاينة المعلمات إذا ظلت البيانات القديمة تصف العملية محل الدراسة. كما قد تحفظ ظروفا سوقية نادرة لا تظهر في عينة حديثة قصيرة، وتتجنب اختيار حد تاريخي حاد. لكن الصفوف القديمة لا تفقد تأثيرها لمجرد تقادمها. وإذا تغيرت علاقة الخصائص بالعوائد، فقد تسحب التقديرات نحو ظروف لم تعد تشبه السوق الحالي. وقد تبطؤ إعادة الملاءمة مع تضخم العينة؛ لذا لا يعني الاحتفاظ بالتاريخ أنه أكثر تمثيلا تلقائيا.

إذا كان طول النافذة الثابت \(W\)، فمجموعة التدريب عند النقطة \(t\) هي \(\{t-W+1,\ldots,t\}\)، بعد مراعاة تأخر التسمية وأي فجوة حدودية. عند التحديث التالي يتقدم الطرف الأخير وتسقط أقدم مشاهدة مؤهلة. ويمكن التعبير عن المدى بعدد المشاهدات أو بالزمن التقويمي، لكنهما لا يتكافآن عندما تكون البيانات غير منتظمة.

تضع النافذة المتدحرجة قاعدة للحداثة: تدخل المشاهدات الواقعة داخل المدى المختار في الملاءمة، وتتوقف المشاهدات الأقدم عن الدخول مباشرة. قد يناسب ذلك سؤالا بحثيا عن التكيف مع تغير الظروف أو حاجة تشغيلية إلى حجم تدريب محدد. لكنه لا يجعل النموذج متكيفا تلقائيا؛ فقلة مرات إعادة الملاءمة أو بطء التغير قد يؤخران الاستجابة. والمقابل هو معلومات أقل للتقدير: النافذة القصيرة قد تزيد تقلب المعاملات، وتحذف فترات ضغط نادرة، أو لا توفر أمثلة كافية لنموذج معقد. والنافذة الطويلة تحتفظ بتاريخ متنوع لكنها قد تخفف الأنماط الحديثة.

تؤثر وحدة قياس النافذة أيضا في النتيجة. فعدد الصفوف نفسه قد يغطي فترات تقويمية مختلفة عند غياب أيام التداول أو اختلاف تواتر البيانات. وفي بيانات اللوحة، عرّف هل تقطع النافذة الصفوف أم مجموعات الأصول بحسب التاريخ. وإذا اخترت \(W\) بعد الاطلاع على الاختبار النهائي، فقد نقلت الاختيار إلى الاختبار ولم تعد تلك الفترة اختبارا مستقلا.

لعزل أثر سياسة النافذة، ثبّت تاريخ إتاحة المعلومات والخصائص وفئة النموذج ودالة التدريب ومواعيد إعادة الملاءمة والأفق وكتل الاختبار وافتراضات التنفيذ. إذا أعيد تدريب النموذج المتدحرج بوتيرة مختلفة أو تغيرت خصائصه، فلا تنسب فرق الدرجة إلى النافذة وحدها.

ولا تعني الطريقتان اختيار نقطة التنبؤ. يمكن تقييم نافذتي تدريب متوسعة ومتدحرجة بنقاط تنبؤ متتابعة: التدريب على الماضي المؤهل، والتنبؤ بالكتلة التالية، ثم التحرك والتكرار. يناقش استعراض Leonard Tashman اختبارات التنبؤ خارج العينة00065-0) نقاط التنبؤ المتحركة ونوافذ التقدير المتحركة كخيارين للتصميم. الأول يحدد وقت التقييم، والثاني يحدد صفوف التدريب التي تبقى.

الأرقام والتواريخ التالية افتراضية. لنفترض إعادة تدريب شهرية على عائد الشهر التالي، وأن أول ملاءمة تستخدم 60 مشاهدة مؤهلة تنتهي عند الشهر 120. لا تصبح تسمية الصف صالحة إلا بعد اكتمال نتيجته. عند أول نقطة تنبؤ، تستخدم النافذتان الصفوف الستين نفسها إذا كان طول المتدحرجة 60.

بعد معرفة نتيجة شهر جديد، تضم النافذة المتوسعة 61 صفا مؤهلا؛ أما المتدحرجة فتضيف الصف الجديد وتحذف الأقدم، فتحافظ على 60. وبعد 12 تحديثا، تضم المتوسعة 72 صفا من البداية نفسها، بينما تحتفظ المتدحرجة بأحدث 60. قد تختلف المعلمات لأن التاريخين مختلفان، مع أن كل صف كان متاحا عند إعادة الملاءمة الخاصة به.

افترض حجز الأشهر الأربعة والعشرين الأخيرة للاختبار الخارجي. يجب اختيار قاعدة النافذة وطولها والخصائص والإعدادات باستخدام فترات تحقق زمنية أسبق، ثم تثبيت الاختيار وتقييمه وفق جدول إعادة الملاءمة المحدد مسبقا. تعديل الطول بعد رؤية نتيجة الاختبار يستخدم فترة الاختبار للاختيار ويبالغ في قوة الدليل.

حدد السؤال أولا: هل يفترض أن يستخدم النموذج كل التاريخ المتاح عند كل إعادة ملاءمة، أم يوجد سبب لترك الأمثلة القديمة خارج التدريب؟ هل تتوقع استقرار العلاقة المستهدفة أم تغير المدخلات المهمة؟ تساعد هذه الأسئلة في تحديد المرشحين، لكنها لا تثبت مسبقا أيهم سينجح في سوق بعينه.

استخدم بيانات التطوير الأقدم لمقارنة مجموعة صغيرة محددة مسبقا، مثل النافذة المتوسعة وعدة أطوال متدحرجة معقولة، على كتل تحقق زمنية واحدة وبوتيرة إعادة ملاءمة واحدة. اختر مقياسا قبل حساب الدرجات؛ فخسارة التنبؤ ومعايرة الاحتمال ومنفعة المحفظة بعد مراعاة الدوران والتراجع الأقصى تجيب عن أسئلة مختلفة. ثبّت التكاليف والقيود، وسجّل حالات فشل الملاءمة والتنبؤ. وإذا تداخلت الأهداف أو الكتل، فقد تتشارك الدرجات المتجاورة العوائد نفسها؛ صف هذا الاعتماد بدلا من عد كل صف تجربة مستقلة.

اترك فترة زمنية لاحقة للاختبار النهائي. في التصميم المتداخل، يختار التحقق الداخلي النافذة والإعدادات باستخدام البيانات المتاحة قبل كل كتلة اختبار خارجي؛ وتقيّم النتائج الخارجية إجراء الاختيار كاملا. يشرح دليل التحقق المتقاطع المنقّى حدود تداخل التسميات، وتتناول مقالتا فرط ملاءمة النماذج المالية والاختبارات المتعددة مخاطر اختيار أخرى.

عند كل نقطة استخدم الخصائص والتسميات التي كانت معروفة بالفعل. قد لا يكون عائد متعدد الجلسات قد اكتمل قرب حد التحقق، حتى لو سبق تاريخ القرار ذلك الحد. اترك فجوة أو استبعد الصفوف وفق الفترات الفعلية للتسمية عند الحاجة؛ ولا يكفي عدد ثابت من الصفوف إلا إذا بررته وتيرة الملاحظات وأفق النتيجة. لا تصلح أي نافذة خاصية تحتوي معلومات مستقبلية.

لائم معالجة القيم المفقودة والتقييس واختيار الخصائص وغيرها باستخدام فترة تدريب الطية فقط. وإذا لزم اختيار عتبة أو معامل ضبط، فاستخدم تحققا زمنيا داخليا في التدريب ثم ثبّت القرار عند تقييم الكتلة اللاحقة. تنص وثائق scikit-learn الرسمية لـ‏TimeSeriesSplit على أن مجموعة التدريب تتوسع افتراضيا، وأن max_train_size يحد حجمها. وgap عدد من العينات، كما يفترض تساوي الفواصل لمقارنة مدد الطيات. هذه تفاصيل تنفيذية مفيدة، لكنها لا تغني عن مواءمة تسميات مالية مؤرخة والتحقق من إصدار المكتبة وسلوكه.

اذكر قاعدة النافذة وطولها الدقيق وأقدم تاريخ محتفظ به وعدد الصفوف المؤهلة عند كل إعادة ملاءمة وقاعدة إتاحة التسمية وتواريخ التحقق والاختبار والأفق وجدول إعادة التدريب. اعرض النتائج لكل كتلة اختبار إلى جانب الإجمالي؛ فقد يخفي المتوسط سيطرة فترة سوقية واحدة، كما قد تشترك تنبؤات متجاورة في النتائج فلا تكون أدلة مستقلة.

دقة التنبؤ ليست عائدا تداوليا صافيا. يؤثر بناء المركز والرافعة والدوران والسيولة والرسوم والفارق السعري وأثر السوق والاقتراض والتمويل وتوقيت التنفيذ في النتيجة. ثبّت هذه الافتراضات عند مقارنة القاعدتين، واذكر ما استُبعد. تفيد دراسة Cerqueira وTorgo وMozetič عن تقدير أداء السلاسل الزمنية بأن التقديرات قد تختلف بين ظروف ساكنة وغير ساكنة؛ ولا تقارن الدراسة مباشرة سياسات النوافذ المالية ولا تثبت تفوق إحداها عموما.

تعامل أخيرا مع كل اختبار رجعي بوصفه دليلا عن تاريخ وإجراء محددين. قد تحتفظ المتوسعة بنظام قديم، وقد تحذف المتدحرجة معلومات مفيدة وتزيد الضوضاء. قد تفشل القاعدة المختارة في نظام سوقي أو مجموعة أصول أو تكاليف مختلفة. يقلل التحقق عدم اليقين بشأن الإجراء المختبر لكنه لا يضمن عوائد مستقبلية ولا يثبت أن نافذة ما مثلى.