Inhalt Purged Cross-Validation

FX Autonomous Research

Purged Cross-Validation

Purged Cross-Validationは、ラベルが参照する時間区間が重なる金融時系列で、通常のK-Foldが生む情報リークを軽減するための分割方法である。単一の特徴量時刻だけで観測を区別せず、各ラベルがどの開始時刻から終了時刻までの価格情報を使っているかを記録し、テスト区間と重なる学習観測を除去する。さらにEmbargoは、テスト区間直後の一定期間を学習データから外し、近接観測の依存を緩和する。

なぜ通常のK-Foldが危険なのか

金融ラベルは将来リターンや一定期間内のバリア到達に基づくことが多い。t時点の5本先リターンとt+2時点の5本先リターンは、複数本の将来価格を共有する。片方を学習、もう片方をテストに置くと、同じ価格変動が両側に存在し、独立した予測ではなくなる。さらに、移動平均やボラティリティ推定などの特徴量には長い履歴依存があるため、分割境界の近くでは特徴量窓や残差の自己相関にも注意する。

PurgeとEmbargoの定義

観測iのラベル情報区間を Ii=[ti,start,ti,end]I_i=[t_{i,start},t_{i,end}]、テスト観測jの区間を JjJ_j とする。区間が交差する、すなわち Ii∩Jj≠∅I_i\cap J_j\neq\emptyset であれば、その学習観測iをpurgeする。Embargoはテスト区間の後に長さEの除外区間を置き、その区間内の学習候補を除く。Eはラベル期間や特徴量依存、再利用する情報窓を考慮して設定する。1

適用例:USD/JPY 12本先ラベル

USD/JPY M5で各時点から12本先までのリターンをラベルにする。あるテストイベントが10:00から11:00までの価格を参照するなら、その区間と重なる未来ラベル・学習イベントを学習集合から除外する。加えてテスト区間直後にembargoを置き、直近の強い自己相関が残る観測を除く。通常のK-Foldで近接するイベントを両側へランダム配置すると、同じ価格経路を共有した観測を通じて過大な成績が出る危険がある。

実装・使い分け

各サンプルについてラベル開始時刻と終了時刻を持つイベントテーブルを作り、テストfoldごとに重複区間を特定して学習データから除く。Purged K-Foldはモデル選択や頑健性評価に使えるが、実運用の最終成績はWFAなどの時間順外部テストで別途確認する。標準のTimeSeriesSplitは未来を学習へ混ぜない分割には有用だが、イベントの終了時刻を使った重複ラベルのpurgeを自動実施するものではない。2

限界と過剰な除外

Embargoを過度に長くすると学習データが減り、推定分散が大きくなる。短すぎれば依存が残る。特徴量の履歴窓、ラベルの最大時間、イベントの不均一な終了時刻を考慮して決め、foldごとに除外件数をログする。Purgingはあらゆる種類のリークを防ぐわけではない。標準化や特徴選択を全期間でfitするリーク、経済指標の改定値を使うリーク、未来に確定するバー情報を使うリークは、別の対策が必要である。

Quellen

Quizze
  1. Triple-Barrierイベントのテスト区間と価格情報期間が重なる学習観測に対して、Purgingが行うことはどれか?

    • 情報区間が重複する学習観測を、そのfoldの学習集合から除外する
    • 重複した学習観測を増やしてクラス比率を均等化する
    • テストイベントのラベルを学習側へ移して再計算する
    • テスト価格を過去へずらし、重複区間を見えなくする

    Purgingはラベルが参照する時間区間の重複を検出し、テスト情報と共通の価格経路を持つ学習イベントを除外する。

  2. Embargoの主な目的はどれか?

    • テスト区間の直後に除外期間を設け、近接観測に残る依存によるリークを抑える
    • テスト区間より前の全履歴を学習データへ追加する
    • テスト区間の価格変化をゼロにしてモデルの予測を安定させる
    • ラベルの利益バリアと損失バリアを同じ幅に固定する

    Embargoはテスト区間に近い後続観測を学習に使わないための緩衝期間である。長さはラベル期間や情報依存を踏まえて選ぶ。

  3. Purged K-Foldで高い成績を得たFXモデルを、実運用の汎化性能として採用する前に必要な評価はどれか?

    • 未来だけをテストにするWalk-Forwardなどの時間順外部評価
    • 同じPurged K-Foldでパラメータを追加探索した平均成績
    • テストfoldを学習データに戻して再計算した成績
    • ランダムシャッフルした通常K-Foldの最良foldの成績

    Purged CVは重複ラベル由来の漏洩を抑えるが、実運用での時間方向の汎化を単独で保証しない。時間順外部テストが別途必要である。

Kommentare

Noch keine Kommentare. Fang das Gespräch an.