Ada banyak sistem pembelajaran mesin di luar sana saat ini. Teknologi sedang berkembang pesat. Vendor solusi yang berbeda menawarkan opsi berbeda untuk memecahkan masalah. Kemungkinan besar, untuk area dan solusi yang berbeda Anda perlu memilih yang berbeda. Tidak mungkin untuk mengetahui teknologi mana yang memiliki potensi terbesar tanpa membuat perbandingan yang tepat. Tetapi agar topiknya benar-benar menarik, Anda perlu mengambil sesuatu yang tidak bergantung pada wilayah studi. Sesuatu yang umum untuk seluruh negeri.
Mari kita ambil sebagai dasar masalah peramalan harga saham perusahaan di Bursa Moskow. Jika kita menganggap setiap instrumen pertukaran sebagai entitas terpisah, yang hidupnya berkembang secara independen dari instrumen pertukaran lainnya, maka metode analisis untuk setiap instrumen harus dipilih yang berbeda.
Untuk mengevaluasi metode peramalan mana yang cocok atau tidak cocok untuk setiap instrumen, kita perlu menyimpan informasi tentang opsi peramalan untuk setiap instrumen pertukaran. Ada beberapa opsi perkiraan di platform 1C. Mari buat mekanisme untuk menyimpan informasi tentang penerapan / atau tidak dapat diterapkannya setiap opsi.
Untuk menilai seberapa akurat ramalan yang dibuat oleh sistem menjadi kenyataan, opsi paling sederhana, berdasarkan informasi historis yang kami miliki, adalah membuat ramalan sistem untuk tanggal tertentu, dan kemudian membandingkannya dengan data historis yang sebenarnya. Contoh: kami telah mengumpulkan data historis tentang harga saham di Bursa Moskow selama setahun terakhir. Bayangkan hari ini adalah 15 Januari 2021 dan buat perkiraan untuk harga penutupan instrumen pertukaran untuk 16 Januari 2021. Dan kemudian kami akan membandingkan perkiraan yang diterima dengan data nyata yang pada tanggal 16 Januari. Mari lakukan analisis ini untuk interval yang lebih lama dan dapatkan kemungkinan pemicuan perkiraan. Lebih tepatnya, jumlah kasus ketika ramalan menjadi kenyataan atau tidak menjadi kenyataan.
Alat prakiraan 1C yang khas memungkinkan Anda mendapatkan prakiraan baik sebagai nilai tertentu yang sama persis dengan angkanya, atau nilai kisaran harga "dari ... hingga".
Misalkan kita dihadapkan pada tugas untuk memprediksi nilai tertentu dari harga penutupan berdasarkan hari di Bursa Moskow di pasar yang sedang berkembang.
Jika perkiraan 1C mengembalikan pengetahuan yang tidak ambigu, kami akan menerimanya. Dan jika perkiraan mengembalikan kisaran "dari ... ke", kami akan mempertimbangkan, sebagai nilai perkiraan, tengah kisaran. Dalam hal ini, kami akan mengasumsikan bahwa harga prediksi lebih rendah dari harga historis sebenarnya sebagai perkiraan yang berhasil. Itu. misalnya, kertas dibuka dengan harga 100 rubel. Perkiraan 1C adalah penutupan pada malam hari seharga 150 rubel. Dan harga penutupan historis sebenarnya adalah 151 rubel (lebih dari 150 rubel).
Dalam pemrosesan yang dibuat khusus untuk keperluan ini, kami akan menetapkan pengaturan awal untuk analisis: Periode analisis, metode analisis, dan instrumen / instrumen yang dianalisis.
Kami akan menerima data untuk setiap hari yang dianalisis.
Untuk mendapatkan probabilitas pemicuan perkiraan, kami mengelompokkan data berdasarkan jumlah kasus dan mendefinisikan probabilitas sebagai: jumlah pemicu positif dari perkiraan ke jumlah total percobaan analisis.
Analisis menunjukkan bahwa sebagian besar metode peramalan untuk instrumen ini dipicu dengan probabilitas yang cukup tinggi. Kita harus menentukan nilai threshold yang akan kita pertimbangkan sebagai kriteria pemilihan strategi peramalan. Untuk kriteria pemilihan 90%, didapatkan gambaran strategi peramalan yang sesuai, seperti pada gambar di bawah ini.
Meskipun secara umum probabilitas 80% juga merupakan kriteria yang cukup baik, maka gambaran strategi yang sesuai akan seperti pada gambar.
Secara umum, untuk alat ini, gambaran penerapan strategi peramalan tipikal terlihat seperti pada gambar.
Tentu saja, menganalisis setiap alat dalam mode manual adalah aktivitas yang mengasyikkan, tetapi kemudian muncul ide untuk menjadikan analisis secara otomatis sebagai tugas rutin. Untuk menyimpan hasil analisis ini, kita membutuhkan daftar informasi.
Dan untuk menyiapkan tugas terjadwal, Anda memerlukan konstanta (pengaturan).
Tentu saja, penerapan atau ketidakmampuan mekanisme ini dapat diperdebatkan untuk waktu yang lama. Tapi menarik untuk melihat prosesnya. Nyatanya, setiap instrumen Exchange ternyata semacam "live". Setiap orang menjalani hidup mereka sendiri. Bagi beberapa orang, hidup dapat diprediksi atau sebagian dapat diprediksi. Kehidupan orang lain saat ini sulit untuk dianalisis.
Namun secara umum tidaklah mudah untuk mengamati pergerakan harga, namun mendapatkan ramalan jauh lebih mengasyikkan.
Detailnya bisa ditemukan di dokumentasi
Nah, apa yang bisa saya katakan: orang-orang diatur seperti ini, mereka ingin tahu apa yang akan terjadi ...