Прогнозирование доходности акций с ML Algrithm

Question

Я работаю над моделью прогнозирования доходности акций за фиксированный период времени (скажем, n дней). Я надеялся собрать несколько идей заранее. Мои вопросы:

1) Было бы лучше превратить это в проблему классификации, скажем, создать фиктивную переменную с доходностью, превышающей x%? Тогда я мог бы попробовать весь арсенал алгоритмов ML.

2) Если я не превращаю это в проблему классификации, а использую, скажем, регрессионную модель, имеет ли смысл или будет необходимо преобразовывать результаты в журналы?

Любые мысли приветствуются.

РЕДАКТИРОВАТЬ: моя цель с этим относительно широко определена, в том смысле, что я просто хотел бы улучшить производительность процесса отбора (выбрать положительные результаты и избежать отрицательных)

Answer 1

1. Лучший под какое качество? Превратить его в проблему порогового значения просто означает перевод проблемного пространства в гораздо более простое. Ваше определение проблемы является вашим собственным; Вы можете превратить его в проблему двоичной классификации (> x или нет), задачу классификации нескольких классов (разбивка по диапазонам) или просто оставить ее в качестве задачи прогнозирования. Если вы сделаете последнее, вы все равно сможете применить биннинг или классификацию в качестве шага постобработки.
2. Классификация - это просто подкласс предсказания. Логарифмическое преобразование, используемое логистической регрессией, является не более чем уловкой для превращения выходных данных во что-то, что напоминает распределение вероятностей; не думай об этом слишком много. Тем не менее, применение преобразований к вашему выводу не обязательно является плохим (вы можете, например, применить некоторую нормализацию, чтобы ваш вывод находился в диапазоне некоторой функции активации).