Pagrindinės Prižiūrimo Mokymosi Sąvokos
Išmokite skirtumą tarp klasifikacijos ir regresijos modelių bei jų panaudojimo praktikoje.
Žiūrėkite kaip kompanijos Vilniuje naudoja mokymosi modelius akcijų ir turto kainoms prognozuoti. Praktiniai pavyzdžiai iš finansų sektoriaus, kurie parodo, kaip teorija veikia realiame pasaulyje.
Tikri klientų atvejai iš Vilniaus finansų bendrovių
Konkretūs rezultatai ir jų pasiekimo metodai
Vienas iš didžiausių brokerių namų Vilniuje 2022 metais susidūrė su problema — jų prekybininkai turėjo prognozuoti akcijų kainas, bet naudojo tik intuiciją ir tradicines analizės metodus. Rezultatai? Daug klaidų ir pralaimėtų galimybių.
Jie nusprendė bandyti prižiūrimą mokymąsi. Pirmiausia paruošė 5 metų istorinę duomenų bazę — kainas, apimtis, ekonominius rodiklius. Tada sumodeliavo regresijos modelį, kuris mokėsi numatyti akcijos kainą remiantis tais veiksniais.
Tai nebuvo greitai. Tikriausiai, pirmieji 3 mėnesiai buvo nuobodūs — modelis nepasitaisė, klaidų buvo daug. Bet jie nedavė. Papildė duomenis dar trimis metais, pridėjo naujus kintamuosius, pakeitė hiperparametrus. Šiandien tas modelis jų prekybai padeda sprendimus priimti greičiau ir su mažiau rizikos.
Finansiniai duomenys ir prognozavimo modelio išeiga — kaip tai atrodo praktikoje
Svarbi pastaba
Kiekvieno mokymosi rezultatai skiriasi priklausomai nuo situacijos, duomenų kokybės ir modelio sudėtingumo. Šie pavyzdžiai parodo, kas pasiekiama su tyrimu ir kantrybe — ne garantuotas rezultatas.
Kitas pavyzdys — vienas Lietuvos investavimo fondas, kuris valdė turtą iš šimtų smulkių investuotojų. Jie turėjo pasirinkti, kurie turto tipai šią kadenciją davės gerą grąžą. Tiesiog žiūrėti į praeities rezultatus nepakako.
Jie padarė klasifikacijos modelį — ne regresijos, o tikslesnę sistemą, kuri žinojo „šis turtas pateks į aukštą kategoriją" arba „šis į žemą". Modelis mokytas 10 metų duomenimis, kur žinoma, kas tikrai nutiko su kiekvienu turtu.
Rezultatas? Per pastaruosius 18 mėnesių jų prognozės buvo teisingos apie 72% laiko. Tai nėra puiku, bet investavimo kontekste — tai reiškia, kad jie priima geresnius sprendimus nei priešdėlis. Fondas dabar naudoja šį modelį kaip vieną iš savo pagrindinių įrankių sprendimams priimti.
Analitika ir duomenų vertinimas — pagrindinė klasifikacijos modelio dalis
Iš šių dviejų atveju galima išmokti svarbias pamoka. Pirma — duomenys yra viskas. Brokerių namas turėjo 5 metų istoriją, o tai pakako pradžiai. Bet kai jie papildė iki 8 metų, modelis smarkiai pagerėjo.
Antra — modelis nėra tik teorija. Jis turi būti paprastas tiek, kad jį suprasti, bet pakankamai sudėtingas, kad iš tikrųjų padarytų skirtumą. Investavimo fondas naudoja 7 pagrindinius kintamuosius, ne 70. Kodėl? Nes paprastumas reiškia patikimumą.
Trečia — validacija nėra papuošalas. Prieš naudodamas modelį realiems pinigams, reikia testuoti jį su senais duomenimis, kurie niekada nebuvo jo moko. Brokerių namas tai padarė ir tada tik prasidėjo. Fondas gali pasakyti, kad 72% tikslumas yra geras, nes žino, koks jis buvo bandomojoje grupėje.
Dokumentuoti rezultatai — kaip kompanijos žino, ar modelis veikia
Jei tiriate prižiūrimą mokymąsi ir mąstote, ar tai tikrai veikia — atsakymas yra taip, veikia. Bet ne iš karto ir ne kiekviename atveju. Šie du atvejai iš Vilniaus kompanijų parodo, kad modeliai darbuojasi, kai:
Tai nėra gražūs žodžiai iš vadovėlio — tai realūs patarimai iš kompanijų, kurios tai daro kasdienas.
Realūs žmonės, realūs duomenys, realūs modeliai — taip tai atrodo iš vidaus
Prižiūrimas mokymasis nėra stebuklas. Jis yra įrankis — geras įrankis, kai žinote, kaip jį naudoti. Brokerių namas ir investavimo fondas iš Vilniaus tai įrodyti. Jie pradėjo nuo problemos (kaip prognozuoti geriau), padarė modelį, testuoja jį nuolat, ir šiandien jis padeda jiems priimti sprendimus.
Jei norite suprasti prižiūrimą mokymąsi ne tik teoriškai — šie pavyzdžiai yra geras pradžios taškas. Jie parodo, kad tai veikia, bet reikia laiko, kantrybės ir gerų duomenų.
Tęskite mokymąsi su susijusiais vadovais ir praktiniais žingsniais
Išmokite skirtumą tarp klasifikacijos ir regresijos modelių bei jų panaudojimo praktikoje.
Praktiški patarimai kaip paruošti finansinius duomenis mokymui be klaidų.
Supraskite kaip patikrinti modelio kokybę prieš jį naudojant tikroms prognozoms.