Методы машинного обучения с использованием новостных данных GDELT · диплом МГУ
2 977
торговых дней
2 447
IMOEX, последнее закрытие
2028
точек новостных рядов
3
новостных тем
2955
наблюдений с признаками
О модели. Прогнозируется доходность следующего дня, а не цена —
цена блуждает, доходность ближе к стационарному ряду. Валидация
walk-forward: обучение на прошлом, проверка на будущем, случайное
разбиение недопустимо (утечка будущего). Точка отсчёта — наивный прогноз
«цена не изменится»: если модель его не бьёт, это результат, а не провал.
Динамика индекса
IMOEX, последние 250 торговых дней · 2015-01-05 — 2026-11-03
Новостной фон
Частота упоминаний темы «inflation» (GDELT)
GDELT отдаёт долю новостей, упоминающих тему. Это не тональность, а
интенсивность внимания — сколько медиа писало о сюжете в этот день.
Качество моделей
С новостными признаками
Модель
MAE
RMSE
Dir. acc.
Проверок
Наивный прогноз
0.009020
0.014883
46.9%
2700
Гребневая регрессия
0.009075
0.014996
51.3%
2700
Модель НЕ бьёт наивный прогноз — это честный результат
Без новостных признаков (контроль)
Модель
MAE
RMSE
Dir. acc.
Проверок
Наивный прогноз
0.009020
0.014883
46.9%
2700
Гребневая регрессия
0.009040
0.014948
51.5%
2700
Контрольная группа: те же данные и модели, но без GDELT.
Показывает вклад именно новостного фона.
Вклад новостных данных:
MAE выросла на 0.4% —
на этих данных новостной фон не помогает. Это тоже валидный вывод:
надо искать другие признаки или другой метод извлечения из новостей.
Важность признаков
Корреляция признака с прогнозируемой доходностью следующего дня.
Малые значения — норма: рынок слабо предсказуем, сильная корреляция
была бы подозрительной (признак утечки будущего).