Практически любая осознанная человеческая деятельность подразумевает в своем процессе акты сравнительного анализа. Достаточно часть при проведении сравнительного анализа приходиться использовать некий эталон. Для того чтобы исследую результат/результаты деятельности иметь возможность их оценить количественно и/или качественно.
В предиктивной аналитике для этого используют базовые модели. Модели эти составляют нарочито просто, исходя из элементарных логических или эвристических представлений, а то и из интуиции.
Такое прогнозирование принято называть наивным.
И вот с такой базовой моделью сравнивают более сложные модели прогнозирования. Оценивая, насколько точнее сложные модели предсказывают результат в сравнении с базовой моделью и какую вычислительную сложность они для этого требуют, в сравнении с вычислительной сложностью базовой модели.
Давайте разработаем базовую модель для прогнозирования цен закрытия ВТС. Наивную и примитивную модель.
Для составления модели возьмем дневные данные цен закрытия курса ВТС/USDT. Предсказывать будем цену закрытия следующего дня. Для прогнозирования будем использовать только исторические данные. Никаких других факторов в датасет включать не будем.
По историческим данным мы построим Скользящее Среднее.
Помимо этого, рассчитаем, насколько цены закрытия дневных баров отличаются от Скользящей Средней. Полученные данные отклонений - усредним скользящей.
При предсказании цены закрытия следующего дня предположим, что цена будет следовать тенденции, которую нам покажут последние 10 значений скользящей средней.
Отклонение прогнозируемой цены значений закрытия от прогнозируемого значения скользящей средней вычислим с использованием подобного же подхода, но тенденцию будем прогнозировать на основе последних 5 значений.
Все это мы реализуем в виде Python кода в двух, трех следующих статьях.