Forecasting

Прогнозировать уровни — проще. Прогнозировать экстремумы — почти всегда труднее. Максимум и минимум — это свойства траектории, а не точки закрытия. Цена должна дойти до уровня, а не просто закрыться выше или ниже. И большинство моделей на этом ломаются. 1. Данные ведут себя как шум Биткоин нестационарен. Волатильность меняется. Хвосты распределения толще нормы. Скачки — обычная часть движения. Терминальные модели упрощают всё до одного числа. Экстремумы требуют анализа всего пути. ...

Мой первый прогноз был прост: BTC не опустится ниже $90,000 в ноябре. Ставка выглядела логичной по данным. Но она проиграла. Разбираю почему. 1. Я переоценил стабильность режима Диапазон месяца казался устойчивым: ~95–110k. Std был низким, колебания — «упорядоченными». Ошибка: я принял локальную структуру за устойчивую. Режим может смениться быстрее, чем это видно в данных. 2. Я недооценил вероятность выхода за диапазон Падение произошло без ясного однозначного триггера. Это нормальная особенность рынка: цена может выйти за границы распределения просто из-за изменения потока ордеров или ликвидности. ...

Прогнозирование там, где почти нет структуры Большая часть финансовых временных рядов — это шум. Тренда нет. Сезонности нет. Повторяемость слабая. Лучшее приближение — случайное блуждание. Любая найденная закономерность исчезает, как только становится частью рынка. Что всё же работает Структуры мало — но сигнал можно собирать слоями. Статистика ловит базовые формы. ML — слабые зависимости. ИИ — скрытые связи в текстах и контексте. Коллективные прогнозы — человеческую информацию. Каждый слой слаб сам по себе. Вместе — дают максимум возможного. ...

Прогнозирование работает там, где данные имеют структуру. У акций структура слабая. ⸻ Слабые паттерны Тренды ломаются новостями. Сезонности почти нет. Циклы нестабильны. Автокорреляции низкие. Данные ведут себя как шум. ⸻ Главное — вне временного ряда Будущее цены зависит от того, чего нет в истории: решения регуляторов, отчёты, ликвидность, события, настроение участников. Временной ряд не содержит причин. ⸻ Предикторы неизвестны или непредсказуемы Важно не только знать переменные, но и прогнозировать их значения. С акциями это сложно или невозможно. ...

В прогнозировании главное — не метод, а соответствие данных задаче. Любой прогноз зависит от того, какие данные мы используем и что в них остаётся после удаления шума. Есть три уровня. Данные как есть. Наблюдения, цены, новости. Без интерпретации — это просто поток. Обработка. Сглаживание, фильтры, выбор признаков. Попытка сохранить структуру и убрать лишнее. Модели. От простых эвристик до статистики и ML. Модель должна быть простой настолько, чтобы работать, и сложной — настолько, чтобы отражать вероятность. ...

На рынках прогнозов главное — понять, насколько само событие предсказуемо. Есть четыре условия, которые определяют это. Понимание факторов. Если структура события ясна, вероятность можно оценить. Если факторы размыты, прогноз превращается в угадывание. Наличие данных. Чем больше данных и повторяемых паттернов, тем лучше. Если данных почти нет, рынок — психологическая игра. Схожесть будущего с прошлым. Типовые события предсказуемы. Уникальные события — почти нет. Влияние прогноза на сам исход. Некоторые рынки самовоздействующие: ожидания меняют реальность. ...

В прогнозировании есть три типа моделей. Модели с предикторами. Они используют внешние переменные — температуру, экономику, поведение людей. Такие модели объясняют, почему что-то происходит. Модели временных рядов. Они смотрят только на прошлое значения показателя. Ничего не объясняют, но часто прогнозируют лучше. Смешанные модели. Комбинация прошлого поведения и внешних факторов. Почему иногда лучше использовать только временной ряд? Потому что внешние переменные могут быть неизвестны, неподдаваемы измерению или непредсказуемы сами по себе. Иногда цель — просто предсказать, а не объяснить. ...

Любой прогноз состоит из пяти шагов. Звучит просто. На деле — это дисциплина. 1. Определение задачи. Не что «предсказать?», а как это будет использовано. Для рынков прогнозов: какое событие, какой период, какой критерий успеха. 2. Сбор информации. Два источника: данные и контекст. Иногда данных мало — тогда важнее знание механики события. 3. Предварительный анализ. Графики, тренды, скачки, сезонность, выбросы. Нужно увидеть структуру прежде, чем строить модель. 4. Выбор и подгонка модели. Простая или сложная — зависит от данных и цели. Важно сравнивать варианты и понимать их допущения. ...

Я начинаю изучать прогнозирование, чтобы мыслить точнее. Большинство прогнозов вокруг — это уверенные слова без вероятностей. Мне важнее не утверждать, а проверять. Здесь я буду фиксировать процесс обучения: как меняются мои оценки, какие данные оказываются шумом, и как корректируется модель. Первые шаги простые: наблюдать, ставить вероятности, удалять лишние допущения. Модель будет меняться — и это часть процесса. Этот блог — не о правоте. Он о честности мышления под неопределённостью. — S. Praevis

Polymarket — это рынок прогнозов. Ставки здесь — не про азарт, а про вероятности. Каждый рынок — это вопрос о будущем: про выборы, экономику, технологии, спорт или события в мире. Цена контракта показывает коллективную оценку вероятности исхода. Если контракт стоит 0.23, рынок считает, что событие произойдёт с шансом около 23%. Главная идея проста: когда люди ставят деньги, они внимательнее относятся к информации. Поэтому такие рынки часто реагируют быстрее, чем аналитики и медиа. ...