时间序列二进制分类

Question

问题：

我有一个关于对冲基金的数据集。它包含对冲基金的月度回报和一些财务指标。我计算了从2010年到2019年12月每个月的指标。 （每月2889个数据）我想对这些指标进行二元分类并预测下个月对冲基金的分类。我想从T时间开始预测T + 1。我想使用随机森林和其他分类器（决策树，KNN，SVM，逻辑回归）。我知道此数据集是时间序列问题，如何将其转换为机器学习问题。

对于在建模，特征工程和编辑此数据集时应遵循的方法或方法，我欢迎您的建议和咨询。

其他问题：

1）在使用此数据进行训练和测试时如何拆分数据？ 0,80-0,20？您可以推荐其他验证方法吗？

2）一些基金会在以后添加到数据中，因此并非所有基金都有相同长度的数据，例如，2015年成立的“ AEB”基金在2015年之前没有数据。问题，还是最好删除它们并将其从数据集中删除？我总共有27种不同的基金数据。3）此外，我已将对冲基金的代码/名称更改为数字ID，是否可以进行虚拟编码，这样对性能会更好吗？

样本数据集：

     Date    | Fund Name / Ticker | sharpe | sortino | beta  | alpha | target |  
 ------------|--------------------|--------|---------|-------|-------|--------|-- 
  31.03.2010 | ABC                | -0,08  | 0,025   | 0,6   | 0,13  | 1      |  
  31.03.2010 | DEF                | 0,41   | 1,2     | 1,09  | 0,045 | 0      |  
  31.03.2010 | SDF                | 0,03   | 0,13    | 0,99  | -0,07 | 1      |  
  31.03.2010 | CBD                | 0,71   | -0,05   | 1,21  | 0,2   | 1      |  
  30.04.2010 | ABC                | 0,05   | -0,07   | 0,41  | 0,04  | 0      |  
  30.04.2010 | DEF                | 0,96   | 0,2     | 1,09  | 1,5   | 0      |  
  30.04.2010 | SDF                | -0,06  | 0,23    | 0,13  | 0,23  | 0      |  
  30.04.2010 | CBD                | 0,75   | -0,01   | 0,97  | -0,06 | 1      |  
  :          | :                  | :      | :       |  :    | :     | :      |  
  :          | :                  | :      | :       |  :    | :     | :      |  
  30.12.2019 | ABC                | 0,05   | -0,07   | 0,41  | 0,04  | 1      |  
  30.12.2019 | DEF                | 0,96   | 0,2     | 1,09  | 1,5   | 0      |  
  30.12.2019 | SDF                | -0,06  | 0,23    | 0,13  | 0,23  | 0      |  
  30.12.2019 | CBD                | 0,75   | -0,01   | 0,97  | -0,06 | 1      |  
  30.12.2019 | FGF                | 1,45   | 0,98    | -0,03 | 0,55  | 1      |  
  30.12.2019 | AEB                | 0,25   | 1,22    | 0,17  | -0,44 | 0      |  

我的想法和第一次尝试：我为一个例子建模。我使用了这样的方法，我将（-1）移回了目标变量。因此，每行都显示了下个月该基金所在的类别，因此我这样做了，我想预测该月开始的下个月。从T预测为T + 1。但是此模型给出的结果非常差。（％43）

此模型数据集的视图：

     Date    | Fund Name / Ticker | sharpe | sortino | beta  | alpha | target |  
 ------------|--------------------|--------|---------|-------|-------|--------|-- 
  31.03.2010 | ABC                | -0,08  | 0,025   | 0,6   | 0,13  | 1      |  
  31.03.2010 | DEF                | 0,41   | 1,2     | 1,09  | 0,045 | 0      |  
  31.03.2010 | SDF                | 0,03   | 0,13    | 0,99  | -0,07 | 1      |  
  31.03.2010 | CBD                | 0,71   | -0,05   | 1,21  | 0,2   | 1      |  
  30.04.2010 | ABC                | 0,05   | -0,07   | 0,41  | 0,04  | 0      |  
  30.04.2010 | DEF                | 0,96   | 0,2     | 1,09  | 1,5   | 0      |  
  30.04.2010 | SDF                | -0,06  | 0,23    | 0,13  | 0,23  | 0      |  
  30.04.2010 | CBD                | 0,75   | -0,01   | 0,97  | -0,06 | 1      |  
  :          | :                  | :      | :       |  :    | :     | :      |  
  :          | :                  | :      | :       |  :    | :     | :      |  
  30.12.2019 | ABC                | 0,05   | -0,07   | 0,41  | 0,04  | 0      |  
  30.12.2019 | DEF                | 0,96   | 0,2     | 1,09  | 1,5   | 0      |  
  30.12.2019 | SDF                | -0,06  | 0,23    | 0,13  | 0,23  | 1      |  
  30.12.2019 | CBD                | 0,75   | -0,01   | 0,97  | -0,06 | 1      |  
  30.12.2019 | FGF                | 1,45   | 0,98    | -0,03 | 0,55  | 0      |  
  30.12.2019 | AEB                | 0,25   | 1,22    | 0,17  | -0,44 | ?      |  

Answer 1

您可以找到许多方法。时间序列具有挑战性，可以在开始时取得较差的结果。我建议您执行以下操作：

• [添加一些lags作为数据集中的其他列。您要预测t+1并且有t，因此请尝试同时计算t-1，t-2，t-3等
• 为了了解最好的t-x数量，请尝试绘制ACF和PACF图，并查看阴影区域中出现的第一个滞后
• 滞后可能会提高您的准确性
• 建模时尝试标准化/标准化数据
• 尝试查看您的时间序列是否为random walk，如果是，那么最近有很多论文试图解决随机游走预测问题
• 如果您的数据集足够大，请尝试使用一些神经网络，例如LSTM，RNN，GAN等，它们可能比您提到的浅层模型要好
• [我真的建议您看Jason Brownlee on Time Series here的教程，Jason非常聪明，您可以随时在他的教程中添加评论。他也很敏感！