Métodos de importancia de variables para señales de trading correlacionadas

Resumen

Este artículo compara métodos de importancia de variables para modelos de trading basados en árboles, con especial atención a predictores correlacionados o duplicados. La disminución media de la impureza reparte el peso entre variables intercambiables, mientras que la disminución media de la precisión puede infravalorarlas si una alternativa sigue disponible durante la permutación. Las variantes agrupadas reúnen variables dependientes y puntúan el grupo en conjunto; la importancia de una sola variable evalúa cada predictor por separado, a costa de pasar por alto los efectos conjuntos.

La demostración utiliza un mercado sintético con una señal predictiva latente representada por seis transformaciones, una variable de momentum independiente y variables de ruido. En este entorno construido, las clasificaciones habituales de impureza reparten el peso entre las copias, mientras que la importancia agrupada asigna una puntuación compartida al grupo de señales. El artículo también explica cómo depurar una matriz de correlación mediante contracción de valores propios y ajustar el tamaño efectivo de la muestra por autocorrelación antes de agrupar. Estos resultados ilustran comportamientos conocidos en un experimento controlado; no determinan qué método predice mejor los mercados en vivo, y el resultado depende de la calidad de los grupos de variables y del diseño de validación.

Ideas clave

• La importancia por impureza puede diluir el valor aparente de una señal cuando varias columnas codifican la misma información.
• Permutar una variable puede infravalorar su importancia si las variables sustitutas correlacionadas permanecen intactas.
• La importancia agrupada puntúa conjuntamente las variables dependientes y asigna una puntuación compartida a los miembros del grupo.
• La importancia de una sola variable evita el efecto de sustitución, pero no capta las variables que solo funcionan en combinación.
• El experimento sintético ilustra el comportamiento de los métodos, pero no demuestra el rendimiento del trading en vivo.

Etiquetas

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.