MLFinLab 2.1.0: mudanças no índice de barras e estimadores de volatilidade
Resumo
Este anúncio de versão descreve mudanças no MLFinLab, um conjunto de ferramentas para desenvolver sistemas de trading baseados em aprendizado de máquina. A geração de barras agora retorna timestamps como índice de um DataFrame, alinhando a saída às funções subsequentes e evitando a conversão manual do índice. Os estimadores de volatilidade agora selecionam entradas OHLC pelos nomes das colunas em minúsculas, em vez de depender da ordem das colunas, que, segundo o anúncio, podia antes produzir resultados incorretos sem aviso. Talvez os usuários precisem ajustar os nomes das colunas e remover o código que redefine o índice de timestamps.
Outras mudanças incluem suporte ao Python 3.9 e a obrigatoriedade de uma opção de pontuação probabilística na validação cruzada, para evitar confusão quando uma função de pontuação precisa de probabilidades previstas. O anúncio fornece exemplos do formato de dados revisado e das entradas dos estimadores, mas não apresenta comparações de desempenho nem evidências empíricas sobre resultados de trading. São notas sobre interface e confiabilidade do software; explicam a migração de código esperada, sem introduzir ou validar um método de trading.
Ideias principais
- A geração de barras agora coloca automaticamente os timestamps no índice do DataFrame.
- Os estimadores de volatilidade identificam dados OHLC pelos nomes das colunas em minúsculas, em vez de depender da ordem implícita das colunas.
- A mudança pode exigir renomear colunas de entrada e remover a indexação manual de timestamps.
- A função de pontuação da validação cruzada agora exige que os usuários especifiquem se são necessárias previsões de probabilidades.
- A versão descreve mudanças de compatibilidade e usabilidade, não evidências de melhora no desempenho de trading.
Tags
Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.