Ця стаття про прогнозування RL (навчання з підкріпленням) досить цікава.

Її можна розуміти так:
Взяти набір історичних прогнозів з уже відомими результатами, і змусити ШІ повернутися в той момент часу.
Але не можна дозволяти йому виходити в сьогоднішній інтернет, інакше він побачить відповіді.
Тому автор створив середовище «часової маски»:
Пошук може знаходити лише матеріали, доступні до того часу;
Веб-сторінки зчитуються через історичні знімки;
Фінансові та трендові дані також надаються лише в тому вигляді, в якому вони були на той момент.
Потім модель самостійно шукає інформацію, оцінює докази та видає ймовірність.
Коли справжні результати розкрито, її оцінюють за допомогою proper scoring rule, а потім використовують RL для посилення кращого прогностичного процесу.
Найцікавіше ось у чому:
Тренується не одна відповідь, а цілий набір прогностичних дій:
що шукати, що читати, коли зупинитися, як обробляти суперечливі докази і яку ймовірність врешті-решт призначити.
Якщо перенести це на прогнозні ринки, я думаю, перший крок — не змушувати ШІ автоматично торгувати.
Натомість спочатку варто вести щоденник прогнозів (forecast diary):
1. ймовірність на той момент
2. використані докази
3. ринкова ціна
4. чи відбулася б торгівля
5. наступний результат
6. класифікація помилок
Якщо система говорить «60%» в той час, але в довгостроковій перспективі це не схоже на 60%, то це ще не стратегія, а лише вміння писати обґрунтування.
Якщо ви теж хочете потренуватися у «фіксації прогнозу → очікуванні результату → калібруванні себе», можна почати з малих сум або симуляції, ставлячись до цього як до щоденника прогнозів, а не як до торгових порад.
Посилання, яке я використовую:

Оригінал тут:

Я думаю, найцікавіше не самі висновки, а те, що вони розбивають «прогнозування» на процес, який можна тренувати та аналізувати.