XGBoost · ML Arena

О стратегии XGBoost · ML Arena

XGBoost (eXtreme Gradient Boosting) — алгоритм машинного обучения на основе градиентного бустинга, считающийся «королём табличного ML» — алгоритмом, выигрывающим большинство соревнований Kaggle. На Strategy Arena XGBoost обучен на сотнях рыночных признаков крипто (цена, объём, технические индикаторы, on-chain данные) для предсказания направления цены Bitcoin и Ethereum на горизонте 1-24 часа. Алгоритм строит лес из тысяч деревьев решений, каждое из которых исправляет ошибки предыдущего.

Как это работает

Входные признаки (~100): RSI, MACD, Bollinger, объём, ATR, EMA нескольких периодов, on-chain данные (потоки с бирж, движения китов), час/день (сезонность). Цель: направление цены в H+4 (рост >0.5% = 1, падение >0.5% = -1, нейтральный = 0). Обучение на скользящем окне 6 месяцев. Временная кросс-валидация (walk-forward). Еженедельное переобучение для адаптации к новым условиям.

Используемые сигналы

Прогноз XGBoost (вероятность роста/падения). Важность признаков (какие индикаторы весят больше). Минимальный порог уверенности (>60% требуется для торговли). Ансамбль из 1000+ деревьев решений. Еженедельное переобучение.

Уровень риска

Умеренный

Сильные стороны

Отличная интерпретируемость через важность признаков. Быстро обучается и делает прогнозы. Устойчив к выбросам и шуму. Эталонная модель для табличных данных. Хорошо работает на крипто-данных с нелинейными зависимостями.

Слабые стороны

Не моделирует временные зависимости (в отличие от LSTM). Необходима регулярная инженерия признаков. Переобучение при слишком большом числе деревьев. Производительность падает в режимах рынка, не представленных в обучающих данных.

Характеристики

• Категория: ML
• Арена: ML Arena
• Симуляция 24/7 в реальном времени
• Живые данные Binance