Свёрточные сети в финансах: как не спутать шум с сигналом

Свёрточные нейросети хороши для поиска закономерностей, но на финансовых рынках волатильность легко принять за значимый сигнал. Результат — модель, которая блестяще работает на исторических котировках, но проваливается на новых данных.

В статье разбираются конкретные приёмы: как подавать временные ряды и ордербук на вход CNN, как организовать разбивку данных, чтобы не допустить утечки будущего, и какие метрики действительно показывают качество прогнозов, а не подгонку под прошлое.

Автор на примерах показывает, когда свёрточные архитектуры дают реальную пользу в финансовом анализе, а когда их применение — просто дорогой способ получить переобученную модель.