Budując modele predykcyjne dla sygnałów finansowych, większość z nas domyślnie korzysta z metryk takich jak RMSE lub MAE. Są one przydatne, ale mogą nie uwzględniać kluczowego pytania, które napędza wiele strategii: czy model poprawnie przewidział kierunek rynku? Tutaj wchodzi w grę Dokładność Kierunkowa (DA). Definicja: DA mierzy procent przypadków, w których model poprawnie przewiduje, czy wartość wzrośnie, czy spadnie w stosunku do ostatniej obserwacji. Formalnie: DA = (1/N) * Σ_t sign(A_t – A_{t-1}) * sign(I_t – A_{t-1}) Tutaj A = wartość rzeczywista, I = wnioskowanie, N = liczba prognoz, a indeksy dolne wskazują kroki czasowe. Dlaczego to ma znaczenie: • RMSE ≠ wyniki handlowe. Model może minimalizować błąd, ale konsekwentnie mylić znak zmian cen, co prowadzi do słabych wyników. • Kierunek napędza decyzje. W strategiach wyboru strony (długie vs. krótkie, ryzyko na vs. ryzyko off) rentowność w dużym stopniu zależy od poprawności decyzji, a mniej od wielkości błędu. • Wartość ekonomiczna jest związana z DA. Nawet niewielkie poprawki powyżej 50% DA mogą stworzyć znaczącą przewagę, gdy są skumulowane w wielu transakcjach. Interpretacja w praktyce: • 50% = statystycznie istotna przewaga na hałaśliwych rynkach. • 55–60% = bardzo wydajne, rzadkie w rzeczywistych danych finansowych. • 60%+ = przygotuj się na wcześniejszą emeryturę. Dla twórców modeli Forge, poprawa Dokładności Kierunkowej (DA) jest szczególnie istotna w tematach dotyczących log-zwrotów, gdzie funkcja straty kładzie dodatkowy nacisk na przewidywanie poprawnego znaku zwrotów. Chociaż sieć nie ocenia uczestników wyłącznie na podstawie DA, niektóre funkcje straty są zaprojektowane tak, aby bardziej cenić poprawność kierunkową niż zwykle. W takich przypadkach modele, które częściej „trafiają w znak”, będą lepiej wypadać w systemie oceniania i tym samym przyczynią się bardziej do zbiorowej inteligencji sieci. To wzmacnia strategie downstream w handlu, zabezpieczaniu przed zmiennością i proaktywnej egzekucji DeFi, nie upraszczając oceny tylko do DA. Podczas udoskonalania modeli w Forge, myśl poza RMSE. Dokładność Kierunkowa jest często metryką, która decyduje o tym, czy twój wkład stanie się częścią zwycięskiej strategii na łańcuchu. Rozpocznij w Forge: