කාල‑අනුක්රමික යන්ත්ර‑ඥානය (ML) පරීක්ෂණවලදී, ලේබල ගොනුවේ අඩුපාඩු හේතුවෙන් වැරදි ප්රතිඵල ලැබීමේ අවදානම වැඩි. ලේඛකයා LightGBM භාවිතා කරමින්, මිනිට්‑මට්ටමේ ක්රිප්ටෝකරාන්සි දිශානතියේ සීමා පරීක්ෂා කරයි. ඒ සඳහා පූර්ව‑නිර්මාණ ලේබල (train_y.npy) පමණක් නොව, Pramaana සපයන පරිගණක‑පරිමාව (parquet) ගොනු පළමු පියවරේම භාවිතා කරන ලදී.
මෙම පරීක්ෂණයේ ප්රධාන ගැටළුව වුයේ, ලේබල ගොනුවේ පමණක් ධනාත්මක අගයන් (magnitude‑filtered positives) ඇතුළත් වීම නිසා, දිශානති (directional) පරීක්ෂකයකට අදාළ දෙදිකුලත් නොපෙනීමයි. එමගින් මොඩලයක් වෙනත් මොඩලයකට වඩා හොඳද යන්න අසලින්ම පරීක්ෂා කළ විට, සැබැවින්ම ලේබලයේ ගොඩනැගීමේ අසමත්තාමය අඩංගු වූ පරිසරයක් පමණක් සලකුණක් විය.
ලේඛකයා විසින් LightGBM මූලික මොඩලය සකස් කිරීමේදී පහත පියවරයන් අනුගමනය කළේය:
- 46 ක් මයික්රො‑ස්ට්රක්චර් ප්රතිපත්ති ගුණාංග
- 15‑මිනිත්තු ඉදිරිපත් ආපසු ලැබීම (bps) ටාර්ගට්
- 15‑ක පියවර (stride‑15) අතිරේකය මගින් කාල‑වින්යාසය නිරෝධායනය
- |target| > 10bps නම් වෙළඳාම නොකරන (no‑trade) පෙරහුරු
- ආසෙට් අනුව 85%/15% කාල‑වෙළඳාම වෙන්කර ගැනීම, තවත් 15 පේළි පිරිසිදු කිරීම
මෙම සැලසුම මගින් “මොඩල‑පන්තියේ හැකියාව” ප්රශ්නයට පිළිතුරක් ලබා දීමට, ලේබල ගොනුවේ අඩුපාඩු හෝ කාල‑ආවරණ (overlap) වැනි අතුරුදන්වීම් නැතිව, පරීක්ෂණය නිවැරදිව සිදු කළ හැකි විය. පරීක්ෂණයේ ප්රතිඵල පෙන්වන්නේ, මිනිට්‑මට්ටමේ OHLCV කාන්ඩල වලින් 52% පමණ දිශානති සාර්ථකත්වයක් ලැබෙන බවයි; ඒත් ඒක පැය‑මට්ටමේදී වැඩි සංඛ්යාවක (උදා: 58‑60%) දිශානති සංඥාවක් පෙන්වයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තරුණ සංවර්ධකයින්, දත්ත විශ්ලේෂකයින් සහ ආයතනික තීරණකරුවන්ට මෙම පර්යේෂණයෙන් ලැබෙන ප්රයෝජන බහුලයි. කාල‑අනුක්රමික දත්ත සමඟ වැඩ කරන ආයතනවල, සත්යාපන රූපයම (validation geometry) මොඩලේ කොටසක් බව පිළිගැනීම, අධික දෝෂ සහ අධික වියදම් වලින් පළාත්යය වළක්වා ගත හැකිය. එසේම, ගැඹුරු AI/ML පද්ධති නිර්මාණය කිරීමේදී, ලේබල සැකසීමේ නිවැරදි ක්රමවේදයන් පිළිබඳ අවබෝධය වැඩිවීම, ශ්රී ලංකාවේ තාක්ෂණික නිර්මාණශීලීත්වය ඉහළ නැංවීමට මඟ පෙන්වයි.
අවසානයේ, මෙම පර්යේෂණය මඟින් කාල‑අනුක්රමික ML ක්ෂේත්රයේ “මොඩල‑පන්තිය” තරඟයෙහි සැබැවින්ම සාර්ථක මොඩලයක් තෝරා ගැනීමට, ලේබල ගොනු, කාල‑වින්යාසය හා පරීක්ෂණ සැලසුම අතර සම්බන්ධතාවය අවබෝධ කර ගැනීම අත්යවශ්ය බව තහවුරු කරයි. එමඟින්, දේශීය තාක්ෂණික පර්යේෂණය සහ ව්යාපාරික තීරණ ගැනීමේ ගුණාත්මකත්වය ඉහළ යයි.
