_/. 6. Запускаем train_moe_for(ticker, feature_cols_override=top_features). Внутри train_moe_for monkey-patchим _get_feature_cols / _crypto_feature_cols — поэтому LSTM-эксперты и XGBoost обучаются только на выбранном подмножестве. 7. Сохраняем финальную модель поверх старой, логируем before/after. Запуск: python train_all_rr1x2.py --optimize-features 50 --ticker SBER python train_all_rr1x2.py --optimize-features 50 # 4 тикера по умолчанию python train_all_rr1x2.py --optimize-features 60 --min-features 50 --ticker ALL Альтернативно (как модуль): from analysis.optimize_features import run_optimization results = run_optimization(['SBER','GAZP'], keep_pct=0.5, min_features=40) ) annotationsN)datetime)Anymodelssavedc"UR5$)N)lowertickers ;/home/ai/projects/AI_Strategy/analysis/optimize_features.py_ticker_pathnamer -s <<>cb[RR[[ U5S35$)Nz_moe_v12_rr1x2.joblib)ospathjoinSAVE_DIRr r s r _model_pathr1s& 77<<%5f%=$>>S"T UUrcjURS5nURS5nUSnUSnURSUnUSLnU(aURSUO[R"U5n0n[ USU5H3up[ XY5[ Xy5[ XYXy-5S.X'M5 U$)uИзвлекает важность базовых признаков из сохранённой модели. Returns: {feature_name: {'imp_long': float, 'imp_short': float, 'imp_total': float}} rf_longrf_shortn_base_features feature_colsN)imp_long imp_short imp_total)getfeature_importances_npzeros enumeratefloat) rrrn_baserr has_shortroutinames r _fetch_base_importancesr(5s ii "Gyy$H $ %F(L++GV4H$I:C--gv6RXIYI C\'623hk*y|,x{Y\9:  4 JrcF^ [U5m [T R5SSS9n[U5n[ [ XA-5U5nXT:aUnUSUVVs/sHupgUPM nnn[ U 4SjU55n [ ST R555n U [ U S5- n UUUU XE- SU - UX5SVVs/sHupgUPM snnUSS VVs/sHupgUPM snnX5US -VVs/sHupgUPM snnS . n X4$s snnfs snnfs snnfs snnf) uGВозвращает список top-K% базовых признаков по imp_total. Args: saved: joblib-загруженная MoE. keep_pct: Доля признаков для сохранения (0.5 = 50%). min_features: Минимум признаков (failsafe). Returns: (top_features, stats) cUSS$)Nr)xs r %select_top_features..[s QqT+=NrT)keyreverseNc34># UH nTUSv M g7frNr,).0f importancess r &select_top_features..asE 1;q>+. sc3*# UH oSv M g7fr3r,)r4vs r r7r8bsA,@qkN,@sg|=g?) n_total_base n_keep_basekeep_pct coverage_imp removed_countremoved_imp_share top_featuresremoved_features top_5_kept top_5_dropped)r(sorteditemslenmaxintsumvalues)rr> min_features sorted_featsn_totaln_keepr'_rBkept_imp total_impcoveragestatsr6s @r select_top_featuresrVNs@*%0K+++-3NX\]L,G W'(, 7F (4Wf(=>(=WTD(=L>E EEHAK,>,>,@AAI#i//H  ) 8^$1=g1FG1FgdT1FG+7+;<+;t+;<.:&1*.MN.M74$.MN E  %?H<NsD DD4Dc4[U5n[RR[U5n[R "USS9 [RRU[RR U55n[R"X$5 U$)uJКопирует модель в backup_dir/{ticker}_moe_v12_rr1x2.joblib.T)exist_ok) rrrrrmakedirsbasenameshutilcopy2)r backup_dirsrcdst_dirdsts r _backup_modelrausb f Cggll8Z0GKK$' '',,w 0 0 5 6C LL Jrc &[RR[U[RR [ U555n[ U5n[RR U5(dg[R"X#5 g)utВосстанавливает модель из бэкапа (если оптимизация не удалась).FT) rrrrrZrisfiler[r\)r r]r^r`s r _restore_from_backuprds[ '',,xRWW-=-=k&>Q-R SC f C 77>>#   LL rc rSSKJn URS5=(d 0n[URSS55U(a[URSS55OSU(a[URSS55OS[ URSS55[ URS /55US .$) u^Извлекает metrics из сохранённой модели для сравнения.r)get_target_configoptimal_thresholdsval_acclongshortrr)rhlong_thshort_thrtotal_feature_size thresholds)configrfrr"rJrH)rrfths r _get_metricsrrs( ' ( .BB9c23135,-35E"&&#./3uyy):A>?!%))NB"?@  rc SSS.$)uГрубая оценка Net PnL Long по OOF threshold на val части (по архивным данным модели). Возвращает {'net_long': float, 'net_short': float, 'long_thr': float, 'short_thr': float}. Если не получилось — все 0.0. ri)net_long net_shortr,)rr s r _estimate_net_pnl_on_valrvs# ..rc SSKJn [U5n[RR U5(d SUSU3S.$U(a[ SUS35 [R"U5n[U5n[XqUS9upU(aR[ S U S S U S S U SS35 [ SU SS35 [ SU S35 [ SU S35 Uc8[R"5RS5n S[US-5SU 3n[X5n U(a[ SU 35 U(a[ S[!U 5S35 U"X S9n U (aU R-S"5S#:wa$U(a [ S$5 [%X5 SUS%U S&.$[R"[U55n[U5nUS'US'- nS(nUU:nU(dAU(a[ S)U*SS*U*S+S,35 [%X5 S-US.U*S3US/.[/XUX5E$S#UUS0.[/XUX5E$!["aMnU(a[ S US!35 [%X5 SSKoR)5 SU[+U5S.sSnA$SnAff=f)1uKЗапускает оптимизацию для одного тикера.r) train_moe_forerrorzmodel not found: statusr ryz [uR] Загрузка текущей модели для анализа importance...)r>rMu ➤ Base features: r< → r=u (удалено r@)u: ➤ Сохранённая важность (coverage): r?.1%u$ ➤ Top-5 оставленных: rDu! ➤ Top-5 удалённых: rEN%Y-%m-%d_%H-%M backup_topdrQu ➤ Бэкап: u= ➤ Переобучение MoE с feature_cols_override (u признаков)...)feature_cols_overrideu ✗ train_moe_for упал: u,. Восстанавливаю бэкап...r{okuT ✗ train_moe_for вернул не ok. Восстанавливаю бэкап...ztrain_moe_for returned non-ok)r{r ry train_resultrhgQu$ ⚠ val_acc снизился на z (>z.0%u-). Восстанавливаю бэкап...rejectedzval_acc decreased by )r{r reasonr])r{r r])train_all_rr1x2rxrrrrcprintjoblibloadrrrVrnowstrftimerJrarH Exceptionrd traceback print_excstrr_interop_metrics)r r>rMr]verboserxr saved_oldmetrics_beforerBselection_statsdate backup_pathresulter saved_new metrics_afterva_deltaaccept_thresholdaccepts r _run_optimization_singlers . v D 77>>$  !V@QRVQW>XYY F8mno D!I!),N$7 EQ%S!L %on&E%Fe /00A/RaBbAccdf g J?[iKjknJopq 4_\5R4STU 1//2R1STU||~&&'78!#hn"5!6av> 3K ";-01 McR^N_M``wxyFvJ VZZ)T1  h jV0!V>] &( ( K/0I +MY'.*CCH ) )F   8(3sL\K\]`Jab?@ AV0 -xi_=$  v}o^      6=/ Z  M F  21#5ab cV0--/!Vc!fEE FsH33 J =AJ?J J cxUSUSUSUSUSUSUSUSUSUSUSUSUSUS S .$) u;Сводка метрик before/after для отчёта.rnrrhrlrmr?r@rDrE)n_features_beforen_features_after n_base_before n_base_afterval_acc_before val_acc_afterlong_th_before long_th_aftershort_th_beforeshort_th_afterr?r@rDrEr,)r beforeafterrrs r rrs $$89!"67 12/0 +y) +y)!*- +'7(9%l3(9 rc SSKJn U"5 [R"5R S5nS[ US-5SU3n/nUH^n[ R "5n [XUUUS9n [[ R "5U - S- S 5U S 'URU 5 M` U$![a=n SS K n U R5 URS U[U 5S .5 S n A MS n A ff=f)uПараллельно-последовательная оптимизация для списка тикеров. Args: tickers: список тикеров (SBER, GAZP, ...) keep_pct: доля признаков для сохранения (0.5 = 50%) min_features: минимально допустимое количество признаков verbose: печатать прогресс Returns: Список dict с результатами per-ticker r)seed_everythingrrrrQ)r>rMr]r<r+ elapsed_minNryrz)models.expertsrrrrrJtimerroundappendrrrr) tickersr>rMrrrr]outputr t0rrrs r run_optimizationr s / <<> " "#3 4Dc(S.12!D6:J F YY[ R(5A3=079A %diikB&6"%rMru4 === Результаты оптимизации ===u Тикерz>8 wasz>20rrhzLong thz>16Verdictz>10zd----------------------------------------------------------------------------------------------------r{rr z | r3dz (r2dz base) | rrrr~r|ru | L≥rz.2fu→rz | ACCEPTEDrz base) | reverted | z vs z | REJECTED: r?z | ERROR: ry)sysargparseArgumentParser add_argumentrr"rJ parse_argsrsplitstripupperrr>rMrr)rparserargstrresultsrs r mainr6s  $ $1a bF  #7QUW  5#bd (sB?    D*.,,*<*->(,.G AB \" QuSk5+QyoQyQToUVW`adVe fg )  55?d " Qx[$C*=(>r'B"QEWXZD[\+,R01^3DR2HI)*3/uQ5G4LM-.s33q7I#6NO  ! UU8_ * Qx[$C*=(>r'B"QEWXZD[\""#$4"5c!:$q?QRU>VW!!"x!3 46 7 QUU8C(,JquuWS7I6JK LPs H#"H__main__)r rreturnr)rdictrzdict[str, dict])rr)rrr>r"rMrJrztuple[list[str], dict])r rr]rrr)r rr]rrbool)rrrr)rrr rrr)rrNT) r rr>r"rMrJr]z str | Nonerrrr) r rrrrrrrrrrr)rrT) rz list[str]r>r"rMrJrrrz list[dict]) __doc__ __future__rrrr[rrtypingrrnumpyrrrdirnameabspath__file__rr rr(rVrardrrrvrrrr__name__r,rr rst0#   77<<8Q(RS ' +V28;-/$'*$4J$N /14247;.2 R(-R,/R+5R(, R8< Rj!*.&*$(-10(+)+%)#$##&###/9#RMB zFr