{"slug": "onpshns-baayr-ml-ek-monddl-kyon-phel-hotaa-hai-v2-phiks", "title": "ऑप्शंस बायर ML: एक मॉडल क्यों फेल होता है (V2 फिक्स)", "summary": "An engineer detailed the rebuild of an options-buyer prediction system, moving from a flawed V1 XGBoost model to a V2 architecture with separate narrow heads for underlying direction and option contract eligibility. The V1 model asked a fuzzy question ('CE or PE?') on raw premium data, leading to noise learning and a data shift bug that zeroed a feature. V2 fixes these by validating premiums rather than learning direction, using shallow hard-regularized trees, and gating promotion on out-of-sample overfit gaps.", "body_md": "एक ऑप्शंस-बायर प्रेडिक्शन सिस्टम के असली रीबिल्ड से सीख। कोई मुनाफे का दावा नहीं — बस आर्किटेक्चर जो V1 के क्रॉनिक बग्स को फिक्स करता है।\n\nV1 ने एक XGBoost मॉडल से एक बड़ा फज़ी सवाल पूछा: **\"CE या PE?\"** — सीधे raw CE/PE प्रीमियम डेटा से। प्रीमियम एक *ट्रांसफॉर्म्ड* सिग्नल है (underlying move × delta × gamma × IV × theta × spread × strike distance × liquidity)। मॉडल ने नॉइज़ उतना ही सीखा जितना सिग्नल।\n\nरिसर्च लॉग्स से कंक्रीट एविडेंस:\n\n`lr=0.02, depth=3`\n\nडिफॉल्ट्स; Optuna मौजूद था पर कभी चला नहीं)।`iv_change_1d`\n\nshift सिंगल-रो ग्रुप्स में) ने चुपचाप पूरे इतिहास के एक फीचर को ज़ीरो कर दिया।\n\n``` php\nunderlying mechanics  -->  side, range, ETA, invalidation\noption chain scanner   -->  क्या बायर कॉन्ट्रैक्ट लेने लायक है?\nXGBoost (कई heads)     -->  क्लीन मैकेनिक्स पर पतला कैलिब्रेटेड लर्नर\n```\n\nरूल: **underlying साइड तय करता है; ऑप्शन कॉन्ट्रैक्ट एग्जिक्यूशन एलिजिबिलिटी तय करता है।** CE/PE प्रीमियम को वैलिडेट किया जाता है, डायरेक्शन के रूप में नहीं सीखा जाता।\n\nएक CE/PE जवाब की जगह V2 अलग नैरो हेड्स ट्रेन करता है:\n\n`underlying_up/down_touch_{15,30,60}m`\n\n`ce_1p3x / ce_1p5x / ce_2p0x`\n\nऔर `pe_1p3x / pe_1p5x / pe_2p0x`\n\n(अलग CE और PE)`no_trade_quality`\n\nये एक बदलाव V1 के CE/PE कन्फ्यूजन को खत्म कर देता है जिससे महीनों लड़ाई हुई।\n\n```\nlearning_rate = 0.015–0.035   n_estimators = 800–2000 (early stop)\nmax_depth = 2–3               min_child_weight = 12–40\ngamma = 0.1–2.0               subsample = 0.65–0.90\ncolsample_bytree = 0.55–0.85  reg_alpha = 0.5–3.0\nreg_lambda = 6.0–20.0         scale_pos_weight = min(neg/pos, 8.0)\n```\n\nV1 के इंट्राडे हेड में सिर्फ **1280 में से 8 फीचर्स** नॉन-ज़ीरो गेन के साथ थे — ज्यादातर ब्लोट शुद्ध नॉइज़ था जिसे रेगुलराइज़र को प्रून करना पड़ा। शैलो + हार्ड-रेगुलराइज़्ड ही जवाब है।\n\n`overfit_gap = train_metric − test_metric`\n\n। **> 0.15 हो तो फ्लैग।** मॉडल सिर्फ इसलिए प्रमोट नहीं होता क्योंकि ट्रेन मैट्रिक्स अच्छे दिखते हैं। हर हेड, हर रीट्रेन पर गैप ऑटोमैटिक लॉग करें।\n\nV2 एक क्लीनर आर्किटेक्चर है, लेकिन ये अभी भी **रिसर्च** है। जो सीख ट्रांसफर होती है: फज़ी सवाल मत पूछो, अपने नल्ल्स डिक्लेयर करो, ट्रीज़ को शैलो रखो, और प्रमोशन को आउट-ऑफ-सैंपल गैप पर गेट करो — ट्रेनिंग स्कोर पर नहीं।\n\n*सिर्फ रिसर्च। निवेश सलाह नहीं।*", "url": "https://wpnews.pro/news/onpshns-baayr-ml-ek-monddl-kyon-phel-hotaa-hai-v2-phiks", "canonical_source": "https://dev.to/shaktitiwari/onpshns-baayr-ml-ek-monddl-kyon-phel-hotaa-hai-v2-phiks-4ofp", "published_at": "2026-08-19 07:00:25+00:00", "updated_at": "2026-08-19 07:12:16.996573+00:00", "lang": "en", "topics": ["machine-learning", "artificial-intelligence", "ai-research", "developer-tools"], "entities": ["XGBoost", "Optuna"], "alternates": {"html": "https://wpnews.pro/news/onpshns-baayr-ml-ek-monddl-kyon-phel-hotaa-hai-v2-phiks", "markdown": "https://wpnews.pro/news/onpshns-baayr-ml-ek-monddl-kyon-phel-hotaa-hai-v2-phiks.md", "text": "https://wpnews.pro/news/onpshns-baayr-ml-ek-monddl-kyon-phel-hotaa-hai-v2-phiks.txt", "jsonld": "https://wpnews.pro/news/onpshns-baayr-ml-ek-monddl-kyon-phel-hotaa-hai-v2-phiks.jsonld"}}