上限のない時系列データのスケーリングはどうするべきですか？

Question

質問

3年分、振れ幅10円分の為替データをスケーリングして学習した場合と

実用するときに最新1ヶ月分、振れ幅１円分のデータをスケーリングして予測に使う場合では

説明変数のスケーリングデータへの影響度合いが変わりませんか？
精密に予測したい場合この問題はどう解決すればいいんですか？

思いついた対策

・モデルを使いまわさずに、毎回最新1ヶ月を学習させて予測を行う
・価格の絶対値を使わずにRSI（相対力指数）のように相対的に0から100で表せる指数に変換して予測する

これらはどう思いますか？

Comments

[jbpb0]

「スケーリング」が標準化や正規化のことならば、時系列データに限りませんが、予測したいデータの標準化や正規化は、学習データと同じ処理をします
https://teratail.com/questions/218412
https://brskun.hatenablog.com/entry/2020/05/07/012722

[z4m1]

なるほど、scalerも保存しておくんですね
独学で変な勘違いをしてました
ありがとうございます

Answer 1

「スケーリング」が標準化や正規化のことならば、時系列データに限りませんが、予測したいデータの標準化や正規化は、学習データと同じ処理をします
標準化した学習済モデルでは、１件の予測はできない？
スケール変換をtrainデータ、testデータ別々に変換してはいけない