私はアルゴリズム戦略を最適化しています。多くの最適化された戦略のプールから選択する過程で、私は戦略の堅牢性を検索 (評価) する段階にいます。
Pardo 博士の著書「The Evaluation of Trading Strategies」の 231 ページのガイドラインに従って、Pardo 博士は数値 3 で次の比率を最適化されたデータに適用することを推奨しています。
「 3. 収益性の高いすべてのシミュレーションの総利益をすべてのシミュレーションの総利益で割った比率は有意に正です」
質問: 最適化の結果から、Pardo 氏が「...すべてのシミュレーションは有意に肯定的である」という発言の意味を正しく理解できていません。Pardo 氏が「非常にポジティブ」とはどういう意味ですか?
a.) 95% の信頼水準で? b.) 特定の p 値を持つ? c.) 各シミュレーションの平均純利益から標準偏差を引いた関係
文は「単純」に見えるかもしれませんが、最も堅牢なアルゴリズム戦略をフィルタリングするために、パルド氏が文で何を意味し、どのように計算するかを本当に理解したいと思います。
この主題 (2008 年に発行) に十分な敬意を払いながら、ロバスト性という用語は、どの特定の点でロバスト性が測定され、どのような現象に対してどのような現象にさらされてテストされるかをステートメントが明確にする場合にのみ、独自の意味を持ちます。レビュー中のモデルの応答 (どのような摂動 (タイプとスケール) に対して、テスト中のモデルは堅牢な動作を保持する必要があるか、その測定値はテストのアプリオリに定義および定量化されています)。
いずれにせよ、堅牢性のそのような文脈が定義されていない場合、資料は、太字の名前で印刷されていても、PRストーリーのように聞こえます-そして、平易な英語で話すことを許してください-雑誌の見出しまたは有料の広告記事のように。
深刻な定量的モデル評価では、(定義された定量的目標に関して) 最適化を実行しようと努めるほど、些細な「必須」命令を公理的に投稿するよりも、主題に対するより徹底的な洞察が必要になります。
large-average && small-HiLo-range && small StDev.
深刻なクオンツ モデリングの取り組みは、ディープ パラメトリック空間のスキャンで消費される何十万時間もの CPUコア時間を台無しにしない限り、主要な TruTrading Strategy サブ空間のいずれかの次元で深刻なパラメータ化の決定を組み込む必要があります - -
{ aSelectPOLICY, aDetectPOLICY, anActPOLICY, anAllocatePOLICY, aTerminatePOLICY }
そうしないと、モデルが機能しなくなるか、前者と後者のどちらが大きいかを推測するのが難しい盲信につながります。
この本は、構造を証明する努力をせずに、次のように述べています。
The more robust trading strategywill have an optimization profile with a: 1. Largeaverageprofit 2. Small maximum-minimumrange3. Small standarddeviation
ここで、少し時間を割いて、テスト対象モデルのこの 4D アニメーション ビュー (視覚的に認識しやすいように視覚化が 4 次元に縮小されている) を確認してください。ここでは、上記のいずれも当てはまりません。
<aMouseRightCLICK>.openPictureOnAnotherTab to see full HiRes picture details
現代の最先端のアダプティブ マネー マネジメントの実践に基づくと、パラメータ化が不十分なため (したがって、モデルを人為的に aParamSetVectorSPACE のかなり「均一な利益」のサブスペースに導く)、またはこれは、これまでで最も強力な利益促進剤である、まさに資金管理モデルのサブスペースの実装に関する主な誤解または不適切な実践 (その欠如を含む) です。
項目 1 はまったく重要ではなくなります。
項目 2は、述べられている仮定に反して正しく機能します。
項目 3は、上記の 1 と 2 により、反対の結果しか得られません。