Most firms and portfolio managers rely on backtests (or historical simulations of performance) to select investment strategies and allocate them capital. Standa
산치는 저를 비롯해 R의 제단에 이마를 부딪히지 않는 모든 사람을 집단 농부라고 불렀습니다.
정확하지 않을 수도있는 콜 코즈에 대해 사과드립니다.
다시 한 번 "마을의 첫 번째 사람"이라는 원칙에 따라 전문성 개발과 마을 개발의 차이점을 설명하려고 노력할 것입니다.
R은 단순한 프로그래밍 언어가 아니라 MO와 다른 것을 포함하는 통계와 같은 좁게 전문화 된 작업을 개발하기위한 매체입니다.
R의 패키지는 언어의 일부입니다. 언어 배포 패키지를 살펴봅시다. 이미 몇 가지 기본 패키지가 있습니다.
10,000개 이상의 함수가 있는 100,000개 이상의 패키지로 구성된 R의 패키지 세트는 MO와 같은 문제 해결을 위한 기능적으로 완전한 세트입니다.
MO의 예를 들어 설명해 보겠습니다.
이 사이트는 주로 분류 알고리즘의 다양한 변형, 특히 NS의 변형에 대해 논의합니다. 특히 파이썬에 대한 메타따옴표가 눈에 띕니다.
MO의 관점에서 볼 때 분류 알고리즘 자체는 문제의 일부인 30%에 불과합니다. 나머지 70%는 파이썬이라는 마을에서 찾아야 합니다. 그리고 분류 모델의 다른 변형을 찾는 것은 거의 불가능하며 최대 200개(1)가 있습니다.
R에는 누락된 것을 찾을 수 있는 훌륭한 참조 장치가 있습니다.
무엇을 찾아야 할지 모르는 경우 첫 번째 단계에서 Rattle을 사용하여 기본 데이터 분석, 변환, 예측 변수 선택, 테스트를 위한 파일 준비, 모델별 계산, 적절한 그래픽 표현을 통한 결과 평가 등 MO를 위한 도구 세트가 무엇인지 확인할 수 있습니다. 이것이 기본 수준입니다.
Rattle을 넘어섰다면 최고 수준의 MO 문제를 다루는 Caret 셸을 사용할 수 있습니다. 캐럿은 트레이딩 신호를 제공하는 최대 200개(!)의 패킷에 대한 액세스를 제공합니다. 이러한 패킷을 비교하고, 선택하고, 모델 앙상블을 만들 수 있습니다. 캐럿은 래틀이 가진 모든 것을 가지고 있지만 더 전문적인 수준입니다.
캐럿이 가진 모든 것에 대해 R에는 아날로그와 수많은 다른 지원 도구가 있습니다. 이 모든 것은 하나의 목적을 나타냅니다.
초기 사이트에서 OOS를 취하는 것을 선호하는 Prado 등이 Maxim에 보낸 답변: 페이지 7.
넷째, 연구자가 대규모 표본으로 작업하더라도 OOS 분석이 결론을 내리기 위해서는 표본의 많은 부분을 커버해야 하며, 이는 전략 개발에 해롭습니다(Hawkins [15] 참조). 시계열의 끝에서 을 가져오는 경우, 미래를 가장 잘 나타내는 가장 최근의 관측치를 잃게 됩니다. 시계열의 시작 부분에서 을 가져온 경우, 데이터의 대표성이 가장 낮은 에서 테스트가 수행되었습니다.
Forester #: 초기 사이트에서 OOS를 취하는 것을 선호하는 Prado 등이 Maxim에 보낸 답변: 페이지 7.
넷째, 연구자가 대규모 표본으로 작업하더라도 OOS 분석이 결론을 내리기 위해서는 표본의 많은 부분을 커버해야 하며, 이는 전략 개발에 해롭습니다(Hawkins [15] 참조). 시계열의 끝에서 을 가져오는 경우, 미래를 가장 잘 나타내는 가장 최근의 관측치를 잃게 됩니다. 시계열의 시작 부분에서 을 가져온다면, 데이터의 대표성이 가장 낮은 에서 테스트가 수행됩니다.
그래서 교차 검증을 사용하여 데이터의 모든 섹션이 OOS에 한 번에 하나씩 포함되도록 하는 것이라고 생각합니다.
교차 검증에 사용된 엠바고 플롯이 있습니다. 유해하므로 항상 제거해야 합니다. 그렇지 않으면 과도한 OOS가 발생합니다. 어쩌면 다른 것... 모든 것을 기억할 수 없습니다. 그러나 그것이 그의 발명품이라는 것은 사실이 아닙니다. 아마도 그는 방금 유용한 아이디어를 다시 이야기했을 것입니다.
나는 아직 직접 조사하지 않았고 방금 발견했으며 모든 것을 비극적으로 수행 할 시간이 충분하지 않습니다.
정확하지 않을 수도있는 콜 코즈에 대해 사과드립니다.
다시 한 번 "마을의 첫 번째 사람"이라는 원칙에 따라 전문성 개발과 마을 개발의 차이점을 설명하려고 노력할 것입니다.
R은 단순한 프로그래밍 언어가 아니라 MO와 다른 것을 포함하는 통계와 같은 좁게 전문화 된 작업을 개발하기위한 매체입니다.
R의 패키지는 언어의 일부입니다. 언어 배포 패키지를 살펴봅시다. 이미 몇 가지 기본 패키지가 있습니다.
10,000개 이상의 함수가 있는 100,000개 이상의 패키지로 구성된 R의 패키지 세트는 MO와 같은 문제 해결을 위한 기능적으로 완전한 세트입니다.
MO의 예를 들어 설명해 보겠습니다.
이 사이트는 주로 분류 알고리즘의 다양한 변형, 특히 NS의 변형에 대해 논의합니다. 특히 파이썬에 대한 메타따옴표가 눈에 띕니다.
MO의 관점에서 볼 때 분류 알고리즘 자체는 문제의 일부인 30%에 불과합니다. 나머지 70%는 파이썬이라는 마을에서 찾아야 합니다. 그리고 분류 모델의 다른 변형을 찾는 것은 거의 불가능하며 최대 200개(1)가 있습니다.
R에는 누락된 것을 찾을 수 있는 훌륭한 참조 장치가 있습니다.
무엇을 찾아야 할지 모르는 경우 첫 번째 단계에서 Rattle을 사용하여 기본 데이터 분석, 변환, 예측 변수 선택, 테스트를 위한 파일 준비, 모델별 계산, 적절한 그래픽 표현을 통한 결과 평가 등 MO를 위한 도구 세트가 무엇인지 확인할 수 있습니다. 이것이 기본 수준입니다.
Rattle을 넘어섰다면 최고 수준의 MO 문제를 다루는 Caret 셸을 사용할 수 있습니다. 캐럿은 트레이딩 신호를 제공하는 최대 200개(!)의 패킷에 대한 액세스를 제공합니다. 이러한 패킷을 비교하고, 선택하고, 모델 앙상블을 만들 수 있습니다. 캐럿은 래틀이 가진 모든 것을 가지고 있지만 더 전문적인 수준입니다.
캐럿이 가진 모든 것에 대해 R에는 아날로그와 수많은 다른 지원 도구가 있습니다. 이 모든 것은 하나의 목적을 나타냅니다.
이 모든 것이 특히 통계 및 IO 작업을 위한 전문적인 환경이라고 할 수 있습니다.
페이지 7.
넷째, 연구자가 대규모 표본으로 작업하더라도
OOS 분석이 결론을 내리기 위해서는 표본의 많은 부분을 커버해야 하며,
이는 전략 개발에 해롭습니다(Hawkins [15] 참조). 시계열의 끝에서
을 가져오는 경우, 미래를 가장 잘 나타내는 가장 최근의
관측치를 잃게 됩니다. 시계열의 시작 부분에서
을 가져온 경우, 데이터의 대표성이 가장 낮은
에서 테스트가 수행되었습니다.
이 방법에 대한 30페이지 분량의 설명이 여기 https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2326253 에 있습니다. 읽기 시작했습니다. 분명히 교차 유효성 검사를 기반으로하지만 조합 대칭이라는 고유 한 특성이 있습니다.
더 이상 읽고 싶지도 않습니다. 지쳤습니다.
하지만 비 훈련 기준에 대한 확인을 통해 전략의 자동 합성을 작성할 수 있습니다.
즉, 훈련하지 않는 기준을 최대화하는 전략을 만들 수 있습니다.
이 기준에 따라 전략을 합성한 다음, 새로운 데이터에 대해 그 전략이 형편없거나 주목할 가치가 있는지 테스트할 수 있습니다.....
테스트하고-> 결과를 얻고-> 버리거나 배웁니다.
하지만 '평범한 광대'처럼 아이디어 하나만 가지고 몇 년을 뛰어다니며 아무 것도 하지 않고 모든 사람에게 던지는 것은 막다른 길입니다.
배우지 않는 것에 대한 기준은 무엇인가요?
초기 사이트에서 OOS를 취하는 것을 선호하는 Prado 등이 Maxim에 보낸 답변:
페이지 7.
넷째, 연구자가 대규모 표본으로 작업하더라도
OOS 분석이 결론을 내리기 위해서는 표본의 많은 부분을 커버해야 하며,
이는 전략 개발에 해롭습니다(Hawkins [15] 참조). 시계열의 끝에서
을 가져오는 경우, 미래를 가장 잘 나타내는 가장 최근의
관측치를 잃게 됩니다. 시계열의 시작 부분에서
을 가져온다면, 데이터의 대표성이 가장 낮은
에서 테스트가 수행됩니다.
교육받지 않은 사람의 기준은 무엇인가요?
지금까지 8 페이지에 있습니다. 그리고 이것은 여전히 소개입니다)))
교차 검증에 대한 Sharpe의 비교인 것 같습니다(하지만 다른 지표를 사용할 수 있다고 쓰여 있습니다).
와, 프라도에 도착했네요.
그의 기술은 저에게는 효과가 없었습니다.)
와, 프라도에 도착했네요.
그의 기술은 저에게는 효과가 없었습니다.)
어쩌면 다른 것... 모든 것을 기억할 수 없습니다.
그러나 그것이 그의 발명품이라는 것은 사실이 아닙니다. 아마도 그는 방금 유용한 아이디어를 다시 이야기했을 것입니다.