ในทั้งวิทยาศาสตร์ข้อมูลและการซื้อขายทางการเงินหนึ่งในความท้าทายที่ถาวรที่สุดคือการดึงความสมดุลที่เหมาะสมระหว่างความซับซ้อนของรูปแบบและความแม่นยําในการคาดการณ์ ในวิทยาศาสตร์ข้อมูลการซับซ้อนเกิดขึ้นเมื่อรูปแบบเรียนรู้ไม่เพียง แต่รูปแบบพื้นฐานที่แท้จริงในข้อมูลการฝึกอบรม แต่ยังเสียงรบกวน - ซึ่งนําไปสู่การรวมกันที่ไม่ดีในข้อมูลใหม่ที่มองไม่เห็น เช่นเดียวกับเทรดเดอร์สามารถตกหลุมรักษากับการซับซ้อนเมื่อกลยุทธ์ของพวกเขากลายเป็นซับซ้อนมากเกินไปกับเงื่อนไขของตลาดในอดีตและไม่สามารถยึดมั่นในการซื้อขายสด การเข้าใจค่าใช้จ่ายของการซับซ้อน - และวิธีการหลีกเลี่ยงมัน - สามารถช่วยให้เทรดเดอร์สร้างกลยุทธ์ที่แข็งแกร่งและเชื่อถือได้มากขึ้น อะไรคือ overfitting ในวิทยาศาสตร์ข้อมูลการติดตั้งเกินไปเกิดขึ้นในระหว่างกระบวนการสร้างโมเดล โมเดลที่ซับซ้อนเกินไปเช่นหนึ่งที่มีพารามิเตอร์มากเกินไปหรือหนึ่งที่พยายามจับภาพการสั่นสะเทือนทุกนาทีในชุดการฝึกอบรมจบลงด้วยการจําข้อมูลแทนที่จะเรียนรู้สัญญาณพื้นฐาน เมื่อโมเดลมีความเหมาะสมเกินไปอาจดูดีบนข้อมูลประวัติศาสตร์ แต่ประสิทธิภาพการคาดการณ์ของมันตกลงเมื่อนําไปใช้กับชุดข้อมูลใหม่ ในการซื้อขายทางการเงินแนวคิดนี้คล้ายกัน นักเทรดมักจะทดสอบด้านหลังของกลยุทธ์กับข้อมูลราคาประวัติศาสตร์กฎการปรับแต่งและพารามิเตอร์ในการบีบอัดผลตอบแทนที่สูงขึ้น หากกลยุทธ์ได้รับการเพิ่มประสิทธิภาพมากเกินไปสําหรับ idiosyncrasies ของการเคลื่อนไหวของราคาในอดีตอาจไม่สามารถปรับตัวเข้ากับการเปลี่ยนแปลงในตลาดในอนาคต กลยุทธ์ที่ทํางานได้ดีมากบนข้อมูลประวัติศาสตร์อาจล้มเหลวเมื่อการเปลี่ยนแปลงเล็กน้อยเกิดขึ้นในไดนามิกของตลาด ทําไมการชั่งน้ําหนักเกินไปเป็นสิ่งสําคัญสําหรับผู้ค้า การซับซ้อนเป็นเรื่องแพงโดยเฉพาะอย่างยิ่งในการซื้อขายเนื่องจากตลาดทางการเงินมีเสียงรบกวนไม่สามารถคาดการณ์ได้และได้รับผลกระทบจากปัจจัยจํานวนมากนอกเหนือจากการกระทําราคาในประวัติศาสตร์ ไม่เหมือนกับสภาพแวดล้อมที่มีการควบคุมบางอย่างที่รูปแบบข้อมูลยังคงเสถียรค่อนข้างในระยะเวลาตลาดพัฒนาขึ้นในการตอบสนองต่อการเปลี่ยนแปลงทางเศรษฐกิจเหตุการณ์ทางภูมิศาสตร์และการเปลี่ยนแปลงในพฤติกรรมของผู้ซื้อขาย ระบบการซื้อขายที่สอดคล้องกับข้อมูลประวัติศาสตร์อย่างใกล้ชิดมากเกินไปสามารถตีความการสั่นสะเทือนแบบสุ่มเป็นสัญญาณที่มีความหมายซึ่งนําไปสู่การตัดสินใจผิด ตัวอย่างเช่นจินตนาการว่าเทรดเดอร์ออกแบบระบบขึ้นอยู่กับ ซึ่งดูเหมือนจะสอดคล้องกับการเคลื่อนไหวของราคาในช่วงระยะเวลาที่เลือกโดยไม่ต้องตรวจสอบอย่างระมัดระวังกลยุทธ์นี้อาจทําให้เกิดความผิดพลาดในการจับคู่แบบสุ่มสําหรับสัญญาณที่เชื่อถือได้ ปัญหาที่คล้ายคลึงกันเกิดขึ้นกับการพึ่งพาตัวบ่งชี้ที่ซับซ้อนเช่น ในขณะที่ตัวบ่งชี้ขั้นสูงสามารถเสริมสร้างกรอบกลยุทธ์ แต่การปรับกฎและขอบเขตมากเกินไปเพื่อให้สอดคล้องกับประสิทธิภาพทางประวัติศาสตร์เพิ่มความเสี่ยงของการติดตั้งมากเกินไปทําให้กลยุทธ์อ่อนแอเมื่อสภาพแวดล้อมเปลี่ยนแปลง แผนที่ Patterns Xhmaster formula indicator แผนที่ Patterns ตัวบ่งชี้สูตร Xhmaster บทเรียนจากวิทยาศาสตร์ข้อมูล วิทยาศาสตร์ข้อมูลมีวิธีการโครงสร้างเพื่อบรรเทาการซับซ้อนและบทเรียนเหล่านี้แปลได้ดีในการซื้อขาย 1. แบ่งข้อมูลของคุณ ในการเรียนรู้เครื่องชุดข้อมูลมักจะแบ่งออกเป็นชุดประกอบการฝึกอบรมและการทดสอบ แบบจําลองจะได้รับการฝึกอบรมในครั้งแรกและได้รับการประเมินในครั้งสุดท้ายเพื่อประเมินการรวมกัน นักเทรดสามารถใช้แนวคิดที่คล้ายกันโดยการแยกข้อมูลออกเป็นระยะเวลาในตัวอย่างและระยะเวลานอกตัวอย่าง กลยุทธ์อาจถูกพัฒนาโดยใช้ข้อมูลจากช่วงเวลาหนึ่งแล้วทดสอบอย่างเข้มงวดในระยะเวลาอื่นเพื่อให้แน่ใจว่าไม่เพียง แต่เกินไปสําหรับระยะเวลาที่เฉพาะเจาะจง 2. การปรับตัว ในวิทยาศาสตร์ข้อมูลเทคนิคการปรับตัวจะลงโทษรูปแบบที่ซับซ้อนมากเกินไปเพื่อป้องกันไม่ให้พวกเขากับเสียงรบกวนมากเกินไป นักเทรดสามารถใช้หลักการที่คล้ายคลึงกันโดยการชอบกฎกลยุทธ์ที่เรียบง่ายกว่าการรวมกันที่ซับซ้อนมากเกินไป กลยุทธ์ที่ขึ้นอยู่กับความน่าจะเป็นสูงไม่กี่ สามารถทํางานได้ดีขึ้นด้วยกฎการเข้าและออกที่ซับซ้อนซึ่งทํางานได้เฉพาะในเงื่อนไขตลาดในอดีต เทียน Patterns เทียน Patterns 3. การยืนยันข้าม การยืนยันข้ามเป็นวิธีการที่ใช้การฝึกอบรมและการทดสอบหลายส่วนเพื่อประเมินประสิทธิภาพของรุ่นอย่างแข็งแกร่งขึ้น ผู้ค้าสามารถจําลองสิ่งนี้ได้โดยการทดสอบกลยุทธ์ของพวกเขาในตลาดเครื่องมือหรือช่วงเวลาที่แตกต่างกัน หากกลยุทธ์ทํางานอย่างแข็งแกร่งในเงื่อนไขต่าง ๆ มันมีแนวโน้มน้อยกว่าที่จะเหมาะเกินไป หากเกิดข้อบกพร่องในหลายสถานการณ์นี่เป็นสัญญาณว่ากลยุทธ์อาจมีการปรับแต่งที่เข้มงวดเกินไป 4. หลีกเลี่ยงการติดตั้งโค้ง การจับคู่โค้งหมายถึงการปรับรูปแบบเพื่อให้ยึดติดกับข้อมูลประวัติศาสตร์อย่างใกล้ชิด ผู้ค้ามักจะไม่ตั้งใจการจับคู่โค้งเมื่อปรับพารามิเตอร์กลยุทธ์เพื่อให้บรรลุผลการทดสอบ backtest ที่ดีขึ้น สิ่งนี้สามารถสร้างความรู้สึกผิดพลาดของความมั่นใจ แทนที่จะปรับพารามิเตอร์อย่างต่อเนื่องจนกว่าการทดสอบ backtest จะดูสมบูรณ์แบบผู้ค้าควรให้ความสําคัญกับกฎเชิงกลยุทธ์ที่สมเหตุสมผลทางทฤษฎีแม้ว่าพวกเขาจะผลิตประสิทธิภาพที่เรียบง่าย แต่มีเสถียรภาพ บทบาทของเสียงรบกวนในข้อมูลทางการเงิน ข้อมูลทางการเงินเป็นเสียงรบกวนตามธรรมชาติ การสั่นสะเทือนราคาแบบสุ่มมักจะปิดกั้นสัญญาณที่แท้จริง ในวิทยาศาสตร์ข้อมูลเสียงรบกวนสามารถนํารูปแบบไปสู่ความล้มเหลวหากไม่ได้กรองหรือคํานวณ นักเทรดยังต้องตระหนักว่ารูปแบบที่เห็นได้ชัดจํานวนมากอาจเป็นวัตถุประสงค์ของความสุ่มจริง วิธีการที่แข็งแกร่งต้องแยกแยะระหว่างเสียงรบกวนแบบสุ่มและแนวโน้มที่มีความหมาย ตัวอย่างทางปฏิบัติหนึ่งคือการใช้รูปแบบกราฟ รูปแบบเช่นหัวและไหล่สามเหลี่ยมหรือธงอาจดูน่าทึ่งทางวิสัยทัศน์ แต่ไม่ทั้งหมดมีอํานาจการคาดการณ์ โดยไม่มีการยืนยันที่เหมาะสมการพึ่งพาพวกเขาอาจคล้ายกับการอ่านใบชา - ที่น่าสนใจทางวิสัยทัศน์ แต่ไม่สามารถดําเนินการอย่างสม่ําเสมอ การยอมรับความคิดความเป็นไปได้ นักเทรดจําเป็นต้องใช้การคิดความเป็นไปได้ เช่นเดียวกับนักวิทยาศาสตร์ข้อมูลยอมรับว่าการคาดการณ์เป็นความไม่แน่นอนตามธรรมชาตินักเทรดจะต้องปฏิบัติต่อสัญญาณกลยุทธ์แต่ละครั้งเป็นสัญญาณความเป็นไปได้แทนที่จะเป็น deterministic การตั้งค่าการเทรดอาจแสดงให้เห็นถึงความเป็นไปได้ที่สูงขึ้นของผลกําไร แต่ความสําเร็จไม่สามารถรับประกันได้ ความคิดนี้ช่วยลดค่าใช้จ่ายทางจิตวิทยาของการดึงและเสริมสร้างการจัดการความเสี่ยง ข้อสรุป ค่าใช้จ่ายของการติดตั้งมากเกินไปในการซื้อขายอาจเป็นเรื่องรุนแรงนําไปสู่กลยุทธ์ที่ดูฉลาดในมุมมองหลัง แต่ทํางานไม่ดีในตลาดสด โดยใช้บทเรียนจากวิทยาศาสตร์ข้อมูลเช่นการจองข้อมูลการตรวจสอบการออกแบบที่เรียบง่ายหลีกเลี่ยงการติดตั้งเส้นโค้งและการยอมรับการคิดความเป็นไปได้นักเทรดสามารถสร้างระบบที่ทนทานมากขึ้น การตระหนักว่าตลาดทางการเงินมีความซับซ้อนเสียงรบกวนและเปลี่ยนแปลงอย่างต่อเนื่องเป็นขั้นตอนแรกในการหลีกเลี่ยงความล้มเหลวของการติดตั้งมากเกินไป ด้วยการออกแบบที่ระมัดระวังและการตรวจสอบที่ระมัดระวังนักเทรดสามารถนําตลาดไปสู่กลยุทธ์ที่มีประสิทธิภาพไม่เพียง แต่ในทางประวัติศาสตร์ แต่ยังคงเข้าสู่อนาคต 
 
 เรื่องนี้ถูกกระจายโดย Jon Stojan ภายใต้ HackerNoon's Business Blogging Program เรื่องนี้ถูกกระจายโดย Jon Stojan ภายใต้ HackerNoon's Business Blogging Program

This story contains new, firsthand information uncovered by the writer.

เสียงนี้ผลิตในภาษาต้นฉบับของเรื่องราว!

ค่าใช้จ่ายของการติดตั้ง: บทเรียนนักเทรดสามารถเรียนรู้จากวิทยาศาสตร์ข้อมูล

About Author

ความคิดเห็น

แขวนแท็ก

บทความนี้ถูกนำเสนอใน

Related Stories

The German Air-fleet

MAKING FRIENDS.

THE SYMPATHY OF LADY SUNDERBUND

ON THE PLAINS AND VALLEYS OF CHILE:—SALIFEROUS SUPERFICIAL DEPOSITS

The German Air-fleet

MAKING FRIENDS.

THE SYMPATHY OF LADY SUNDERBUND

ON THE PLAINS AND VALLEYS OF CHILE:—SALIFEROUS SUPERFICIAL DEPOSITS

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps