雖然這篇最小樣本數公式鄉民發文沒有被收入到精華區:在最小樣本數公式這個話題中,我們另外找到其它相關的精選爆讚文章
在 最小樣本數公式產品中有5篇Facebook貼文,粉絲數超過1萬的網紅FinLab財經實驗室,也在其Facebook貼文中提到, ◢ 回測 - 參數最佳化的迷思(附程式碼) ◣ 找到「歷史報酬率」好的策略很簡單 但是找到「未來報酬率」好的策略非常難。 為什麼? 原因在於做了過多的參數枚舉與優化,當樣本數夠大,自然會有極端的數據產生,就像是夜路走多了會碰到鬼,人多必有白癡,樹多必有枯枝,就像是量子力學中,波函數坍縮成我...
最小樣本數公式 在 FinLab財經實驗室 Facebook 的最讚貼文
◢ 回測 - 參數最佳化的迷思(附程式碼) ◣
找到「歷史報酬率」好的策略很簡單
但是找到「未來報酬率」好的策略非常難。
為什麼?
原因在於做了過多的參數枚舉與優化,當樣本數夠大,自然會有極端的數據產生,就像是夜路走多了會碰到鬼,人多必有白癡,樹多必有枯枝,就像是量子力學中,波函數坍縮成我們所處的現實,代表著均值,但在極端的多重宇宙樣本中,你也有可能是總統,代表著眾多巧合下的極端事件。
本文用口語的方式,帶你瞭解如何判斷過擬合的演算法
牛頓從蘋果落地的現象,發現了萬有引力,F=ma,因為實驗的雜訊很小(風、熱能散失等等),才能有經典、簡潔的公式,然而把牛頓的實驗,換到財經領域時,可能就不是這麼管用了,當我們在建模時,價格的雜訊遠大於規律
我們很有可能是優化雜訊,而非優化價格的規律!
要怎麼辨別這兩者的不同呢?
我們可以先從直觀的角度出發,究竟歷史上成功的偉人,Bill Gates、Steve Jobs、Elon Musk,這些科技巨擘,他們之所以能夠有今天的成就,是一連串的巧合,還是他們有一些人格特質,促使他們的成功?另一個極端的例子,假如今天某人中了樂透彩而一夕爆富,那很明顯,他很可能是多重宇宙中,非常成功的一個版本,但他的成功,可能並非來自他的人格特質,而是來自運氣。運氣跟命運,看似哲學,但跟策略過擬合有著極大的關連!
模型的過擬合,就像是簽樂透彩,只要參數夠多了,總會中獎。所以策略績效好,究竟是不是運氣好?最重要的關鍵,就是要確保「實驗是有效的」。如何定義實驗是有效的呢?
我們提供了兩篇文章,讓你瞭解防止 overfitting 的方法:
👉避免過擬合的演算法介紹:
https://pse.is/overfitting1
👉演算法的實驗以及程式碼:
https://pse.is/optimization2
深入淺出的介紹,
製作精良的代碼,
需要你多多按讚分享,好東西讓好朋友知道!
#python
#backtesting
#optimization
最小樣本數公式 在 追追熊 Facebook 的精選貼文
【追追熊萬聖節筆記】
寫了三個短篇筆記,以及問了一則問題:
🎃你知道籃球也有畢氏定理嗎?或著你該叫它「莫」式定理?
🎃開季攻守指數
🎃三分天註定:不可靠的三分命中率(3%)
🎃留言告訴追追熊,你最好奇哪一支球隊?
--
🎃你知道籃球也有畢氏定理嗎?或著你該叫它「莫」式定理?
熟悉棒球進階數據,或著讀過「魔球」的球迷們,可能都有聽過「棒球的畢氏定理」。公式如下:
(勝率)=得分^2/(得分^2+失分^2)
這是由棒球統計學(俗稱賽伯計量學)之父Bill James,所創造出來的用來評估棒球「真實勝率」的公式。它認為「真實勝率」比起實際勝率更能代表球隊的實力。
事實上,籃球也被發展出類似的「畢氏定理」,只要將上面的公式裡的 2 都修改成 13.91 。為什麼我說該叫它「莫」式定理?因為發展出這個公式的人正是現今火箭隊的總經理Daryl Morey!
(可以參考Morey在1993-1994發表的文章:https://www.morey.org/pythbook.gif)
--
🎃開季攻守指數
有了Morey的公式之後,我們可以知道:現階段比起戰績,球隊的攻守指數更能反應球隊的實力。本文的附圖即是開季至今球隊的攻守指數(轉自Twitter#ShaneYoung)。 橫軸是球隊的進攻指數,縱軸是防守指數。
從這張圖你可以知道賽爾提克現在防守極佳,進攻卻很糟;湖人的實力沒有戰績那麼差,但他們的問題在防守;火箭、太陽、巫師三隊是現階段攻守都很差的球隊。
--
🎃三分天註定:不可靠的三分命中率(3%)
然而,此時的樣本數很少,攻守指數也是有很多不可靠的地方。還記得去年的魔術嗎?去年此時,他們的攻守指數都很優異,最後卻還是去抽樂透籤。最大的原因就是他們的成功來自不可靠的三分命中率。
那時的魔術有著聯盟最高的3%,他們對手則是最低的3%。而三分命中率是一種容易大起大落的數據,短期來看很容易受運氣影響,尤其是在防守方面,球隊幾乎是沒有辦法控制對手的三分命中率的*。因此,我們觀察球隊的表現時,要多考慮外線異常的情況。
*註:追追熊觀察過去15年,只有Stevens的賽爾提克和Kerr的勇士能持續把對手三分壓制,連Pop的馬刺都做不到。
那今年有「去年的魔術隊」嗎?公鹿目前進攻3%排在第5,防守3%排在第二,是有被下修的可能,不過都沒有去年魔術攻守都第一那麼誇張。倒是有一支「反魔術隊」-小牛,他們進攻的3%排在倒數第五,而對手的3%是誇張的47.7%,期待他們的防守比現在更好是合理的評估。
--
🎃最想看追追熊分析哪一支球隊?
有人會問追追熊-湖人怎麼一直輸?公鹿怎麼那麼強?火箭是不是沒救了?以上的問題追追熊通通都不知道,畢竟我也不能每場比賽都看,對於個別球隊的觀察也不會比專門追那支球隊的寫手深刻,大家也不想看我寫勇士為什麼那麼強吧XD 不過找時間研究1~2支球隊,寫一點他們的策略、戰術是可行的。
在留言寫下你最好奇的球隊,如果有明確的問題更好,讓追追熊知道該分析哪支球隊!
#追追熊筆記
最小樣本數公式 在 追追熊 Facebook 的最佳貼文
【追追熊萬聖節筆記】
寫了三個短篇筆記,以及問了一則問題:
🎃你知道籃球也有畢氏定理嗎?或著你該叫它「莫」式定理?
🎃開季攻守指數
🎃三分天註定:不可靠的三分命中率(3%)
🎃留言告訴追追熊,你最好奇哪一支球隊?
-\-\
🎃你知道籃球也有畢氏定理嗎?或著你該叫它「莫」式定理?
熟悉棒球進階數據,或著讀過「魔球」的球迷們,可能都有聽過「棒球的畢氏定理」。公式如下:
(勝率)=得分^2/(得分^2+失分^2)
這是由棒球統計學(俗稱賽伯計量學)之父Bill James,所創造出來的用來評估棒球「真實勝率」的公式。它認為「真實勝率」比起實際勝率更能代表球隊的實力。
事實上,籃球也被發展出類似的「畢氏定理」,只要將上面的公式裡的 2 都修改成 13.91 。為什麼我說該叫它「莫」式定理?因為發展出這個公式的人正是現今火箭隊的總經理Daryl Morey!
(可以參考Morey在1993-1994發表的文章:https://www.morey.org/pythbook.gif)
-\-\
🎃開季攻守指數
有了Morey的公式之後,我們可以知道:現階段比起戰績,球隊的攻守指數更能反應球隊的實力。本文的附圖即是開季至今球隊的攻守指數(轉自Twitter#ShaneYoung)。 橫軸是球隊的進攻指數,縱軸是防守指數。
從這張圖你可以知道賽爾提克現在防守極佳,進攻卻很糟;湖人的實力沒有戰績那麼差,但他們的問題在防守;火箭、太陽、巫師三隊是現階段攻守都很差的球隊。
-\-\
🎃三分天註定:不可靠的三分命中率(3%)
然而,此時的樣本數很少,攻守指數也是有很多不可靠的地方。還記得去年的魔術嗎?去年此時,他們的攻守指數都很優異,最後卻還是去抽樂透籤。最大的原因就是他們的成功來自不可靠的三分命中率。
那時的魔術有著聯盟最高的3%,他們對手則是最低的3%。而三分命中率是一種容易大起大落的數據,短期來看很容易受運氣影響,尤其是在防守方面,球隊幾乎是沒有辦法控制對手的三分命中率的*。因此,我們觀察球隊的表現時,要多考慮外線異常的情況。
*註:追追熊觀察過去15年,只有Stevens的賽爾提克和Kerr的勇士能持續把對手三分壓制,連Pop的馬刺都做不到。
那今年有「去年的魔術隊」嗎?公鹿目前進攻3%排在第5,防守3%排在第二,是有被下修的可能,不過都沒有去年魔術攻守都第一那麼誇張。倒是有一支「反魔術隊」-小牛,他們進攻的3%排在倒數第五,而對手的3%是誇張的47.7%,期待他們的防守比現在更好是合理的評估。
-\-\
🎃最想看追追熊分析哪一支球隊?
有人會問追追熊-湖人怎麼一直輸?公鹿怎麼那麼強?火箭是不是沒救了?以上的問題追追熊通通都不知道,畢竟我也不能每場比賽都看,對於個別球隊的觀察也不會比專門追那支球隊的寫手深刻,大家也不想看我寫勇士為什麼那麼強吧XD 不過找時間研究1~2支球隊,寫一點他們的策略、戰術是可行的。
在留言寫下你最好奇的球隊,如果有明確的問題更好,讓追追熊知道該分析哪支球隊!
#追追熊筆記