Diskussion zum Artikel "Schätzung der zukünftigen Leistung mit Konfidenzintervallen"

[MetaQuotes]

Neuer Artikel Schätzung der zukünftigen Leistung mit Konfidenzintervallen :

In diesem Artikel befassen wir uns mit der Anwendung von Bootstrapping-Techniken (Bootstrapping: am eigenen Schopf aus dem Sumpf ziehen) als Mittel zur Schätzung der künftigen Leistung einer automatisierten Strategie.

Wenn wir ein potenzielles Handelssystem testen, erhalten wir natürlich eine Sammlung von verschiedenen Leistungskennzahlen. Diese Daten geben uns intuitiv einen Hinweis auf das Gewinnpotenzial des Systems, aber diese Intuition ist möglicherweise nicht ausreichend. Eine Strategie, die beim Testen viel Gewinn abgeworfen hat, kann beim Live-Handel weniger sternengleiche Renditen erzielen. Gibt es eine Möglichkeit, eine bessere Vorstellung davon zu bekommen, ob die bei den Tests beobachtete Leistung auf demselben Niveau bleibt? Wenn nicht, wie schlecht wird die Leistung dann sein?

Hier könnten statistische Standardmethoden helfen. Es ist anzumerken, dass die hier erörterten Techniken nicht dazu gedacht sind, genaue Schätzungen vorzunehmen, und dass sie dies auch niemals sein werden. Sie bieten Methoden zur Identifizierung von Strategien, die mit hoher Wahrscheinlichkeit einen signifikanten oder akzeptablen Gewinn erzielen.

Ein Konfidenzintervall bezieht sich auf die Wahrscheinlichkeit, dass eine bestimmte statistische Größe einer Datensammlung oder einer Population für einen bestimmten Zeitraum innerhalb eines bestimmten Bereichs liegt. Sie messen den Grad der Gewissheit, indem sie die Wahrscheinlichkeit berechnen, dass die berechneten Werte die wahre Statistik enthalten, die geschätzt wird. Statistiker verwenden in der Regel Konfidenzniveaus von 90 % bis 99 %. Diese Intervalle können mit verschiedenen Methoden berechnet werden. In diesem Artikel werden wir uns auf einige gängige Boostrap-Techniken konzentrieren.

Autor: Francis Dube