close
許多程式交易者都知道不要選擇最佳化後的最佳參數
仔細想想,何謂過度佳化或者稱之Over Fitting,這時我想提出另一觀點—“隱性最佳化”,
怎樣的行為會被歸類為隱性最佳化
試問,在寫程式的時候是否會”手動”更改參數,對,也許你不是將它放在”INPUT”去跑
最佳化而取最佳解,但是你該捫心自問自己”手動”調了幾次,是否選了一個績效特別好,
勝率特別高,最大權益回落特別低的結果
或許你當下會欣喜若狂,以為求到了聖盃,但就我的經驗告訴我,實際下單後往往見真章
那該如何避免隱性過度最佳化的行為呢???
1. 為你的行為提出一個合邏輯的解釋
2. 你是否認真的解讀訊號背後的意義而做合理且適度的調整
3. 在所有動作做完後是否再去確認所用的參數為”參數高原”亦或”參數孤島” 參數高原: 在某一區塊之參數表現並無顯著的落差,亦即造成較好績效之參數須具有連 續性,參數在其區間表現較穩定且一致 參數孤島: 某特定較佳之績效僅存在於特別的參數組合,稍加改變,立即重挫績效表現
全站熱搜
留言列表