第 19 / 37 页
非代码面试题
显示 20 / 738 道匹配题目
答题状态：未尝试未正确已正确
ID题目领域难度题型进度权限
4433更密的步长如果在 horizon 很长的情况下，把 walk-forward 的推进步长从按月缩短到按日，相邻折之间的依赖通常会怎样？机器学习中等essay未尝试面试订阅4434Embargo 太短如果 embargo 比标签 horizon 还短，最可能的后果是什么？机器学习中等essay未尝试面试订阅4435降低重训频率在一个较稳定的制度里，如果你降低重训频率，模型参数的换手通常会怎样？机器学习中等essay未尝试面试订阅4436设计窗口之前在给金融 walk-forward 验证设计训练窗、测试窗和 embargo 长度之前，第一步应该先弄清什么？机器学习中等essay未尝试面试订阅4437宣称鲁棒之前在说一个 walk-forward 结果“很鲁棒”之前，第一步应该先检查什么？机器学习中等essay未尝试面试订阅4438缩短窗口之前在为了“更快适应”而同时缩短训练窗和测试窗之前，第一步应该量化什么？机器学习中等essay未尝试面试订阅4439比较模型之前两个模型是在不同的 walk-forward 方案下验证的。为什么不能直接天真地比较它们的平均分？机器学习中等essay未尝试面试订阅4440提高重训频率之前因为最近表现回落，你想提高重训频率。在动手前，第一步应该先检查什么？机器学习中等essay未尝试面试订阅4451排位融合还是分数融合一个信号的排序很稳定，但绝对数值尺度很飘；另一个信号的数值尺度有意义，但偶尔会出现极端离群点。什么时候基于排名的组合会比原始分数组合更安全？机器学习中等essay未尝试面试订阅4452一个很吵的强信号一个新信号在样本内的单独 Sharpe 最高，但它很不稳定，而且和已有信号高度相关。为什么相比给它极高权重，更温和的 shrinkage 组合可能更明智？机器学习中等essay未尝试面试订阅4453考虑换手的融合为什么在生产环境里，一个稍弱但变化更慢的信号，仍然值得被赋予正权重？机器学习中等essay未尝试面试订阅4454等权陷阱为什么把很多高度相关的 alpha 等权相加，往往得不到“信号个数”看起来承诺的那种分散化？机器学习中等essay未尝试面试订阅4455元模型还是手工融合什么时候比起再拟合一个灵活的元模型，简单的手工融合反而更合适？机器学习中等essay未尝试面试订阅4456相关性上升如果信号之间的两两相关性上升，而各自质量不变，那么把它们组合起来的分散化收益通常会怎样？机器学习中等essay未尝试面试订阅4457权重不稳定若估计出来的最优组合权重每个月都大幅跳动，通常为什么应当考虑 shrinkage？机器学习中等essay未尝试面试订阅4458信号更多，数据不变如果不断往组合里加候选信号，但样本长度并没有增加，估计出来的组合权重可靠性通常会怎样？机器学习中等essay未尝试面试订阅4459分数尺度漂移如果一个信号的分数尺度会随时间漂移，而另一个很稳定，那么固定的原始分数组合通常会怎样？机器学习中等essay未尝试面试订阅4460慢信号的权重如果交易成本显著上升，组合里那些变化更慢的信号通常会变得怎样？机器学习中等essay未尝试面试订阅4461组合之前在组合多个信号之前，除了看各自的 standalone Sharpe，你首先还应该检查什么？机器学习中等essay未尝试面试订阅4462优化权重之前在相信优化器给出的精确权重之前，第一步应该先检查什么？机器学习中等essay未尝试面试订阅