第 25 / 41 页
非代码面试题
显示 20 / 811 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
4426滚动窗还是扩展窗过去三年里市场制度已经切换过多次。为什么滚动式 walk-forward 窗口可能比纯扩展窗更有信息量？机器学习中等essay未尝试面试订阅4427重训频率为什么即使“每天都重训”听起来更自适应，实际效果也可能比按月重训更差？机器学习中等essay未尝试面试订阅4428Embargo 的直觉当标签依赖未来收益、而相邻样本的标签窗口会相互重叠时，为什么加入 time embargo 会有帮助？机器学习中等essay未尝试面试订阅4429Walk-Forward 不是魔法为什么即使 walk-forward 流程做得很干净，也不能保证策略一定能在实盘里活下来？机器学习中等essay未尝试面试订阅4430比较窗口方案两个 walk-forward 方案给出了不同的验证结果。在断言其中一个“更好”之前，首先应问哪个结构性问题？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4463用原始分数之前在直接融合原始信号分数之前，第一步要问什么可比性问题？机器学习中等essay未尝试面试订阅4464加元模型之前在几个信号之上再拟合一个元模型之前，第一步应该先问什么数据问题？机器学习中等essay未尝试面试订阅4465宣布分散化之前在说“再加 5 个信号就更分散”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