题目2712 · 机器学习
为什么很多“小修改”合起来仍然是深度搜索
为什么仅仅因为最终策略只是相对基线做了很多“小修改”，就声称不存在严重过拟合，这是误导性的？
打开 →找到 30 个结果
English questions题目2718 · 机器学习
为什么策略组合本身也会过拟合
为什么把很多单独研究过的策略再组合成一个元组合，会额外引入一层过拟合风险？
打开 →题目2713 · 机器学习
为什么高换手策略更容易被过拟合
为什么对于非常高换手的策略，回测过拟合会格外危险？
打开 →题目5848 · 金融与交易
卖出跨式的盈利与风险
你卖出（写出）执行价 100 的跨式，收取看涨权利金 6 和看跌权利金 7。求最大利润、两个盈亏平衡价，以及股价到期为 118 时的盈亏。
打开 →题目5842 · 金融与交易
多头看涨蝶式结构
一份多头看涨蝶式买入一张 90 看涨、卖出两张 100 看涨、买入一张 110 看涨，净支出为 2（执行价等距）。求最大利润、达到最大利润时的股价，以及最大亏损。
打开 →题目4377 · 机器学习
标准化放在 CV 外面的主要问题 12
如果先在全量数据上拟合标准化，再去做交叉验证，而不是把标准化放到每个 fold 里重做，这个调参流程的主要问题是什么？
打开 →题目5841 · 金融与交易
熊市看跌价差
你买入执行价 110、权利金 7 的看跌期权，同时卖出执行价 100、权利金 3 的看跌期权，其中 110>100。求净权利金支出、到期盈亏平衡价以及最大利润。
打开 →题目5191 · 金融与交易
牛市看涨价差 1
你买入一张执行价为 100 的看涨期权，权利金为 4.5；同时卖出一张执行价为 110 的看涨期权，权利金为 1.5，其中 110>100。求该策略的净权利金支出、到期盈亏平衡价，以及最大利润。
打开 →题目5192 · 金融与交易
牛市看涨价差 2
你买入一张执行价为 95 的看涨期权，权利金为 6；同时卖出一张执行价为 105 的看涨期权，权利金为 2.2，其中 105>95。求该策略的净权利金支出、到期盈亏平衡价，以及最大利润。
打开 →题目5844 · 金融与交易
看跌期权最大盈利
你买入一张执行价 40、权利金 3 的看跌期权。求到期盈亏平衡价，以及该头寸可能的最大利润。
打开 →题目5803 · 金融与交易
达成利润目标的最小宽度
做市商希望在一个交易时段内赚取至少 5.0 的总净边际，预计恰好成交 250 次。每次成交赚 (h - 损失)，逆向选择损失为 0.008，并假设在相关区间内成交次数与半边价差无关。满足目标的最小半边价差是多少？
打开 →题目5845 · 金融与交易
领口策略的盈亏边界
你以 100 持有股票，买入执行价 90、权利金 4 的看跌期权，并卖出执行价 115、权利金 3 的看涨期权。求该领口策略到期的净权利金支出、最大利润和最大亏损。
打开 →题目2702 · 机器学习
50 个零假设变体里最佳 t 统计量超过 2.4 的概率
假设 50 个真正零假设下的标准化 t 统计量近似独立且服从 N(0,1)。它们的最大值超过 2.4 的概率是多少？
打开 →题目2710 · 机器学习
为什么 CPCV 有帮助但治不了自适应创意生成
为什么组合式路径验证能改善稳健性检验，但仍无法彻底解决研究者在看到旧结果后继续发明新点子的过拟合问题？
打开 →题目2706 · 机器学习
为什么“没碰过的留出集”一旦反复看就不再没碰过
为什么研究者在想法迭代过程中反复查看最终留出集后，它就失去了原本的证据价值？
打开 →题目2719 · 机器学习
为什么参数稳定性比单一最佳峰值更重要
为什么在回测热图里，一大片都不错的参数平台，往往比一个非常尖锐的最优点更有说服力？
打开 →题目2707 · 机器学习
为什么成本假设本身也算超参数
为什么在看过回测表现之后再去调整滑点曲线、费用表或融券假设，也算额外的模型搜索？
打开 →题目2709 · 机器学习
为什么按样本内 Sharpe 排名会偏爱噪声峰值
为什么即使所有候选策略都很平庸，按样本内 Sharpe 最高者来选，也会系统性地把被选中的策略往上偏？
打开 →题目2714 · 机器学习
为什么搜索深度往往大于“命名策略”的数量
为什么一个声称自己只测试过 5 个“命名策略”的团队，实际搜索深度仍可能远远大于 5？
打开 →题目2716 · 机器学习
为什么止损规则调参同样属于多重检验
为什么在看完整段历史权益曲线之后再去选止损阈值，应该被视为回测搜索，而不是单纯的风控卫生？
打开 →题目2711 · 机器学习
为什么纸上交易有时比再做一次回测更有信息量
为什么一段前向纸上交易期，有时会比在历史样本里再挤出一个更花哨的切片更有证据价值？
打开 →题目2715 · 机器学习
为什么经济逻辑像一个对抗噪声的先验
为什么一个背后有可信经济机制的策略，会比一个统计表现类似但没有连贯故事的策略更值得信任？
打开 →题目2708 · 机器学习
为什么股票池选择也是搜索树的一部分
为什么改变可交易股票池应该被视为研究搜索树上的一个额外分支，而不是无害的背景设定？
打开 →题目2717 · 机器学习
为什么重启退役策略可能会重复利用同一份运气
为什么一个策略失望后被退役，后来又因为一版相近策略在重叠历史上回测很好而被重新上线，这件事很危险？
打开 →题目2720 · 机器学习
为什么默认就应该预期实盘会劣化
为什么 PM 应该默认预期实盘表现会低于最佳回测，而不是把任何落差都当作实现层面的意外？
打开 →题目4380 · 机器学习
反复盯着 CV 调参的核心风险 15
某位研究员不断重复调参循环，直到某个超参数设置在交叉验证上以极小优势胜出。这种做法的核心风险是什么？
打开 →题目4379 · 机器学习
小样本大搜索时是否适合嵌套 CV 14
数据很少，但超参数搜索空间很大，你又希望在调参之后得到尽量无偏的性能估计。尽管成本高，这时从概念上看 nested CV 是否合适？
打开 →题目2697 · 机器学习
把 240 个变体聚成 24 个家族后的伪赢家概率
研究员生成了 240 个高度相关的策略变体，但认为它们只相当于 24 个“有效独立”的策略家族。若交易台仍把任何 p 值低于 8% 的家族都当作发现，那么在零假设下至少出现一个伪家族赢家的近似概率是多少？
打开 →题目2698 · 机器学习
把家族层面伪发现概率压到 10% 所需的单次显著性阈值
某交易台计划尝试 60 个有效独立的策略想法。若采用独立近似，要让至少出现一个伪赢家的概率恰好为 10%，单次检验显著性水平 alpha 应取多少？
打开 →题目4376 · 机器学习
极度不平衡且有审查额度时先看什么指标 11
正例只占 1%，而业务团队每天只能人工核查前 100 个告警。此时在调阈值时，应该优先强调 PR 类指标还是 ROC 类指标？
打开 →