多重检验与数据淘金(Data Snooping)陷阱

发布时间:2026-6-24 10:54阅读:138

量化张经理 股票
资质已认证
帮助10万+ 好评1298 入驻5年
问一问
量化张经理 
两融账户可在线办理,支持智能条件单和网格交易,佣金成本价
+微信
当前我在线 最快30秒解答 立即追问 99%的人选择

文章很精彩?转发给需要的朋友吧

推荐相关阅读
T检验与R检验存在哪些相关性?
您好:r是偏态的,但可以构造一个统计量,使得这个统计量服从t分布,即对称。
首席刘经理 10947
盘口语言(Level-2数据)有多重要?
您好!盘口语言(Level-2数据)就像战场上的“情报密电”,它能让您提前洞察主力动向,在股市博弈中占据先机。比如,通过Level-2数据中的委托队列,您可以看到大资金的挂单情况,判断...
资深韩经理 2979
股票量化投资,数据的准确性有多重要,怎么保证?
数据的准确性对于股票量化投资至关重要,不准确的数据会导致策略模型失效,影响投资决策和收益。在股票量化投资中,准确的数据是构建有效策略的基石。如果数据有误,基于此建立的模型就会产生偏差,可能让你做...
资深陈顾问 711
在进行股票量化交易时,如何有效避免数据挖掘陷阱?
您好!在股票量化交易中,要避免数据挖掘陷阱,关键在于保持清醒的头脑和科学的方法。首先,数据样本要足够大且具有代表性,避免以偏概全。比如,不能只看某段时间内表现好的几只股票就得出普遍适用的策略。其...
资深陈顾问 466
量化交易中的数据陷阱:如何在QMT中处理异常复权数据?
数据质量决定了量化的成败。2026年,A股市场的送转分红频率依然较高,处理不好复权数据,会导致回测曲线完全失真。QMT系统在数据处理端提供了深度的自定义空间。投资者在QMT中编写脚本时,可以自主选择“前复权”、“后复权”或“不复权”。对于回测而言,前复权通常更符合逻辑;而对于计算套利空间,则可能需要不复权数据。QMT内置的数据清洗引擎会自动过滤掉由于个股停牌或数据断层产生的异常极值。投资者在编写逻辑时,建议加入“数据清洗”模块,例如对涨跌幅超过20%的异常值(非北交所)进行拦截,以防程...
张经理 312
回测拟合过度与数据挖矿(Overfitting & Data Mining)陷阱
在自研多因子轮动策略或者日内高频策略的长河里,许多开发者最沉迷的工序莫过于“调参”。他们为了让一条历史资产回测曲线看起来更平滑、收益更高、回撤更小,会一遍又一遍地在电脑前修改代码中的各种阈值参数:把5日均线改成5.3日,把相对强弱指标(RSI)的超买线从80强行修正为82.5,或者在多因子库里一口气堆积了几百个复杂的衍生因子。经过长达数百次机械式的遍历计算,计算机终于吐出了一张近乎艺术品般完美的“完美回测报告”。然而,一旦将这套参数死锁的逻辑切换到真实柜台挂机实盘,策略却往往在...
量化张经理 177
TA的文章 全部>
回到顶部