最適化、統計、回避のカーブフィッティング。

私は好奇心を持つことから始まることに興味がある私にとってヒアリングの教育に関する意見：

カーブフィッティングの落とし穴の最適化-人のために移転試験これを知っています。

のとだと思っていをしないようにしてカーブフィッティングが最適化により一時間の長さやバックテストです。 一部の人に話すの”進歩く。” もちろん、い10,000回の結果ではないが、自動オプティマイザ.

していただける方を探してい価値の範囲内における変数が試される”進歩”を 正規分布 (統計)の 益となりました。

いらっしゃることと思い程度の方法によりこに存在し、どうでしょうか。 どの統計的試験/最適化の実践に関する回避のカーブフィッティング?

の削減に努め数 optimizableパラメータ にすることはできない。 例えばbacktest200引5用に最適化パラメータの結果は全く意味がない、5つのパラメータを残し十分なスペースに合わせてモデルへのランダムノイズのこの短い長さです。 まbacktest2000年の取引だけで2つのパラメーターまで来の距離感が非常に近いという深い意味があります。 したらいいと思います。互いうものを知っている存在する計算方法を、必要な試験に与えられた自由度の結果で重要と考えられるものでもより多くの要因*かの有意が必要で）になります。 これはそんなに簡単ではありませんのものが多くの隠された落とし穴.

実際に試したほうがよいでしょうえで、統計フォーラムでは、この問いは厳重に取引を特定する問題をしていplaguing統計専門家のための年齢との回答もなたがどのように問いかけてどのようお策定には問題などのノイズがデータをどのように適したタイプのモデルにしようとしています。

例だとされていることについて多くの研究者だと主張するかどうかをモデル予測する傾向く人の影響で、グローバルな気候を問-*前提ではあるのかだけでも測っく恣意的に推測パラメータのモデルの適合だけランダムノイズのようなことができっとそれに付随する統計的有意性をさらに議論しよう。