Beberapa waktu lalu saya menulis blog tentang Algoritma pencocokan yang terinspirasi oleh ketidaksetaraan Cauchy Schwarz dan beberapa tesnya di sini dan di siniBaru-baru ini saya menemukan sebuah makalah bagus tentang pengembangan dan pengujian kembali strategi perdagangan sistematis di sini, dengan izin dari situs berita quantnews.com situs agregasi, dan termotivasi oleh dorongan dalam makalah tersebut untuk melakukan pengembangan berbasis hipotesis dan evaluasi terpisah pada tiap komponen strategi, saya telah memutuskan untuk melakukan beberapa pengujian lebih lanjut terhadap algoritma pencocokan.
Pengujian yang disebutkan di atas adalah pengujian Ukuran efek perbedaan rata-rata antara harga yang dicocokkan secara acak dan harga yang dicocokkan oleh algoritme untuk 5 batang setelah titik uji, dengan statistik uji menjadi nilai Cauchy-Schwarz itu sendiri. Ini dimaksudkan untuk menjadi uji kesamaan evolusi harga setelah titik uji tertentu. Namun, uji yang lebih relevan adalah apakah kesamaan ini dapat dimanfaatkan untuk keuntungan, dan dua kali lipat karena saya bermaksud algoritme pencocokan untuk memilih contoh pelatihan untuk saya Mesin belajar pengembangan sistem perdagangan. Jika tidak ada potensi untuk mengambil keuntungan dari pemilihan dasar contoh pelatihan yang cocok, akan naif untuk mengharapkan algoritma pembelajaran mesin apa pun untuk entah bagaimana menyulap keuntungan tersebut dari contoh-contoh yang sama.
(Set) tes pertama yang saya pikirkan adalah tes sederhana Uji Permutasi Monte Carlo, yang akan menjadi subjek postingan saya berikutnya.
