Bootstrap
วิธีประมาณความไม่แน่นอนด้วยการสุ่มข้อสังเกตแบบใส่คืนซ้ำจากตัวอย่างที่มี และคำนวณสถิติใหม่ เช่น ค่าเฉลี่ย ค่าประมาณที่ได้ช่วยอธิบายความแปรปรวนจากการสุ่มตัวอย่าง bootstrap ระดับข้อสังเกตพื้นฐานต้องมีสมมติฐานอิสระที่เหมาะสม ข้อมูลพึ่งพากันอาจต้องสุ่มเป็นบล็อก ไม่ได้สร้างวิกฤตที่ไม่มีในข้อมูลหรือยืนยันความได้เปรียบกลยุทธ์อย่างอิสระ
ตัวอย่าง. ตัวอย่าง [−1R, −1R, +2R] มีค่าเฉลี่ย 0R ตัวอย่าง bootstrap ที่เป็นไปได้ [−1R, +2R, +2R] มีค่าเฉลี่ย 1R การสุ่มซ้ำครั้งเดียวนี้แสดงกลไก ยังไม่พอคำนวณช่วงความเชื่อมั่น
วิธีทำงาน
ระบุสถิติ จำนวนสุ่มซ้ำ วิธีหาช่วง และค่าเมล็ดสุ่ม เมื่อขาดทุนเกาะกลุ่มหรือสถานะทับซ้อน การสุ่มทีละรายการอาจทำลายความพึ่งพาที่สำคัญ block bootstrap ต้องมีเหตุผลรองรับความยาวและวิธีสร้างบล็อก
ข้อผิดพลาดที่พบบ่อย
อย่าถือจำนวนสุ่มซ้ำมากขึ้นเป็นชุดข้อมูลโลกจริงใหญ่ขึ้น การสุ่มซ้ำซ่อมข้อมูลผิด ต้นทุนที่ละในผลทดสอบ หรือการเลือกแบบจำลองดีที่สุดด้วยประวัติเดียวกันไม่ได้
เรียนรู้เพิ่มเติม
ในหลักสูตร: 15.4 การทดสอบย้อนหลังและไปข้างหน้า — วิธี หลักฐาน และข้อควรระวัง; 15.9 บันทึกเทรด Forex — R-Multiple, Expectancy, SQN และ MAE/MFE. แหล่งข้อมูล: SciPy: bootstrap.
การตรวจการจำลอง
เปรียบเทียบความเสถียรข้ามเมล็ดสุ่มและจำนวนทำซ้ำโดยคงวิธี บันทึกการจัดบล็อก ช่องว่าง และผลสุดขั้ว สัญญาณรบกวนการจำลองต่ำไม่ยืนยันว่าตัวอย่างเป็นตัวแทนตลาดอนาคต
คำถามที่พบบ่อย
bootstrap กับ Monte Carlo เป็นคำพ้องหรือไม่?
ไม่ Monte Carlo เป็นกลุ่มวิธีจำลองกว้างกว่า bootstrap ใช้การจำลองสุ่มได้ แต่เริ่มจากตัวอย่างเชิงประจักษ์
สุ่มซ้ำหนึ่งล้านครั้งคือรายการใหม่หนึ่งล้านรายการหรือไม่?
ไม่ เป็นการประมวลผลตัวอย่างเชิงประจักษ์เดิมโดยไม่เพิ่มประวัติตลาดใหม่
