คะแนน Brier
ตัวอย่างใช้รูปแบบตัวเลขภาษาอังกฤษ: เครื่องหมายจุลภาคคั่นกลุ่มหลักพัน และจุดคั่นส่วนทศนิยม 1,000 หมายถึงหนึ่งพัน ส่วน 1.25 หมายถึงหนึ่งกับอีกหนึ่งในสี่
ก่อนข้อสังเกตแต่ละครั้งในสี่ครั้ง พยากรณ์โอกาสที่ EUR/USD จะปิดชั่วโมงถัดไปเหนือ Bid ปัจจุบัน ค่าพยากรณ์คือ 0.8, 0.6, 0.3 และ 0.1 ป้ายผลจริงคือ 1, 0, 1 และ 0 ตามข้อตกลงสองผลลัพธ์ 0–1 คะแนน Brier คือ (0.04 + 0.36 + 0.49 + 0.01) / 4 = 0.225 พยากรณ์คงที่ 0.5 สำหรับเหตุการณ์เดียวกันได้ 0.25 นี่สาธิตเลข สี่ข้อสังเกตไม่ยืนยันคุณภาพพยากรณ์อนาคต
นิยามเหตุการณ์และเวลาพยากรณ์ก่อน
ป้าย 1 ต้องหมายถึงเงื่อนไข ระยะเวลา และแหล่งข้อมูลเดียวกันทุกข้อ บันทึกพยากรณ์ก่อนทราบผล อย่าปนราคาขึ้นในหนึ่งชั่วโมงกับถึงเป้าก่อน stop เพราะเป็นคนละเหตุการณ์ ระบุวิธีจัดการข้อมูลขาดและผลเท่ากัน ระยะเวลาทับซ้อนอาจทำให้ข้อสังเกตพึ่งพากัน จำนวนพยากรณ์จึงไม่จำเป็นต้องเท่าจำนวนชิ้นข้อมูลอิสระ
ใช้การเปรียบเทียบที่เหมาะ
ยิ่งต่ำยิ่งดีบนตัวอย่างและข้อตกลงเดียวกัน พยากรณ์ 0.5 เสมอได้ 0.25 แต่เหตุการณ์หายากอาจเหมาะกับฐานความถี่ที่ประมาณจากข้อมูลก่อนกว่า อย่าเลือกฐานโดยใช้ผลทดสอบ บันทึกข้อตกลงไลบรารีด้วย ผลรวมทุกคลาสหรือสูตรหลายคลาสอาจมีสเกลต่าง ตรวจป้ายคลาสบวก แทนสมมติว่าคอลัมน์ความน่าจะเป็นหมายถึงขาขึ้น
คะแนนดีไม่ใช่กลยุทธ์กำไร
คะแนน Brier ประเมินพยากรณ์ความน่าจะเป็น ไม่ใช่ผลเทรดเป็นเงิน มันสะท้อนมากกว่าการปรับเทียบอย่างเดียว ตรวจการปรับเทียบและความเสถียรนอกตัวอย่างแยก แม้โอกาสจริง 60% ที่ผลตอบแทน +1R หรือ −2R ก็ให้ค่าคาดหมาย 0.6 × 1R − 0.4 × 2R = −0.2R ก่อนต้นทุน การตัดสินใจเทรดยังต้องมีผลตอบแทน การดำเนิน ขนาด และข้อจำกัดความเสี่ยง
เรียนรู้เพิ่มและแหล่งข้อมูล
10.1 เทรดภายใต้ความไม่แน่นอน – วิธีตัดสินการตัดสินใจที่ไม่อาจรู้ผลล่วงหน้า; 11.9 AI และ LLM ในการเทรด – การใช้ ข้อจำกัด และความเสี่ยง; 15.9 บันทึกเทรด Forex — R-Multiple, Expectancy, SQN และ MAE/MFE.
แหล่งต้นฉบับ (ตรวจ 2026-10-11): scikit-learn — brier_score_loss; scikit-learn — ประเมินพยากรณ์ความน่าจะเป็น.
