Điểm Brier
Ví dụ dùng cách viết số tiếng Anh: dấu phẩy phân tách các nhóm hàng nghìn, dấu chấm phân cách phần thập phân. 1,000 nghĩa là một nghìn; 1.25 nghĩa là một và một phần tư.
Trước mỗi quan sát trong bốn quan sát, dự báo xác suất EUR/USD đóng cửa giờ tiếp theo trên Bid hiện tại. Các dự báo là 0.8, 0.6, 0.3 và 0.1; nhãn sự kiện thực hiện là 1, 0, 1 và 0. Theo quy ước nhị phân 0–1, điểm Brier là (0.04 + 0.36 + 0.49 + 0.01) / 4 = 0.225. Các dự báo cố định 0.5 cho cùng sự kiện cho điểm 0.25. Đây là minh họa số học; bốn quan sát không xác lập chất lượng dự báo tương lai.
Định nghĩa sự kiện và thời điểm dự báo trước
Nhãn 1 phải chỉ cùng điều kiện, kỳ hạn và nguồn dữ liệu trong mọi quan sát. Ghi dự báo trước khi biết kết quả. Không trộn giá tăng trong một giờ với đạt mục tiêu trước stop: đây là các sự kiện khác nhau. Quy định cách xử lý dữ liệu thiếu và kết quả bằng nhau. Kỳ hạn chồng lấn có thể tạo quan sát phụ thuộc, nên số dự báo không nhất thiết bằng số phần thông tin độc lập.
Dùng so sánh phù hợp
Điểm thấp hơn tốt hơn trên cùng mẫu và cùng quy ước. Luôn dự báo 0.5 cho điểm 0.25, nhưng với sự kiện hiếm, tần suất ước tính từ dữ liệu trước có thể là chuẩn tốt hơn. Không chọn chuẩn bằng kết quả kiểm thử. Cũng ghi quy ước của thư viện: tổng trên mọi lớp hoặc công thức nhiều lớp có thể có thang khác. Kiểm tra nhãn lớp dương thay vì mặc định cột xác suất chỉ chuyển động tăng.
Điểm tốt không đồng nghĩa chiến lược có lãi
Điểm Brier đánh giá dự báo xác suất, không phải kết quả giao dịch bằng tiền. Nó phản ánh nhiều hơn chỉ hiệu chuẩn; kiểm tra riêng hiệu chuẩn và độ ổn định ngoài mẫu. Ngay cả xác suất thực 60% với kết quả +1R hoặc −2R cũng cho kỳ vọng 0.6 × 1R − 0.4 × 2R = −0.2R trước chi phí. Quyết định giao dịch còn đòi hỏi kết quả nhận được, thực hiện, quy mô và ràng buộc rủi ro.
Học thêm và nguồn
10.1 Giao dịch trong bất định – đánh giá quyết định có kết quả chưa thể biết; 11.9 AI và LLM trong giao dịch – ứng dụng, giới hạn, rủi ro; 15.9 Nhật ký Forex — bội số R, kỳ vọng, SQN và MAE/MFE.
Nguồn chính (kiểm tra 2026-10-11): scikit-learn — brier_score_loss; scikit-learn — đánh giá dự báo xác suất.