IS span y ajuste de curvas

En su opinión, ¿la probabilidad de sesgo en el ajuste de curvas es mayor para un intervalo de SI largo o corto?

Creo que corto.

Razón: Una wndw más larga implica condiciones de mercado más variadas (tendencia/pánico/no tendencia).

"Una wndw más larga significa condiciones de mercado más variadas"

Exacto, pero ¿significa también que el algoritmo debe ajustarse a condiciones de mercado más variadas, por tanto... más ajuste de curvas?

Creo que el ajuste de curvas no depende tanto del intervalo IS, se puede tener una curva de estrategia ajustada a datos muy pequeños y también a datos grandes.

Se trata más bien de la relación entre los grados de libertad de la estrategia y el alcance de la SI.

Una estrategia simple con pocos parámetros se ajustará menos a la curva de IS largo que a la de IS corto.

Un rango IS más largo también le permite probar su estrategia en más condiciones de mercado diferentes.

Estoy de acuerdo con vosotros, parece que un IS más largo garantiza una mejor inmunidad ante condiciones de mercado inesperadas y menos sobreajuste, sin embargo me gustaría volver a pensarlo más detenidamente.

Digamos que los grados de libertad son una forma de medir el sobreajuste.

"Las estimaciones de los parámetros estadísticos pueden basarse en diferentes cantidades de información o datos. El número de datos independientes que entran en la estimación de un parámetro se denomina grados de libertad." (wiki)

¿Qué piensas ahora?

No creo que Los grados de libertad son una forma de medir el sobreajuste, pero cuantos más grados de libertad tenga la estrategia, mejor se ajustará a los datos.

Así que el objetivo es buscar estrategias con el menor grados de libertad que también tienen la menor probabilidad de sobreajuste.

En mi opinión, los grados de libertad deberían incluir el número de observaciones (no estoy seguro de cómo es ahora en SQ).

Cuanto mayor sea el periodo (número de observaciones), mayores serán los grados de libertad. A mayores grados de libertad, mayor probabilidad de que la estrategia encontrada sea una coincidencia aleatoria. En mi opinión, esta coincidencia aleatoria es un efecto del ajuste excesivo.

¿Puedo preguntar cómo son las pruebas bootstrap? ¿Se incluye el número de observaciones?

Saludos

tiene razón, los grados de libertad están relacionados con el número de observaciones (duración del período de prueba).

No estoy seguro de cómo se hace esto en bootstrap, aún no he empezado con él.