IS span e adattamento della curva

Secondo voi, la probabilità di un errore di adattamento della curva è maggiore per un intervallo IS lungo o breve?

Penso che sia breve.

Motivo: Un wndw più lungo significa condizioni di mercato più varie (trend/panico/non-trend)

"Un wndw più lungo significa condizioni di mercato più varie".

Esattamente, ma significa anche che l'algoritmo deve adattarsi a più condizioni di mercato, quindi... più curve di adattamento?

Penso che l'adattamento della curva non dipenda molto dall'ampiezza dell'IS, si può avere una curva di strategia adattata a dati molto piccoli e anche a dati grandi.

Si tratta di un rapporto tra i gradi di libertà della strategia e la gamma IS.

Una strategia semplice con pochi parametri sarà meno adatta alla curva IS lunga che a quella IS corta.

Un intervallo IS più lungo consente inoltre di testare la strategia in condizioni di mercato più diverse.

Sono d'accordo con voi, mi sembra che un IS più lungo garantisca una migliore immunità per le condizioni di mercato impreviste e un minore over-fit, tuttavia vorrei ripensarci con maggiore attenzione.

Diciamo che i gradi di libertà sono un modo per misurare l'over-fit.

"Le stime dei parametri statistici possono essere basate su diverse quantità di informazioni o dati. Il numero di informazioni indipendenti che entrano nella stima di un parametro è chiamato gradi di libertà". (wiki)

Cosa ne pensate ora?

Non credo che I gradi di libertà sono un modo per misurare l'overfit, ma più la strategia ha gradi di libertà e meglio può essere adattata ai dati.

L'obiettivo è quindi quello di cercare strategie con il minor numero possibile di gradi di libertà che hanno anche la minore possibilità di overfitting.

A mio parere i gradi di libertà dovrebbero includere il numero di osservazioni (non sono sicuro di come sia ora in SQ).

Più lungo è il periodo (numero di osservazioni), più alti sono i gradi di libertà. Più alti sono i gradi di libertà, più alta è la probabilità che la strategia trovata sia una coincidenza casuale. Questa coincidenza casuale, a mio avviso, è un effetto dell'over-fitting.

Posso chiedere come funziona con i test bootstrap? Il numero di osservazioni è incluso nel test?

Saluti

Hai ragione, i gradi di libertà sono legati al numero di osservazioni (lunghezza del periodo di test).

Non sono sicuro di come si faccia in bootstrap, non ho ancora iniziato a lavorarci.