주식 트레이딩의 데이터 구분

주식 트레이딩의 데이터 구분

적절한 테스트 절차는 데이터를 표본 내 집합과 표본 외 집합으로 분리하는 것을 요구합니다. 모든 테스트가 항상 올바른 결과를 주는 것은 아니지만 테스트를 하지 않고 투자 아이디어나 시스템이 작동하는지 확인할 수 있는 방법은 없습니다. 검증에 사용하는 데이터를 따로 분석해보면 투자를 하기 전에 아이디어가 작동할 가능성이 높아집니다.

 

표본 내 데이터를 선택하는 데는 여러 가지 방법이 있습니다. 예를 들어, 20년간의 주가 내역이 있는 경우 처음 10년을 검정에 사용하고 두번째 10년을 유효성 검사에 사용하는 것을 선택할 수 있습니다. 그러나 시장은 시간이 지남에 따라 변화를 합니다. 변동성이 심해지고 다소 추세적일 수 있습니다. 표본 외 기간동안에는 데이터를 보지 않는 한 2년 간격으로 표본 내 데이터와 표본 외 데이터를 번갈아 사용하는 것이 가장 좋을 수 잇습니다.

 

표본 외 데이터를 적용할 때 가장 중요한 요소는 사용할 수 있는기회가 한번 뿐이라는 것입니다. 트레이딩 프로그램의 규칙을 만들기 위해 최선을 다한 다음에는 보이지 않는 데이터를 통해 해당 프로그램을 실행합니다. 결과가 성공하면 시스템을 거래할 수 있지만 실패하면 그 또한 끝입니다. 실패한 이유를 살펴보고 더 나은 성과를 내기 위해 트레이딩 방법을 변경할 수는 없습니다. 피드백을 도입했을 것이고, 표본 외의 데이터는 왜곡된 것으로 간주됩니다. 두 번째 시도는 항상 더 나은 결과를 가져올 수 있지만 한계가 있습니다.

 

▼더 읽어볼 만한 내용▼

 주식투자 평균의 법칙

주식투자 평균의 법칙