分析与BI🔥7.0
为什么i.i.d.自助法会在回撤问题上撒谎
原标题: 为什么i.i.d.自助法会在回撤问题上撒谎
📋总体概括
文章指出用i.i.d.自助法（bootstrap）重采样评估策略回撤会产生系统性乐观偏差：该方法的可交换性假设在回撤规则下不成立，因为日期顺序本身就是机制——重采样把坏日子的聚集打散了。作者给出的修复方案不是增加样本量，而是改用更少但更长的连续块进行块自助法（block bootstrap），以保留亏损期的持续性结构，否则会高估回撤生存能力。
⚡关键信息
- ▸i.i.d. bootstrap假设交易日可交换，但回撤规则下顺序本身就是机制，假设失效
- ▸独立重采样会打散坏日子的时间聚集，使回撤估计偏向乐观方向
- ▸修复方法不是更多采样，而是更少、更长的连续块（block bootstrap）
- ▸重采样是回答『回测中多少是运气』最便宜的手段，但对回撤生存分析有偏
🔥犀利点评
这篇文章点破了量化圈一个常见的自欺：大家用bootstrap给回测上保险，却没意识到重采样恰恰摧毁了回撤赖以发生的尾部聚集结构。回撤不是坏日子的平均效应，而是坏日子连成串的产物——洗牌等于人为抹掉串。用iid bootstrap评估回撤，本质上是在一个没有连败的世界里测连败风险。块自助法只是补丁，真正该问的是数据里有没有regime依赖，这是建模问题，不是采样问题。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 DevToData 阅读全文 →