Kuis terkait panduan · Sedang Tingkat

AI dalam Kuis Perdagangan Algoritma

Tinjau ketidakpastian volume studi VWAP, simulasi NYSE, slippage harga, validasi kronologis, dan batasan hasil backtest.

Jalur panduan terkaitAI Dalam Perdagangan Algoritma
Pertanyaan 1 dari 8

Apa yang dimaksud dengan 'overfitting' dalam konteks model perdagangan?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa yang dimaksud dengan 'overfitting' dalam konteks model perdagangan?
    • Model yang cocok dengan gangguan historis dan gagal pada data langsung
    • Memperdagangkan terlalu banyak saham sekaligus
    • Menggunakan terlalu banyak memori komputer
    • Membeli saham yang harganya terlalu mahal
  2. Apa tujuan utama dari algoritma eksekusi seperti VWAP dan TWAP?
    • Untuk memprediksi harga tahun depan
    • Untuk memenuhi pesanan dalam jumlah besar sambil meminimalkan dampak pasar
    • Untuk mengenkripsi data perdagangan
    • Untuk menghilangkan semua risiko
  3. Mengapa data pasar keuangan digambarkan sebagai 'non-stasioner'?
    • Itu tidak pernah berubah
    • Itu disimpan di satu lokasi
    • Pola statistiknya berubah seiring waktu
    • Itu selalu meningkat
  4. What uncertainty did Busseti and Boyd incorporate into their VWAP execution model?
    • A guaranteed future price for every share
    • A perfect forecast of market-wide returns
    • A signal that removes transaction costs
    • Imperfect knowledge of total market volume during the execution schedule
  5. What data did the cited VWAP execution study use for its simulation validation?
    • Real NYSE market data
    • A guaranteed future price for every share
    • Only synthetic data from a single stock
    • A set of central-bank press releases
  6. What result did Busseti and Boyd report for their simulated VWAP solution?
    • A guaranteed 10% trading profit for every investor
    • A 10% reduction in VWAP-deviation RMSE versus the standard static solution
    • A 10% reduction in losses for every market regime
    • Zero slippage under all order sizes
  7. Why use chronological train and test splits for trading models?
    • To ensure every period has identical prices
    • To increase the number of assets
    • To reduce leakage from future market information into past predictions
    • To remove transaction costs automatically
  8. Why include transaction costs and slippage in a backtest?
    • They always improve returns
    • They are only relevant for HFT
    • They replace out-of-sample testing
    • They can materially change whether a signal is economically usable