Quiz collegato alla guida · Medio Livello

Quiz sull'intelligenza artificiale nel trading algoritmico

Esamina l’incertezza del volume di uno studio VWAP, la simulazione del NYSE, lo slittamento dei prezzi, la convalida cronologica e i limiti dei risultati del backtest.

Domanda 1 di 8

Cos'è il "overfitting" nel contesto dei modelli di trading?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Cos'è il "overfitting" nel contesto dei modelli di trading?
    • Un modello che si adatta al rumore storico e fallisce sui dati in tempo reale
    • Scambiare troppe azioni contemporaneamente
    • Utilizzo eccessivo della memoria del computer
    • Acquistare azioni a prezzi troppo alti
  2. Qual è l'obiettivo principale degli algoritmi di esecuzione come VWAP e TWAP?
    • Per prevedere i prezzi del prossimo anno
    • Per evadere ordini di grandi dimensioni riducendo al minimo l'impatto sul mercato
    • Per crittografare i dati commerciali
    • Per eliminare ogni rischio
  3. Perché i dati del mercato finanziario vengono descritti come “non stazionari”?
    • Non cambia mai
    • È archiviato in un'unica posizione
    • I suoi modelli statistici cambiano nel tempo
    • È sempre in aumento
  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