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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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