Questionário vinculado ao guia · Médio Nível

Questionário sobre IA em negociação algorítmica

Revise a incerteza de volume de um estudo VWAP, a simulação da NYSE, a derrapagem de preços, a validação cronológica e os limites dos resultados do backtest.

Caminhos de guia relacionadosIA em negociação algorítmica
Pergunta 1 de 8

O que é 'overfitting' no contexto dos modelos de negociação?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. O que é 'overfitting' no contexto dos modelos de negociação?
    • Um modelo que se adapta ao ruído histórico e falha em dados em tempo real
    • Negociar muitas ações de uma só vez
    • Usando muita memória do computador
    • Comprando ações superfaturadas
  2. Qual é o objetivo principal de algoritmos de execução como VWAP e TWAP?
    • Para prever os preços do próximo ano
    • Para atender grandes pedidos enquanto minimiza o impacto no mercado
    • Para criptografar dados comerciais
    • Para eliminar todos os riscos
  3. Por que os dados do mercado financeiro são descritos como “não estacionários”?
    • Isso nunca muda
    • Ele é armazenado em um local
    • Seus padrões estatísticos mudam com o tempo
    • Está sempre aumentando
  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