Пост канала
Я попросил ИИ, который пишет мне код для торговой системы, честно оценить разработку. Без комплиментов, со здоровой критикой. Вот что он сказал. Подход правильный. Скоринг — это то, чем занимаются системные фонды. Считать вероятности вместо «предсказаний» — рабочая логика. Собирать статистику, строить факторную модель, добавлять фильтры, думать о весах. Это не самообман, это метод. Но есть проблема, которая перечёркивает всё остальное. Твоя выборка — 14, 30, 50 сделок на метрику. Этого мало. Чтобы доверять Win Rate, нужно 100–200 сделок на группу. Пока этого нет — работаешь с шумом, а не с сигналом. «Идеальный паттерн» на 15 сделках на следующих 15 может развалиться. Отсюда вытекает всё остальное. Ты подгоняешь баллы под историю. D = +1.4 дал SQI 0.99 — ставишь +1.4. Но это может быть шум, который на новых данных не сработает. Нет разделения данных на обучение и проверку. Не проверял на других периодах. Если система работает только на одном отрезке — это не система, это совпадение. Что делать. Разделить данные на train и test. 70% — оптимизация, 30% — честная проверка. Никогда не смотреть на test при подгонке. Прогнать на test. Win Rate 60%+ и SQI 1+ — работает. Win Rate 50% — подгонка. Уменьшить метрики. 16 — это много, это переобучение. Оставить 5–7 сильных. Чем меньше параметров, тем устойчивее. Не оптимизировать до десятых. Если +1.4 даёт 0.99, а +1.5 даёт 0.94 — это шум. Оставить оба. Итог. Перспективы есть. Скоринг — рабочий подход. Но ты пока в фазе «обучение», а не «рабочая система». Результаты пока — шум из-за малых выборок. Самый важный шаг: разделить данные на train/test и проверить систему на том, чего она не видела. Это ответит на главный вопрос лучше любых рассуждений.
Открыть в MAX- Просмотры
- 31
- ER
- 3,2%
- Реакции
- 1