為什麼好的預測！= 好的交易？
在AI for algorithmic trading：7 個可能讓我崩潰的錯誤中，作者談到了為什麼好的預測不能等同於基於所選策略的好的交易。在閱讀文章時，我不太了解他的例子。有人可以解釋更多嗎？
這篇文章可能需要進行一些編輯。與其談論預測，不如談論糟糕的建模決策和數據對預測的影響。
大多數預測沒有考慮在結果中增加一個演員的影響。例如，如果您對一組交易進行回測，那麼您忽略了這樣一個事實，即您的交易要包含在購買中，那麼它必須高於實際發生的所有交易。同樣，要賣出，您必須低於實際發生的所有交易。將播放器添加到系統會更改系統。如果您的算法已在系統中並移動了供應和需求曲線，那麼從定義上講，您的回報將必須小於或等於現有回報。
此外，還沒有提到的是，如果您的算法成為市場的正常特徵，那麼做市商將根據您的存在調整其庫存和流動性頭寸，至少對於交易清淡的證券而言。與長期資本管理一樣，您最終可能會成為市場，並且您的算法正在執行，而實際上其他人現在正在利用它。
除了小玩家之外，錯覺是事件是獨立的，除非這在數學上是不可能的，因為這個數學中有很強的路徑依賴性。我注意到大多數關於此類算法的討論都忽略了博弈論元素，並且是直接回歸，沒有價格彈性、流動性成本或做市商的利潤最大化和風險轉移策略。
我最近看到了可以建構的最糟糕的算法設計機制之一。它試圖根據歷史事件最大化利潤。歷史上利潤最大化的交易集純粹是隨機事件。收集的參數資訊很少，即使在那裡它也被錯誤地擷取。最大化事件需要使用極值理論而不是集中趨勢的度量，但是當他們查看處於極值的數據時，他們使用回歸來尋找集中趨勢。在這樣做的過程中，他們失去了找到司機的最大希望。
我認為很多模型都很糟糕，因為很多人忽視了第一原則，收集了薄弱的數據，並使用了可能不適用於他們的問題的食譜。
不過，作者有一件事是錯的。如果你有一個完美的預測工具，包括你的反應的影響，那麼你會賺很多錢。作者試圖傳達的是人們沒有建構那些預測算法。