Skip to main content
Status of this page: 大綱(skeleton)。內容尚未撰寫,未經來源驗證。

大綱

  1. Random forest 與 gradient boosting 的偏差-變異取捨
  2. 低信噪比資料下的正則化與超參數選擇
  3. 時間序列交叉驗證:expanding / rolling、purge 與 embargo
  4. 模型選擇的評估指標:預測誤差 vs 策略績效
  5. 線上重訓練頻率與漂移監控

面試常問

  • 為什麼金融資料的樹模型常需要強正則化?
  • 樣本外預測誤差低但策略不賺錢,可能原因?