2025-12-16 21:29:29

Nos bots de trading algorithmique pourraient fonctionner un peu trop bien... lorsque la stratégie du bot est optimisée à la perfection, vous commencez à vous demander si le marché fonctionne toujours comme prévu. Parfois, la meilleure formation consiste à savoir quand réduire les paramètres. L'ironie ? Plus le bot devient sophistiqué, plus le résultat réel du marché devient imprévisible. C'est un cas classique d'ingénierie qui vous mène dans une impasse—enseigner littéralement aux machines à trader si efficacement que la réalité ne peut pas suivre.

Voir l'original

Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.

14 J'aime

Récompense
14
6
Reposter
Partager

Commentaire

0/400

SingleForYears

· 2025-12-17 12:23

Hein ? L'optimisation est si bonne qu'elle tourne mal, ce n'est pas justement le vieux truc de l'overfitting ? --- Donc, les données de backtest sont le paradis, la vraie tendance est l'enfer --- Si un robot gagne trop souvent, il faut s'en méfier, le marché ne fonctionne pas comme ça, n'est-ce pas ? --- Ce passage est assez intéressant, on dirait qu'il laisse entendre quelque chose... Plus il y a de paramètres, plus il y a de bugs ? --- Optimisation parfaite = le marché n'existe pas ? Tu rêves, la réalité te rattrape toujours --- Plus c'est complexe, plus ça déraille, une stratégie simple dure plus longtemps, j'en ai vu trop --- Un exemple classique d'overfitting, mais qui peut vraiment résister à la tentation ? --- Attends... ce n'est pas en train de parler du bot d'un projet, pourquoi c'est si précis ? --- Le moment où la machine apprend à gagner de l'argent, c'est probablement le début de sa propre destruction

Voir l'originalRépondre0

ReverseTrendSister

· 2025-12-16 21:59

Cas typique de surapprentissage, des résultats de backtest impressionnants qui se heurtent à la réalité, c'est ça la malédiction de la quantification

Voir l'originalRépondre0

tx_or_didn't_happen

· 2025-12-16 21:59

Paradis du backtesting, enfer du trading réel, la vérité éternelle Hmm… J’ai déjà fait l’erreur d’optimiser excessivement cette configuration, en ajustant les paramètres pour transformer les données de backtest en chiffres astronomiques, mais dès la mise en ligne, tout devient évident C’est pourquoi je ne crois jamais à ces courbes parfaites Même une machine intelligente ne peut pas prévoir les événements imprévisibles comme les cygnes noirs, en fin de compte, il faut toujours garder une marge de sécurité

Voir l'originalRépondre0

GateUser-9f682d4c

· 2025-12-16 21:55

Hé, encore une scène de tragédie due à une optimisation excessive, backtesting invincible, chute du spot. Les robots trop intelligents ne gagnent pas d'argent, c'est vraiment incroyable. Plus on serre les paramètres, plus on perd gros, je rigole vraiment. En gros, c'est comme nourrir des données historiques jusqu'à en vomir, la réalité reste la réalité. C'est pour ça que j'ai abandonné l'algo, c'est trop virtuel. Pour être sarcastique, un backtest avec un rendement annualisé de 500% et un revenu mensuel de 200 😅. Optimiser à l'extrême devient juste une décoration, le marché n'est pas si obéissant.

Voir l'originalRépondre0

SchroedingerGas

· 2025-12-16 21:47

Le vieux problème du surapprentissage, le paradis des backtests, l'enfer de la réalité. On voit trop souvent ce genre de schéma.

Voir l'originalRépondre0

RealYieldWizard

· 2025-12-16 21:34

Ce n'est pas la vieille méthode du surapprentissage, les données de backtest échouent sur le marché réel.

Voir l'originalRépondre0