در این ویدئو، دو رهیافت اصلی برای تدوین استراتژی‌های کوانت را با هم بررسی می‌کنیم: متد علمی (Scientific Method) و داده‌کاوی (Data Mining). توضیح می‌دم که چرا رهیافت علمی با فرضیه‌سازی، برای شناخت دقیق رفتار استراتژی و کسب قطعیت در بازارهای پیچیده سرمایه ضروری است، برخلاف داده‌کاوی که محدودیت‌ها و چالش‌هایی در این مورد دارد.
نکات کلیدی مطرح شده در این ویدیو:
- دو رهیافت تدوین استراتژی‌های کوانت: متد علمی و داده‌کاوی
- متد علمی: فرضیه‌سازی و رویکرد آزمایشگاهی
- پیچیدگی و عدم قطعیت بازارهای سرمایه
- نقد باور غلط پیش‌بینی همیشگی بازار
- شناخت دقیق ماهیت و رفتار استراتژی در شرایط مختلف بازار
- پایداری عملکرد استراتژی با اعتبار فرضیه
- اهمیت داشبورد نظارت بر عملکرد و تشخیص زودهنگام نامعتبر شدن فرضیه
- رهیافت داده‌کاوی: پردازش کلان داده بدون فرضیه
- چالش منابع پردازشی در داده‌کاوی برای تریدرها
- عدم شناخت علت بازدهی و رفتار استراتژی در داده‌کاوی
- عملکرد مقطعی و عدم پایداری در داده‌کاوی
- سرعت بیشتر داده‌کاوی در ازای عدم قطعیت
بازگشت به صفحه دوره | قسمت بعد
