جميع الكتب

1 Primary & Middle School Mathematicsالصفوف 1–9 عبر الإنترنت 2 High School Mathematicsالصفوف 10–12 عبر الإنترنت 3 University Mathematics — Year 1السنة الجامعية 1 عبر الإنترنت 4 University Mathematics — Year 2السنة الجامعية 2 عبر الإنترنت 5 University Mathematics — Year 3السنة الجامعية 3 عبر الإنترنت

1 Primary & Middle School Physicsالصفوف 1–9 عبر الإنترنت 2 High School Physicsالصفوف 10–12 عبر الإنترنت 3 University Physics — Year 1السنة الجامعية 1 عبر الإنترنت 4 University Physics — Year 2السنة الجامعية 2 عبر الإنترنت 5 University Physics — Year 3السنة الجامعية 3 عبر الإنترنت

1 Primary & Middle School Biologyالصفوف 1–9 عبر الإنترنت 2 High School Biologyالصفوف 10–12 عبر الإنترنت 3 University Biology — Year 1السنة الجامعية 1 عبر الإنترنت 4 University Biology — Year 2السنة الجامعية 2 عبر الإنترنت 5 University Biology — Year 3السنة الجامعية 3 عبر الإنترنت

1 Markets I: The Ecosystem and Exchange-Traded Marketsالأسواق عبر الإنترنت 2 Markets II: Rates, FX and Creditالأسواق عبر الإنترنت 3 Markets III: Commodities, Energy and Cryptoالأسواق عبر الإنترنت 4 Quantitative Methodsالأساليب عبر الإنترنت 5 Derivatives and Volatilityالمشتقات عبر الإنترنت 6 Rates, Credit, XVA and Riskالفائدة والائتمان والمخاطر عبر الإنترنت 7 Research Craft: Predictors, Backtests, Measurement, Portfoliosالبحث عبر الإنترنت 8 Strategies I: Equities and Futuresالاستراتيجيات عبر الإنترنت 9 Strategies II: Volatility, Relative Value, Macro and the Bank Desksالاستراتيجيات عبر الإنترنت 10 Microstructure and Executionالتنفيذ عبر الإنترنت 11 Market Making and High-Frequency Tradingصناعة السوق عبر الإنترنت 12 Machine Learning for Marketsتعلم الآلة عبر الإنترنت 13 Low-Latency Softwareالتكنولوجيا عبر الإنترنت 14 Networks, Hardware and Trading Infrastructureالتكنولوجيا عبر الإنترنت 15 Research, Data and Risk Platformsالتكنولوجيا عبر الإنترنت 16 The Desk and the Firmالشركة عبر الإنترنت 17 The Industry: Firms, Roles and Careersالمسارات المهنية عبر الإنترنت 18 The Interview Bookالمسارات المهنية عبر الإنترنت

جميع الألعاب Math Fuse Word Reactor Atlas Dash

التطبيقات حول

المدرب

English Français Español Nederlands Português हिन्दी العربية Bahasa Indonesia

تسجيل الدخول ابدأ القراءة

Quantitative Finance · المسرد

ما معنى Out-of-sample R-squared, predictability ceiling؟

يُعرف أيضًا باسم: out-of-sample R-squared · predictability ceiling

Definition 1.5 Machine Learning for Markets · الفصل 1 — Why Financial Machine Learning Is Different

The out-of-sample R-squared of forecasts $\hat y_i$ of returns $y_i$ on a test set is

R^2_{\mathrm{oos}} = 1 - \frac{\sum_i(y_i - \hat y_i)^2}{\sum_i y_i^2},

measured against a forecast of zero, not against the sample mean. The predictability ceiling of a dataset is $R^2_{\mathrm{oos}}$ of the true conditional expectation $\mu(x_i) = \E[y_i\mid x_i]$ : the best any model of those features can score.

	500 stocks, ceiling 0.60% out of sample			strong signal, Bayes 0.95
model	in sample	out of sample	corr. with the truth	in sample	out of sample
ridge regression	0.39%	0.38%	0.74	0.72	0.72
boosted trees	1.45%	0.57%	0.92	0.92	0.92
neural network	0.64%	0.28%	0.74	0.94	0.93

Table 1.1. Three models on two tasks: twenty years of training and ten of test on firm.mlsynth’s 500 stocks, and 20 000 training examples of a task with a strong signal. R-squared against zero for the stocks, against the mean for the generic task. Data: ml_why.compare and ml_why.strong_signal.

The 120 test months, one R-squared per month over 500 stocks, for the boosted trees and for the planted truth itself. Bars left of the dashed line are months where the forecast did worse than zero: 18% of them for the model, and some for the truth. Data: ml_why.compare on firm.mlsynth. — Figure 1.2. The 120 test months, one R-squared per month over 500 stocks, for the boosted trees and for the planted truth itself. Bars left of the dashed line are months where the forecast did worse than zero: 18% of them for the model, and some for the truth. Data: ml_why.compare on firm.mlsynth.

اقرأ في الفصل →