Python & Tether
Привет, тут возился с моделью для прогнозирования колебаний цен, подумал, как твой подход к оценке рисков повлиял бы на настройки. Что скажешь?
Похоже, ты двигаешься в правильном направлении, но я бы посоветовала сначала подтянуть доверительные интервалы. Уменьши уровень значимости, например, до 1% вместо 5%, и перепроверь стандартную ошибку остатков. Если серия сильно автокоррелирована, подумай о добавлении AR-члена или компоненты GARCH – чтобы модель учитывала кластеризацию. И не забудь провести бэктестирование с движущимся окном: если коэффициент Шарпа проседает после изменения, значит, ты зашла слишком далеко. Держи параметры риска консервативными до тех пор, пока вневыборочная эффективность не стабилизируется.
Звучит убедительно. Я подкручу альфу до одного процента, пересчитаю остаточную стандартную ошибку и протестирую AR(1) плюс GARCH(1,1). Проведу скользящий бэктест и понаблюдаю за коэффициентом Шарпа. Буду держать лимиты риска под контролем, пока кривая вне выборки не стабилизируется. Спасибо за подсказки.