Algoritmos tácticos de inversión

Question

Estoy leyendo el documento "Algoritmos tácticos de inversión" ( enlace ) (NOTA: se puede descargar la ponencia sin necesidad de registro, sólo hay que pulsar "Descargar" y luego "Descargar sin registro") del famoso Marcos López de Prado. En la página 8 escribe

En la práctica, basta con unas pocas observaciones recientes para que la distribución de probabilidad estimada acote los DGP probables. La razón es que estamos comparando dos muestras, donde la sintética se compone potencialmente de millones de puntos de datos, y normalmente no se necesitan muchas observaciones para descartar qué DGPs son inconsistentes con las observaciones recientes.
Otra posibilidad es crear una cesta de valores con una distribución de rendimientos que se ajuste a la distribución de una determinada DGP. En esta aplicación alternativa, en lugar de estimar la probabilidad de que un valor siga un DGP (Proceso Generador de Datos) En este caso, creamos un valor sintético (como una cesta de valores) para el que un determinado algoritmo es óptimo.

¿Qué hace "estimar la probabilidad de que un valor siga una DGP" significa? ¿Cuál es la probabilidad de que la muestra proceda de la distribución?

Answer 1

Piénsalo así. Esto tiene que ver con el uso de datos empíricos o de datos artificiales bajo la pretensión de que cualquier enfoque que se elija debe cumplir con una DGP preestablecida, instalada simplemente para hacer el modelo paramétrico, por ejemplo. Hay dos posibilidades:

1. Aceptar los datos empíricos reales como lo que son y estimar la probabilidad de que las "propiedades" del valor empírico coincide con la DGP paramétrica para tener una idea del error de estimación en el que se puede incurrir y así poder ajustar los resultados a los niveles nominales posteriormente, o
2. Simular datos artificiales, que ya están diseñados para ajustarse a la DGP paramétrica dada, de modo que no es necesario que la seguridad artificial coincida con la DGP paramétrica ya que la seguridad artificial ya coincide con ella por diseño

No dice nada innovador. Los investigadores están igual de interesados en probar sus modelos financieros tanto con datos artificiales como con datos empíricos para demostrar la solidez del modelo. Si es demasiado trabajo hacer coincidir los datos empíricos (no bien definidos de muestras pequeñas) con una DGP paramétrica continua bien definida, entonces es simplemente más conveniente y menos dolor de cabeza seguir con los experimentos que demuestran la eficacia del modelo sin tratar de introducir a la fuerza datos empíricos no conformes en el modelo, que sería el camino a seguir para al menos confirmar la teórico modelo.