과적 합이란 무엇입니까?
과적 합은 함수가 제한된 데이터 포인트 세트에 너무 밀접하게 적합 할 때 발생하는 모델링 오류입니다. 모델에 과적 합하는 것은 일반적으로 연구중인 데이터의 특유성을 설명하기 위해 지나치게 복잡한 모델을 만드는 형태를 취합니다.
실제로, 종종 연구되는 데이터는 어느 정도의 오류나 임의의 노이즈를 가지고 있습니다. 따라서 모형이 약간 부정확 한 데이터에 너무 가깝게 일치하려고하면 모형에 심각한 오류가 발생하여 예측 능력이 저하 될 수 있습니다.
주요 테이크 아웃
- 과적 합은 함수가 제한된 데이터 포인트 세트에 너무 적합 할 때 발생하는 모델링 오류입니다. 재무 전문가는 제한된 데이터를 기반으로 모델 과적 합의 위험을 항상 알고 있어야합니다.
과적 합 이해
예를 들어, 일반적인 문제는 컴퓨터 알고리즘을 사용하여 패턴을 찾기 위해 과거 시장 데이터의 광범위한 데이터베이스를 검색하는 것입니다. 충분한 연구가 주어지면 주식 시장의 수익과 같은 것들을 매우 정확하게 예측하는 정교한 이론을 개발하는 것이 종종 가능합니다.
그러나 표본 외부의 데이터에 적용 할 때, 이러한 이론은 단순히 우연히 발생했던 것보다 모델을 과적 합한 것일 수 있습니다. 모든 경우에 모델을 개발하는 데 사용 된 샘플 외부의 데이터에 대해 모델을 테스트하는 것이 중요합니다.
재무 전문가는 제한된 데이터를 기반으로 모델을 과적 합할 때의 위험을 항상 알고 있어야합니다.
