وضعیت تست ثبت‌نام: کاربر کاملاً جدید
لوگو
آپلود لوگو
آکادمی تجارت برتر
--:--
حساب کاربری
خانه
دوره آموزشی
مدرسه
خدمات
✓مشاهده‌ی همه‌ی خدماتِ آموزشی (هر بخش)
✓تبدیل تاریخ
✓مبانی آموزشی بازارهای مالی
✕تحلیل بازارهای مالی
✓معرفی بروکر
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
مارکت
✓تبدیل تاریخ
✓مبانی آموزشی بورس اوراق بهادار
✕تحلیل بازار سهام
✓دریافت کد بورسی و سجام
✓معرفی کارگزاری‌ها
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓مبانی آموزشی ارزهای دیجیتال
✕تحلیل بازار کریپتو
✓مقایسه صرافی‌های ارز دیجیتال
✓ثبت‌نام و احراز هویت در صرافی
✓آموزش کیف پول و امنیت
✓معرفی صرافی‌های معتبر
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
مارکت
✓تبدیل تاریخ
✓مبانی آموزشی بازرگانی
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓خدمات حسابداری
✓مبانی آموزشی حسابداری
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓مبانی آموزشی بیمه
✓خدمات بیمه
✓معرفی کارگزاری‌های بیمه
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓خدمات فناوری اطلاعات
✓مبانی آموزشی فناوری اطلاعات
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓خدمات امور اداری
✓مبانی آموزشی امور اداری
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓خدمات آموزشی
✓مبانی آموزشی خدمات آموزشی
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓خدمات بازاریابی
✓مبانی آموزشی بازاریابی
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
✓خدمات کارآفرینی
✓مبانی آموزشی کارآفرینی
✕آزمون دوره‌ها
✓فیلم‌های مرتبط
✓تبدیل تاریخ
ابزار
۱۰ ابزار آنلاین
دانلود متاتریدر ۴-۵
اندیکاتور
سایت‌های مهم
پایش لحظه‌ای شاخص و نمادها
تقویم مجامع و افزایش سرمایه
دیده‌بان بازار بورس
ماشین‌حساب‌های بورس
سایت‌های مهم
قیمت لحظه‌ای رمزارزها
تقویم رویدادهای کریپتو
محاسبه‌گر سود و ضرر
سایت‌های مهم
محاسبه‌گر حقوق ورودی
چک‌لیست اسناد اعتبار اسنادی
سازنده پیش‌فاکتور
سایت‌های مهم
محاسبه‌گر ارزش‌افزوده
محاسبه‌گر حق بیمه تأمین اجتماعی
پلکان مالیات بر حقوق
چک‌لیست اظهارنامه عملکرد
واژه‌نامه حسابداری و مالیاتی
بانک قوانین و بخشنامه‌ها
یادآور مهلت‌های مالیاتی و بیمه‌ای
محاسبه‌گر جامع فیش حقوق
محاسبه‌گر استهلاک دارایی ثابت
محاسبه‌گر نقطه سربه‌سر
محاسبه‌گر جریمه تأخیر
سایت‌های مهم
ماشین‌حساب دیه
ماشین‌حساب خسارت
مقایسه بیمه‌ها
واژه‌نامه بیمه
بانک قوانین و بخشنامه‌ها
استعلام بیمه‌نامه
یادآور تمدید بیمه
سایت‌های مهم
اخبار
تقویم اقتصادی
انجمن
ارتباط با ما
بازارهای مالی
بورس اوراق بهادار
ارزهای دیجیتال
بازرگانی
حسابداری
بیمه
بازاریابی
کارآفرینی
فناوری اطلاعات
امور اداری
خدمات آموزشی

ارزیابیِ پیش‌بینی، بک‌تست و خطاهایِ رایج

سطح 3 — چندمتغیره، پیش‌بینی و بک‌تست · مطالعه: 15 دقیقه

مدلی که روی گذشته خوب برازش شود لزوماً آینده را خوب پیش‌بینی نمی‌کند. برایِ همین معیارِ اصلیِ ما عملکردِ خارج از نمونه است: داده را به بخشِ برآورد و بخشِ آزمون تقسیم کنید و مدل را فقط روی بخشِ آزمون ارزیابی کنید.

معیارهایِ دقتِ پیش‌بینی

معیارفرمولنکته
MAEمیانگین |e|به مقدارهایِ پرت کمتر حساس است
RMSE√(میانگین e²)خطاهایِ بزرگ را بیشتر جریمه می‌کند
دقتِ جهتیدرصدِ پیش‌بینی‌هایِ درست‌جهتبرایِ معامله مهم است ولی اندازهٔ حرکت را نمی‌گوید
نسبتِ به مدلِ مبناRMSE مدل ÷ RMSE مدلِ سادهکمتر از ۱ یعنی بهتر از مبنا

همیشه یک مدلِ مبنا (benchmark) بگذارید: «پیش‌بینیِ فردا برابرِ امروز» (گامِ تصادفی) یا میانگینِ تاریخی. اگر مدل از مبنایِ ساده بهتر نباشد، پیچیدگی‌اش ارزشی ندارد.

مثال (فرضی): چهار خطای پیش‌بینی: ۰٫۲ ، −۰٫۱ ، ۰٫۳ ، −۰٫۲. MAE = (۰٫۲+۰٫۱+۰٫۳+۰٫۲) ÷ ۴ = ۰٫۲۰ . MSE = (۰٫۰۴+۰٫۰۱+۰٫۰۹+۰٫۰۴) ÷ ۴ = ۰٫۰۴۵ و RMSE ≈ ۰٫۲۱۲ . اگر RMSE مدلِ مبنا ۰٫۲۵ باشد، نسبت = ۰٫۲۱۲ ÷ ۰٫۲۵ ≈ ۰٫۸۵؛ مدل حدود ۱۵٪ بهتر از مبنا است.

بک‌تستِ قابل‌اعتماد

برایِ سری زمانی تقسیمِ تصادفیِ داده ممنوع است، چون آینده به گذشته نشت می‌کند. روشِ درست «ارزیابیِ پیش‌رونده» (walk-forward) است: مدل را روی پنجره‌ای از گذشته برآورد کنید، یک گام جلو بروید، مدل را دوباره برآورد کنید و تکرار کنید.

خطاتوضیح
اریبیِ نگاه به آیندهاستفاده از اطلاعاتی که در آن لحظه موجود نبود (قیمتِ تعدیل‌شدهٔ بعدی، میانگینِ مرکزی)
بیش‌برازش و دست‌کاریِ دادهآزمونِ ده‌ها ترکیبِ پارامتر و انتخابِ بهترین
اریبیِ بقافقط نمادهایی که هنوز وجود دارند در داده مانده‌اند
نادیده‌گرفتنِ هزینهاسپرد، کارمزد و لغزش (slippage) سودِ کوچکِ مدل را صفر می‌کنند
شکستِ ساختاریپارامترها در رژیمِ بازارِ جدید معتبر نیستند
مثال (فرضی): اگر ۲۰ ترکیبِ پارامتر را مستقل بیازمایید و هرکدام با احتمالِ ۵٪ تصادفاً «معنادار» شود، احتمالِ دیدنِ دست‌کم یک نتیجهٔ کاذب = ۱ − ۰٫۹۵۲۰ ≈ ۶۴٪ است. دقتِ جهتی ۵۶ از ۱۰۰ پیش‌بینی نیز معنادار نیست: خطایِ استاندارد = √(۰٫۲۵÷۱۰۰) = ۰٫۰۵ و z = (۰٫۵۶ − ۰٫۵۰) ÷ ۰٫۰۵ = ۱٫۲ که از ۱٫۹۶ کمتر است.
import numpy as np
from statsmodels.tsa.arima.model import ARIMA
errors = []
for t in range(300, len(r) - 1):
    fit = ARIMA(r.iloc[:t], order=(1, 0, 0)).fit()          # only data up to time t
    pred = fit.forecast(1).iloc[0]
    errors.append(r.iloc[t] - pred)
rmse = np.sqrt(np.mean(np.square(errors)))

یادآوری: خروجیِ هر مدلِ آماری فقط ابزارِ کمکی است، نه توصیهٔ خرید و فروش. قبل از ورود به حسابِ واقعی نتیجه را روی حسابِ آزمایشی و با اندازهٔ کوچکِ معامله و مدیریتِ ریسکِ مشخص بیازمایید.

🎓 پیام‌رسان تجارت‌برتر
✅
🔒 رمزنگاری فعال
✈️

پیام‌رسان امن آموزشگاهی

ارتباط مستقیم و امن با استاد همان درس و تیم پشتیبانی. همه‌ی گفتگوها تحت نظارت ادمین هستند.

🛡️رمزنگاری سرتاسری
🔐دسترسی نقش‌محور
🕘لاگ حسابرسی کامل
⚠️