겹치는 거래: 스무 결과가 네 시장 사건일 수 있다

관측 수와 의존성을 따로 센다

관측 수는 정한 묶음 규칙의 실제 개수다. 독립성은 결과 간 관계의 가정이다. 진입 시각, 보유 창, 종목, 신호, 충격을 공유할 수 있다. 행 수가 많다는 것만으로 좁은 불확실성 구간이 정당화되지 않는다.

겹친다고 완전 종속도 아니고 겹치지 않는다고 독립도 아니다. 지속되는 시장 국면은 다른 날의 거래도 연결할 수 있다. 원인, 시계열, 타당한 묶음에 대한 민감도를 검토한다. 자기상관 검사는 일부 의존성을 찾지만 모든 관계의 부재를 인증하지 않는다.

재생에서 계좌 제약을 보존한다

다섯 거래가 동시에 열리면 모의실험도 다섯 개에 동시에 자본과 위험을 배분해야 한다. 각각 전체 계좌를 혼자 쓴 것처럼 재생하면 불가능한 총노출이 생긴다. 같은 가격 이동의 여러 신호 변형을 독립 확인으로 세는 문제도 같다.

불확실성 분석의 그룹은 성공을 평가하기 전에 정한다. 사건, 세션, 정당한 시간 블록 등을 사용하고 구성 거래와 두 개수를 모두 보관한다. 결과를 본 후 불확실성이 가장 작게 나오는 그룹을 고르지 않는다.

계산 예: 공통 사건마다 동일 결과 다섯 개

이 교육 모형에서만 네 독립 사건을 가정한다. 각 사건에는 완전히 같은 순결과 다섯 개가 있으며 사건별 결과는 +2R, −1R, +1R, −2R이다. 거래 행은 20개지만 사건 안의 다섯 복제는 충격의 정보를 추가하지 않는다. 두 표현 모두 평균은 0이다.

사건 결과의 모집단 분산이 σ²이고 사건끼리 독립이면 평균 분산은 σ² / 4다. 스무 복제를 독립으로 잘못 보면 σ² / 20이 되어 분산을 5배, 표준오차를 √5배 작게 본다. 정확한 배수는 구성한 완전 의존성 때문이며 모든 겹치는 거래의 일반식이 아니다.

임의의 유효 개수로 근거를 대신하지 않는다

모든 전략의 거래 수를 5로 나누는 것도 독립 가정만큼 근거가 없다. 예제의 배수는 명시한 구조에서 나온다. 실제 분석에는 적절한 공분산 또는 재표본 모형, 충분한 이력, 민감도 점검이 필요하다. 그룹을 쓰더라도 원래 개수는 남긴다.