Список проголосовавших за комментарий "ugene Logunov, <br/> <br/> 1. Не совсем понятна задача t-testa.<br/> <br/> Разница, безусловно есть и очень сильная. Шарп давит доходность превращая портфель в индекс (16%). Вульф оставляет высокую доходность, но не диверсифицирует риски (23%), PCA сохраняет доходность (около 20%) с хорошим подавлением дисперсии. Поэтому да — значимая разница есть.<br/> <br/> <br/> 2. Ни на каком. Для того, чтобы получить «честный OOS» использую только непараметрические фильтры. Параметр длинны выборки не подбирался. За исключением того, что был выбран минимальный (самый тяжёлый для прогнозирования) из всех статистически значимых (эффективных) периодов. На периодах в 60 дней и менее, в силу случайности динамики ВР, уже невозможно выделить среднюю, ковариацию и т.д.<br/> <br/> 3. Начинал с BrokenStick, но пришлось её ослабить, так как «сломанная трость» выделяла только 1 Г.К. после… некоторой модернизации в среднем PCA оставило 4 компоненты. (на глаз я бы оставил только 3). <br/> <br/> Это самый простой в реализации автомат. Для проверки качества методов — вполне достаточно.<br/> <br/> <br/> <blockquote>Ещё пара идей:</blockquote><br/> Это всегда приветствуется! <img smile="wink"/><br/> <br/> 1.<br/> <br/> <blockquote>Возможно, в качестве метрики качества хорошо было бы рассмотреть не Sharpe ratio, а среднее расстояние Махаланобиса</blockquote><br/> Сейчас я вам ничего не отвечу, но за подсказку — спасибо.<br/> <br/> 2.<br/> <br/> <blockquote>2. Сначала выровнять по волатильности каждый из рядов, после чего считать на них корреляции.</blockquote><br/> Какими только извращениями на этом пути я не занимался. Результат — так себе. В итоге пришёл к выводу, что квадратичная оценка ковариаций одна из лучших. Регуляризую, естественно, корреляционную матрицу, а потом совершаю обратный пересчёт."