👉 の部分を下記のコードに置き換えてみてください。今回の記事では、判断の目安として、得られたリターンのサンプルから何度も復元抽出（リサンプリング）をして、ありえた最終成績のシミュレーションをするを紹介します。

💓 3 回帰モデルの予測値に残差のブートストラップ標本を加え、新しい目的変数のブートストラップ標本を作成する。

💅 しかし問題なのは、『この最終成績390％という数字はどの程度、運が良かった結果なのか？』という情報が、最終成績の数字を見てもよくわからない点にあります。更新はこちら danger：有効期限が切れました。

✆ 期待値を算出します。実行結果このように25セットの疑似データを生成することができました。

⚔ アラートの作り方• out はパッケージ boot、あるいは simpleboot で生成したブートストラップの結果オブジェクトである。

🤐 今回はその一連の流れ（ブート）に注目していきたいと思います。この方法の優れたところは、リターンがどんな確率分布に従うのかわからない（正規分布などでモデル化できない）場合でも、実際のサンプルから好きなだけ疑似的なトレード結果を生成できることです。

🙏 項目デフォルトの設定値 body内font-size 14px 見出しデフォルトfont-size h1：36px h2：30px h3：24px h4：18px h5：14px h6：12px line-height 1. サンプルサイズが十分でない場合に、どうしても信頼を求めたい場合は、幅を小さくしてみるといいかもしれません。