Jaké jsou různé typy strategií zpětného testování?
Existují tři mainstreamové přístupy ke strategiím zpětného testování: použití skutečných cenových dat rozdělených do tří skupin; Bootstrap, který používá skutečná cena ceny, ale přesahuje je; a simulace Monte Carlo. Existují teoretické problémy, které dělí stavitele systému nad tím, které metody je nejlepší. Pro obchodníka je důležité, aby správně zaměstnával alespoň jednu ze strategií zpětného testování do svého systému, než mu důvěřuje svému obchodnímu kapitálu. Kritickým problémem při výběru strategie zpětného testování je počet generovaných obchodů; V každé fázi práce tvůrce systému je zapotřebí nejméně 1 000 obchodů.
Použití skutečných cenových údajů, rozdělených do tří částí, je obvyklým počátečním bodem pro většinu stavitelů systému. Systém je vytvořen pomocí první třetiny dat. V tomto okamžiku stavitel našel algoritmy, které, jak se zdá, vytvářejí dostatečný zisk s dostatečně malým rizikem, aby nabídli dobré vyhlídky. Druhá třetina dat se používá k optimalizaci systému.
po tSystém byl optimalizován, bude použit na zbývající třetinu dat. Tomu se nazývá testování mimo vzorek, a tam je místo, kde většina systémů selhává. Pokud má systém stále dobré výsledky napříč nejméně 1 000 obchody, má tvůrce systému životaschopný systém. Pokud systém generuje méně než 1 000 obchodů při testování mimo vzorek, měl by tvůrce zvážit jinou strategii zpětného testování.
Bootstrapping je metoda kreslení některých dat z celkové sady, testování, uvedení dat zpět a kreslení více dat nebo převzorkování a opakování. Ideální počet resample je n n nebo n do n th síly, kde n je počet dat v původním vzorku. Pro obchodníka, který se pravděpodobně zabývá nejméně 2 500 datovými body - 250 dní v roce během 10 let - to není praktické. Naštěstí 100 přepsání poskytne vysokou úroveň důvěryVzorek bootstrapu odráží původní data, což způsobí spolehlivé výsledky. Pokud bere 100 resample neposkytuje potřebné 1 000 obchodů, musí obchodník pokračovat v převzorkování, dokud nebude tento cíl splněn, pokud očekává, že systém, spíše než jen převzorkování dat, bude spolehlivý.
Poslední metodou strategií zpětného testingu je simulace Monte Carlo (MC). Tato metoda používá počítač ke generování simulovaných dat a systém je poté na těchto datech testován. Výhodou simulace MC je, že člověk může vytvořit neomezené množství dat, což umožňuje generovat 10 000 obchodů nebo jakéhokoli jiného počtu obchodů. Další výhodou je, že každá nová sada dat je mimo ukázku. To nabízí příležitost provádět opakované optimalizační a testovací běhy; Jednoduše optimalizujte v této datové sadě a poté tyto systémové parametry použijte na další data, která počítač generuje.
Nevýhodou simulace MC je to, že data nemusí mít přesně stejnou funkci distribuce pravděpodobnosti, jakou obchodujíData mají, což by mohlo zkreslit výsledky. V nejlepším ze všech možných světů by měly být všechny tři strategie zpětného testování použity v procesu prověření systému. Úspěch ve všech třech by měl nabídnout velmi vysokou pravděpodobnost úspěchu při obchodování v reálném světě.