Hvad er de forskellige typer af backtesting -strategier?

Der er tre mainstream -tilgange til backtesting -strategier: ved hjælp af faktiske prisdata opdelt i tre grupper; Bootstrap, der bruger faktiske prisdata, men resamper dem; og Monte Carlo -simulering. Der er teoretiske problemer, der deler systembyggere, om hvilken metode der er bedst. Det, der er vigtigt for den erhvervsdrivende, er, at han korrekt anvender mindst en af ​​de bageste strategier for sit system, før han stoler på sin handelshovedstad til det. Et kritisk spørgsmål ved valg af en backtesting -strategi er antallet af genererede handler; Mindst 1.000 handler er nødvendige i hver fase af systembyggerens arbejde.

Brug af faktiske prisdata, opdelt i tre dele, er det sædvanlige udgangspunkt for de fleste systembyggere. Systemet oprettes ved hjælp af den første en tredjedel af dataene. På dette tidspunkt har bygherren fundet algoritmer, der ser ud til at generere nok overskud med en lille nok risiko til at tilbyde gode udsigter. Den anden tredjedel af dataene bruges til at optimere systemet.

efter THan er blevet optimeret, det vil blive anvendt til den resterende en tredjedel af dataene. Dette kaldes ud-af-prøve-test, og det er her de fleste systemer mislykkes. Hvis systemet stadig har gode resultater på tværs af mindst 1.000 handler, har systembyggeren et levedygtigt system. Hvis systemet genererer færre end 1.000 handler i testen uden for prøven, bør bygherren overveje en anden backtesting-strategi.

bootstrapping er en metode til at tegne nogle data fra det samlede sæt, test, sætte dataene tilbage og tegne flere data eller resampling og gentest. Det ideelle antal resamples er n n eller n til n th strømmen, hvor n er antallet af data i den originale prøve. For en erhvervsdrivende, der sandsynligvis beskæftiger sig med mindst 2.500 datapunkter - 250 dage om året over 10 år - er det ikke praktisk. Heldigvis vil 100 resamples give et højt niveau af tillid til, atBootstrap -prøven spejler de originale data, hvilket gør resultaterne pålidelige. Hvis det ikke er nødvendigt at tage 100 resamples ikke de nødvendige 1.000 handler, er den erhvervsdrivende nødt til at fortsætte med at genoptage, indtil dette mål er opfyldt, hvis han forventer, at systemet snarere end bare er resampling af dataene, at være pålidelig.

Den sidste metode til backtesting -strategier er Monte Carlo (MC) -simulering. Denne metode bruger en computer til at generere simulerede data, og systemet testes derefter på disse data. Fordelen ved MC -simulering er, at man kan skabe ubegrænsede mængder data, så man kan generere 10.000 handler eller ethvert andet antal handler. En anden fordel er, at hvert nyt datasæt er ude af prøve. Dette giver mulighed for at udføre gentagne optimerings- og testløb; Optimer blot på dette datasæt, og anvend derefter disse systemparametre på de næste data, som computeren genererer.

En ulempe ved MC -simulering er, at dataene muligvis ikke har nøjagtigt den samme sandsynlighedsfordelingsfunktion, som TradING -data har, som kunne skjule resultaterne. I de bedste af alle mulige verdener skal alle tre strategier for backtesting bruges i processen med at gennemføre systemet. Succes i alle tre bør tilbyde en meget stor sandsynlighed for succes med handel i den virkelige verden.

ANDRE SPROG

Hjalp denne artikel dig? tak for tilbagemeldingen tak for tilbagemeldingen

Hvordan kan vi hjælpe? Hvordan kan vi hjælpe?