Was sind die verschiedenen Arten von Backtesting-Strategien?

Es gibt drei gängige Ansätze für Backtesting-Strategien: Verwenden von tatsächlichen Preisdaten, die in drei Gruppen unterteilt sind; Bootstrap, der aktuelle Preisdaten verwendet, diese aber erneut abtastet; und Monte-Carlo-Simulation. Es gibt theoretische Probleme, bei denen die Systembuilder unterscheiden, welche Methode die beste ist. Für den Trader ist es wichtig, dass er mindestens eine der Backtesting-Strategien korrekt auf sein System anwendet, bevor er seinem Handelskapital vertraut. Ein kritischer Punkt bei der Auswahl einer Backtesting-Strategie ist die Anzahl der generierten Trades. In jeder Phase der Arbeit des System-Builders sind mindestens 1.000 Trades erforderlich.

Die Verwendung von tatsächlichen Preisdaten, die in drei Teile unterteilt sind, ist für die meisten Systemhersteller der übliche Ausgangspunkt. Das System wird mit dem ersten Drittel der Daten erstellt. Zu diesem Zeitpunkt hat der Builder Algorithmen gefunden, die anscheinend genug Gewinn mit einem ausreichend geringen Risiko generieren, um gute Aussichten zu bieten. Das zweite Drittel der Daten wird zur Optimierung des Systems verwendet.

Nachdem das System optimiert wurde, wird es auf das verbleibende Drittel der Daten angewendet. Dies wird als Out-of-Sample-Test bezeichnet, bei dem die meisten Systeme ausfallen. Wenn das System in mindestens 1.000 Trades immer noch gute Ergebnisse erzielt, verfügt der System-Builder über ein funktionsfähiges System. Wenn das System beim Out-of-Sample-Test weniger als 1.000 Trades generiert, sollte der Builder eine andere Backtesting-Strategie in Betracht ziehen.

Bootstrapping ist eine Methode, um einige Daten aus dem Gesamtsatz zu ziehen, zu testen, die Daten zurückzuspeichern und weitere Daten zu zeichnen oder erneut abzutasten und erneut zu testen. Die ideale Anzahl von Neuabtastungen ist n n oder n zur n- ten Potenz, wobei n die Anzahl von Daten in der ursprünglichen Abtastung ist. Für einen Händler, der wahrscheinlich mit mindestens 2.500 Datenpunkten zu tun hat - 250 Tage im Jahr über 10 Jahre - ist dies nicht praktikabel. Glücklicherweise bieten 100 Resamples ein hohes Maß an Sicherheit, dass das Bootstrap-Beispiel die ursprünglichen Daten widerspiegelt, wodurch die Ergebnisse zuverlässig sind. Wenn 100 Resamples nicht die erforderlichen 1.000 Trades liefern, muss der Trader das Resampling fortsetzen, bis dieses Ziel erreicht ist, wenn er erwartet, dass das System und nicht nur das Resampling der Daten zuverlässig ist.

Die letzte Methode für Backtesting-Strategien ist die Monte-Carlo-Simulation (MC). Bei dieser Methode werden mithilfe eines Computers simulierte Daten generiert, und das System wird dann anhand dieser Daten getestet. Der Vorteil der MC-Simulation besteht darin, dass unbegrenzte Datenmengen erstellt werden können, sodass 10.000 Trades oder eine beliebige andere Anzahl von Trades generiert werden können. Ein weiterer Vorteil ist, dass jeder neue Datensatz nicht in der Stichprobe enthalten ist. Dies bietet die Möglichkeit, wiederholte Optimierungs- und Testläufe durchzuführen. Optimieren Sie einfach diesen Datensatz und wenden Sie diese Systemparameter auf die nächsten Daten an, die der Computer generiert.

Ein Nachteil der MC-Simulation ist, dass die Daten möglicherweise nicht genau die gleiche Wahrscheinlichkeitsverteilungsfunktion haben wie die Handelsdaten, was die Ergebnisse verzerren könnte. Im besten Fall sollten beim Überprüfen des Systems alle drei Backtesting-Strategien verwendet werden. Erfolg in allen drei Ländern sollte eine sehr hohe Wahrscheinlichkeit für Erfolg im realen Handel bieten.

ANDERE SPRACHEN

War dieser Artikel hilfreich? Danke für die Rückmeldung Danke für die Rückmeldung

Wie können wir helfen? Wie können wir helfen?