Was sind die verschiedenen Arten von Backtesting -Strategien?
Es gibt drei Mainstream -Ansätze zum Backtesting -Strategien: Verwendung der tatsächlichen Preisdaten, die in drei Gruppen unterteilt sind; Bootstrap, das tatsächliche Preisdaten verwendet, sie jedoch neu zurückbleiben; und Monte Carlo Simulation. Es gibt theoretische Probleme, die Systembauer über die beste Methode teilen. Was für den Händler wichtig ist, ist, dass er mindestens eine der Backtesting -Strategien für sein System korrekt einsetzt, bevor er seinem Handelskapital darauf vertraut. Ein kritisches Problem bei der Auswahl einer Backtesting -Strategie ist die Anzahl der generierten Geschäfte. In jeder Phase der Arbeit des Systembuilders werden mindestens 1.000 Geschäfte benötigt. Das System wird mit dem ersten Drittel der Daten erstellt. Zu diesem Zeitpunkt hat der Baumeister Algorithmen gefunden, die anscheinend genug Gewinn mit geringen Risiken zu erzielen scheinen, um gute Aussichten anzubieten. Das zweite Drittel der Daten wird verwendet, um das System zu optimieren.
nach tDas System wurde optimiert, es wird auf das verbleibende Drittel der Daten angewendet. Dies wird Testen außerhalb der Stichprobe bezeichnet, und hier versagen die meisten Systeme. Wenn das System in mindestens 1.000 Geschäften immer noch gute Ergebnisse erzielt, verfügt der Systembauer über ein tragfähiges System. Wenn das System bei den Tests außerhalb der Stichprobe weniger als 1.000 Geschäfte erzeugt, sollte der Bauherr eine andere Backtesting-Strategie in Betracht ziehen.
Bootstrapping ist eine Methode, um einige Daten aus dem Gesamtsatz zu zeichnen, zu testen, die Daten wieder einzulegen und mehr Daten zu zeichnen oder neu zu testen und erneut zu testen. Die ideale Anzahl von Resamples ist n n oder n bis zur N th -Leistung, wobei n die Anzahl der Daten in der ursprünglichen Stichprobe ist. Für einen Händler, der sich wahrscheinlich mit mindestens 2.500 Datenpunkten befasst - 250 Tage im Jahr in 10 Jahren - ist dies nicht praktisch. Glücklicherweise bieten 100 Resamples ein hohes Maß an Vertrauen, dasDas Bootstrap -Beispiel spiegelt die Originaldaten wider und macht die Ergebnisse zuverlässig. Wenn 100 Resamples die benötigten 1.000 Geschäfte nicht liefert, muss der Händler weiterhin Resampling bis zu diesem Ziel erreicht, wenn er das System erwartet, anstatt nur das Resampling der Daten, um zuverlässig zu sein.
Die letzte Methode der Backtesting -Strategien ist die Monte Carlo (MC) -Simulation. Diese Methode verwendet einen Computer, um simulierte Daten zu generieren, und das System wird dann auf diesen Daten getestet. Der Vorteil für die MC -Simulation besteht darin, dass man unbegrenzte Datenmengen erstellen kann, sodass einer 10.000 Geschäfte oder eine andere Anzahl von Geschäften generieren kann. Ein weiterer Vorteil ist, dass jeder neue Datensatz keine Probe mehr hat. 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 besteht darinDaten haben, die die Ergebnisse verzerren könnten. In der besten aller möglichen Welten sollten alle drei Backtesting -Strategien bei der Überprüfung des Systems angewendet werden. Der Erfolg in allen drei sollte eine sehr hohe Erfolgswahrscheinlichkeit im realen Handel bieten.