Quali sono i diversi tipi di strategie di backtest?
Esistono tre approcci tradizionali alle strategie di backtesting: utilizzo dei dati dei prezzi effettivi divisi in tre gruppi; Bootstrap, che utilizza i dati dei prezzi effettivi ma lo ricampe; e simulazione Monte Carlo. Esistono problemi teorici che dividono i costruttori di sistemi su quale metodo è il migliore. Ciò che è importante per il commerciante è che impiega correttamente almeno una delle strategie di backtesting al suo sistema prima di fidarsi del suo capitale commerciale. Un problema critico nella scelta di una strategia di backtest è il numero di operazioni generate; Sono necessari almeno 1.000 operazioni in ogni fase del lavoro del costruttore di sistemi.
L'uso dei dati di prezzo effettivi, divisi in tre parti, è il solito punto di partenza per la maggior parte dei costruttori di sistemi. Il sistema viene creato utilizzando il primo terzo dei dati. A questo punto, il costruttore ha trovato algoritmi che sembrano generare abbastanza profitti con un rischio abbastanza piccolo da offrire buone prospettive. Il secondo terzo dei dati viene utilizzato per ottimizzare il sistema.
dopo tIl sistema è stato ottimizzato, verrà applicato al restante un terzo dei dati. Questo è chiamato test fuori campione, ed è dove la maggior parte dei sistemi fallisce. Se il sistema ha ancora buoni risultati in almeno 1.000 operazioni, il sistema di sistema ha un sistema praticabile. Se il sistema genera meno di 1.000 operazioni nei test fuori campione, il costruttore dovrebbe prendere in considerazione un'altra strategia di backtesting.
Il bootstrap è un metodo per disegnare alcuni dati dal set totale, test, rimettere i dati e disegnare più dati o ricampionamento e test. Il numero ideale di ricampioni è N
L'ultimo metodo di backtesting Strategies è la simulazione Monte Carlo (MC). Questo metodo utilizza un computer per generare dati simulati e il sistema viene quindi testato su tali dati. Il vantaggio della simulazione MC è che si possono creare quantità illimitate di dati, consentendo di generare 10.000 operazioni o qualsiasi altro numero di operazioni. Un altro vantaggio è che ogni nuovo set di dati è fuori campione. Ciò offre l'opportunità di eseguire ripetute corse di ottimizzazione e test; Basta ottimizzare su questo set di dati, quindi applicare quei parametri di sistema ai dati successivi generati dal computer.
Uno svantaggio della simulazione MC è che i dati potrebbero non avere esattamente la stessa funzione di distribuzione di probabilità che commercianoI dati hanno, che potrebbe distorcere i risultati. Nella migliore di tutti i mondi possibili, tutte e tre le strategie di backtesting dovrebbero essere utilizzate nel processo di controllo del sistema. Il successo in tutti e tre dovrebbe offrire un'alta probabilità di successo nel trading del mondo reale.