さまざまな種類のバックテスト戦略は何ですか？

bactテスト戦略には、3つのグループに分割された実際の価格データの使用には、3つの主流のアプローチがあります。Bootstrapは、実際の価格データを使用していますが、それを再アンプルします。およびモンテカルロシミュレーション。どの方法が最適かシステムビルダーを分割する理論的な問題があります。トレーダーにとって重要なことは、彼が彼の取引資本を信頼する前に、彼のシステムに少なくとも1つのバックテスト戦略を正しく採用していることです。バックテスト戦略を選択する際の重要な問題は、生成された取引の数です。システムビルダーの作業の各フェーズで少なくとも1,000の取引が必要です。システムは、データの最初の3分の1を使用して作成されます。この時点で、ビルダーは、優れた見込み客を提供するのに十分なリスクが少ないほど十分な利益を生み出すと思われるアルゴリズムを見つけました。データの2番目の3分の1は、システムを最適化するために使用されます。これはサンプル外テストと呼ばれ、ほとんどのシステムが失敗する場所です。システムが少なくとも1,000の取引にわたってまだ良い結果がある場合、システムビルダーには実行可能なシステムがあります。システムがサンプル外テストで1,000未満の取引を生成する場合、ビルダーは別のバックテスト戦略を検討する必要があります。より多くのデータ、または再サンプリング、および再テスト。理想的な数のリサンプルはn

n

、またはn n

th

電力へのnです。ここで、nは元のサンプルのデータの数です。少なくとも2,500のデータポイントを扱っている可能性が高いトレーダーの場合10年間で年間250日＆mdash;それは実用的ではありません。幸いなことに、100個の再サンプリングにより、ブートストラップサンプルが元のデータを反映して結果を信頼できるという高いレベルの自信が得られます。100回のリサンプルを服用しても必要な1,000の取引が提供されない場合、トレーダーは、データの再サンプリングだけでなく、システムを信頼できると期待している場合、その目標が満たされるまで再サンプリングを継続する必要があります。モンテカルロ（MC）シミュレーションです。この方法では、コンピューターを使用してシミュレートされたデータを生成し、システムがそのデータでテストされます。MCシミュレーションの利点は、無限の量のデータを作成し、10,000の取引または他の数の取引を生成できるようにすることです。もう1つの利点は、それぞれ新しいデータセットがサンプルから外れていることです。これにより、繰り返し最適化とテストの実行を行う機会が提供されます。このデータセットで最適化するだけで、これらのシステムパラメーターをコンピューターが生成する次のデータに適用します。MCMCシミュレーションの欠点は、データが取引データとまったく同じ確率分布関数を持たない可能性があることです。。すべての可能な世界の中で、システムを審査するプロセスで3つのバックテスト戦略すべてを使用する必要があります。3つすべての成功は、現実世界の取引で非常に高い成功の可能性を提供するはずです。