다양한 유형의 백 테스팅 전략은 무엇입니까?

백 테스팅 전략에는 세 가지 주요 접근 방식이 있습니다. 실제 가격 데이터를 세 그룹으로 나눈 것; 실제 가격 데이터를 사용하지만 다시 샘플링하는 부트 스트랩; 그리고 몬테카를로 시뮬레이션. 어떤 방법이 가장 좋은지 시스템 빌더를 구분하는 이론적 인 문제가 있습니다. 트레이더에게 중요한 것은 트레이딩 캐피탈을 신뢰하기 전에 적어도 하나의 백 테스팅 전략을 자신의 시스템에 올바르게 사용한다는 것입니다. 백 테스팅 전략을 선택할 때 중요한 문제는 생성 된 거래의 수입니다. 시스템 빌더 작업의 각 단계에서 최소 1,000 개의 거래가 필요합니다.

세 부분으로 나누어 진 실제 가격 데이터를 사용하는 것이 대부분의 시스템 빌더에게 일반적인 시작점입니다. 시스템은 데이터의 첫 1/3을 사용하여 생성됩니다. 이 시점에서, 빌더는 좋은 전망을 제공 할 수있을 정도로 작은 위험으로 충분한 수익을 창출하는 것으로 보이는 알고리즘을 발견했습니다. 데이터의 두 번째 1/3은 시스템을 최적화하는 데 사용됩니다.

시스템이 최적화 된 후 나머지 1/3 데이터에 적용됩니다. 이를 샘플 외부 테스트라고하며 대부분의 시스템이 실패하는 곳입니다. 시스템이 여전히 최소 1,000 개의 거래에서 양호한 결과를 보이면 시스템 빌더는 실행 가능한 시스템을 갖습니다. 시스템이 샘플 외부 테스트에서 1,000 개 미만의 거래를 생성하는 경우 빌더는 다른 백 테스팅 전략을 고려해야합니다.

부트 스트랩은 전체 세트에서 일부 데이터를 그리기, 테스트, 다시 데이터 가져 오기, 더 많은 데이터 그리기 또는 리샘플링 및 재 테스트 방법입니다. 이상적인 재 샘플 수는 n ⁿ 또는 n ~ n 제곱이며, 여기서 n은 원래 샘플의 데이터 수입니다. 적어도 2,500 개의 데이터 포인트 (연간 250 일, 10 년 동안)를 다루는 거래자에게는 실용적이지 않습니다. 다행히도 100 개의 재 샘플은 부트 스트랩 샘플이 원본 데이터를 미러링하여 결과를 신뢰할 수 있다는 높은 수준의 신뢰를 제공합니다. 100 개의 리샘플링을 수행해도 필요한 1,000 개의 거래가 제공되지 않는 경우, 트레이더는 데이터의 리샘플링이 아니라 시스템이 안정적 일 것으로 예상되는 경우 해당 목표가 ​​달성 될 때까지 리샘플링을 계속해야합니다.

백 테스팅 전략의 마지막 방법은 Monte Carlo (MC) 시뮬레이션입니다. 이 방법은 컴퓨터를 사용하여 시뮬레이션 된 데이터를 생성 한 다음 해당 데이터에서 시스템을 테스트합니다. MC 시뮬레이션의 장점은 무한한 양의 데이터를 생성하여 10,000 개의 거래 또는 다른 수의 거래를 생성 할 수 있다는 것입니다. 또 다른 장점은 각각의 새로운 데이터 세트가 샘플에서 제외된다는 것입니다. 이를 통해 반복적 인 최적화 및 테스트 실행을 수행 할 수 있습니다. 이 데이터 세트를 최적화 한 다음 시스템 매개 변수를 컴퓨터가 생성하는 다음 데이터에 적용하면됩니다.

MC 시뮬레이션의 단점은 데이터가 거래 데이터와 정확히 같은 확률 분포 함수를 가지고 있지 않아 결과가 왜곡 될 수 있다는 것입니다. 가능한 모든 세계에서, 세 가지 백 테스팅 전략은 시스템을 심사하는 과정에서 사용해야합니다. 세 가지 모두에서 성공하면 실제 거래에서 성공할 가능성이 매우 높아야합니다.