다른 유형의 백 테스트 전략은 무엇입니까?
백 검사 전략에 대한 세 가지 주류 접근법이 있습니다. 실제 가격 데이터를 세 그룹으로 나눈; 실제 가격 데이터를 사용하지만 리 샘플링하는 부트 스트랩; 몬테 카를로 시뮬레이션. 시스템 빌더를 가장 좋은 방법으로 나누는 이론적 문제가 있습니다. 거래자에게 중요한 것은 거래 자본을 신뢰하기 전에 자신의 시스템에 대한 백 테스트 전략 중 하나 이상을 올바르게 사용한다는 것입니다. 백 테스트 전략을 선택하는 데 중요한 문제는 생성 된 거래 수입니다. 시스템 빌더의 작업의 각 단계마다 최소 1,000 개의 거래가 필요합니다.
실제 가격 데이터를 사용하는 것은 세 부분으로 나뉘어져 있으며 대부분의 시스템 빌더의 일반적인 시작점입니다. 이 시스템은 데이터의 첫 번째 3 분의 1을 사용하여 생성됩니다. 이 시점에서 건축업자는 좋은 전망을 제공 할 수있는 충분한 위험으로 충분한 이익을 창출하는 것으로 보이는 알고리즘을 발견했습니다. 데이터의 두 번째 3 분의 1은 시스템을 최적화하는 데 사용됩니다.
T 이후He 시스템은 최적화되었으며 나머지 데이터의 3 분의 1에 적용됩니다. 이를 샘플 외부 테스트라고하며 대부분의 시스템이 실패합니다. 시스템이 여전히 1,000 개 이상의 거래에서 좋은 결과를 가지고 있다면 시스템 빌더는 실행 가능한 시스템을 가지고 있습니다. 시스템이 샘플 외 테스트에서 1,000 개 미만의 거래를 생성하는 경우, 빌더는 또 다른 백 테스트 전략을 고려해야합니다.
부트 스트랩은 총 세트, 테스트, 데이터를 다시 넣고 더 많은 데이터를 그리거나 리샘플링하고 재시험에서 일부 데이터를 그리는 방법입니다. 이상적인 리 샘플 수는 n
백 테스트 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 기타 수의 거래를 생성 할 수 있다는 것입니다. 또 다른 장점은 각각의 새로운 데이터 세트가 샘플을 벗어났다는 것입니다. 이것은 반복적 인 최적화 및 테스트 실행을 수행 할 수있는 기회를 제공합니다. 이 데이터 세트를 최적화 한 다음 해당 시스템 매개 변수를 컴퓨터가 생성하는 다음 데이터에 적용합니다.
MC 시뮬레이션의 단점은 데이터가 전송과 정확히 동일한 확률 분포 함수를 가질 수 있다는 것입니다.ing 데이터는 결과를 왜곡시킬 수 있습니다. 가능한 모든 세상에서, 세 가지 백 테스트 전략을 모두 시스템을 심사하는 과정에서 사용해야합니다. 세 가지 모두에서의 성공은 실제 거래에서 매우 높은 성공 가능성을 제공해야합니다.