Hva er de forskjellige typene backtesting -strategier?

Det er tre mainstream tilnærminger til backtesting -strategier: ved å bruke faktiske prisdata delt inn i tre grupper; Bootstrap, som bruker faktiske prisdata, men gjensamler det; og Monte Carlo -simulering. Det er teoretiske problemer som deler systembyggere som metoden er best. Det som er viktig for den næringsdrivende er at han bruker minst en av backtesting -strategiene for systemet hans før han stoler på handelshovedstaden til det. Et kritisk spørsmål ved å velge en backtesting -strategi er antallet som genereres; Det trengs minst 1000 handler i hver fase av systembyggerens arbeid.

Bruke faktiske prisdata, delt inn i tre deler, er det vanlige begynnelsespunktet for de fleste systembyggere. Systemet er opprettet ved hjelp av den første en tredjedel av dataene. På dette tidspunktet har byggherren funnet algoritmer som ser ut til å generere nok fortjeneste med liten nok risiko til å tilby gode potensielle kunder. Den andre en tredjedel av dataene brukes til å optimalisere systemet.

etter tHan systemet har blitt optimalisert, det vil bli brukt på den gjenværende en tredjedel av dataene. Dette kalles ut-av-prøve-testing, og det er der de fleste systemer svikter. Hvis systemet fremdeles har gode resultater på minst 1000 handler, har systembyggeren et levedyktig system. Hvis systemet genererer færre enn 1000 bransjer i testing utenfor prøven, bør byggherren vurdere en annen backtesting-strategi.

Bootstrapping er en metode for å tegne noen data fra det totale settet, teste, sette dataene inn igjen og tegne mer data, eller resampling og prøve på nytt. Det ideelle antallet Resamples er n ^{n , eller n til n th Power, hvor n er antall data i den opprinnelige prøven. For en næringsdrivende som sannsynligvis har å gjøre med minst 2500 datapunkter - 250 dager i året over 10 år - er det ikke praktisk. Heldigvis vil 100 resamples gi et høyt tillitsnivå somBootstrap -prøven vil speile de originale dataene, noe som gjør resultatene pålitelige. Hvis det å ta 100 resamples ikke gir de nødvendige 1000 handler, må den næringsdrivende fortsette å gjenvise før det målet er oppfylt hvis han forventer at systemet, i stedet for bare å gjenvinning av dataene, skal være pålitelig.}

Den siste metoden for backtesting -strategier er Monte Carlo (MC) simulering. Denne metoden bruker en datamaskin for å generere simulerte data, og systemet testes deretter på disse dataene. Fordelen med MC -simulering er at man kan skape ubegrensede datamengder, slik at en kan generere 10.000 handler eller noe annet antall handler. En annen fordel er at hvert nytt datasett er ute av prøven. Dette gir muligheten til å gjøre gjentatt optimalisering og testkjøringer; Bare optimaliser på dette datasettet, og bruk deretter systemparametrene på neste data datamaskinen genererer.

En ulempe med MC -simulering er at dataene kanskje ikke har akkurat den samme sannsynlighetsfordelingsfunksjonen som TRADing data har, noe som kan skjule resultatene. I det beste av alle mulige verdener, bør alle tre backtesting -strategier brukes i prosessen med å vette systemet. Suksess i alle tre bør tilby en veldig stor sannsynlighet for suksess i handels i den virkelige verden.