Hva er de forskjellige typene strategier for backtesting?
Det er tre vanlige tilnærminger til backtesting-strategier: å bruke faktiske prisdata delt inn i tre grupper; bootstrap, som bruker faktiske prisdata, men resampler dem; og Monte Carlo-simulering. Det er teoretiske spørsmål som deler systembyggere om hvilken metode som er best. Det som er viktig for den næringsdrivende er at han riktig bruker minst en av backtesting-strategiene til systemet sitt, før han stoler på handelskapitalen til det. Et kritisk spørsmål når du skal velge en strategi for backtesting er antall genererte handler. minst 1000 handler er nødvendige i hver fase av systembyggerens arbeid.
Å bruke faktiske prisdata, delt inn i tre deler, er det vanlige utgangspunktet for de fleste systembyggere. Systemet er opprettet ved å bruke den første tredjedelen av dataene. På dette tidspunktet har byggherren funnet algoritmer som ser ut til å generere nok overskudd med liten nok risiko til å tilby gode utsikter. Den andre tredjedelen av dataene brukes til å optimalisere systemet.
Etter at systemet er optimalisert, vil det bli brukt på den gjenværende tredjedelen av dataene. Dette kalles test utenfra, og det er her de fleste systemer mislykkes. Hvis systemet fremdeles har gode resultater over minst 1000 handler, har systembyggeren et levedyktig system. Hvis systemet genererer færre enn 1000 handler i testen uten prøve, bør byggherren vurdere en annen strategi for backtesting.
Bootstrapping er en metode for å trekke noen data fra det totale settet, teste, sette inn dataene igjen og trekke mer data, eller resampling og prøve på nytt. Det ideelle antallet resamples er n n , eller n til den nde strømmen, hvor n er antall data i den opprinnelige prøven. For en næringsdrivende som sannsynligvis arbeider med minst 2500 datapunkter - 250 dager i året over 10 år - er ikke praktisk. Heldigvis vil 100 resampler gi en høy grad av tillit til at bootstrap-prøven vil speile de originale dataene, og gjøre resultatene pålitelige. Hvis det å ta 100 resamples ikke gir de nødvendige 1000 handlene, må den næringsdrivende fortsette å resample til det målet er nådd hvis han forventer at systemet, i stedet for bare samplingen av dataene, skal være pålitelig.
Den siste metoden for strategier for backtesting er simulering av Monte Carlo (MC). Denne metoden bruker en datamaskin for å generere simulerte data, og systemet blir deretter testet på disse dataene. Fordelen med MC-simulering er at man kan lage ubegrensede datamengder, slik at man kan generere 10.000 handler eller et hvilket som helst annet antall handler. En annen fordel er at hvert nytt datasett er ute av prøven. Dette gir muligheten til å gjøre gjentatte optimaliserings- og testkjøringer; bare optimaliser på dette datasettet, og bruk deretter systemparametrene på de neste dataene datamaskinen genererer.
En ulempe med MC-simulering er at dataene kanskje ikke har nøyaktig den samme sannsynlighetsfordelingsfunksjonen som handelsdata har, noe som kan skjule resultatene. I beste av alle mulige verdener, bør alle tre backtesting-strategier brukes i prosessen med å kontrollere systemet. Suksess hos alle tre bør gi en veldig stor sannsynlighet for suksess i virkelig handel.