Jakie są różne rodzaje strategii testowania?

Istnieją trzy główne podejście do strategii powrót do testowania: wykorzystanie rzeczywistych danych cenowych podzielonych na trzy grupy;Bootstrap, który wykorzystuje rzeczywiste dane cenowe, ale ich ponowne uszkodzenie;i symulacja Monte Carlo.Istnieją problemy teoretyczne, które dzielą budownicze systemowe, w których metoda jest najlepsza.Dla handlowca ważne jest to, że prawidłowo stosuje co najmniej jedną ze strategii testowania w swoim systemie, zanim zaufa mu jego kapitału handlowego.Krytycznym problemem przy wyborze strategii testowej jest liczba wygenerowanych transakcji;W każdej fazie pracy konstruktora systemu potrzebnych jest co najmniej 1000 transakcji.

Korzystanie z rzeczywistych danych cenowych, podzielonych na trzy części, jest zwykłym punktem początkowym dla większości budowniczych systemów.System jest tworzony przy użyciu pierwszej jednej trzeciej danych.W tym momencie budowniczy znalazł algorytmy, które wydają się generować wystarczający zysk z wystarczającym ryzykiem, aby oferować dobre perspektywy.Druga jedna trzecia danych służy do optymalizacji systemu.

Po zoptymalizowaniu systemu zostanie on zastosowany do pozostałej jednej trzeciej danych.Nazywa się to testowaniem poza próbą i tutaj większość systemów zawodzi.Jeśli system nadal ma dobre wyniki w co najmniej 1000 transakcji, konstruktor systemu ma realny system.Jeśli system generuje mniej niż 1000 transakcji w testowaniu poza próbą, konstruktor powinien rozważyć kolejną strategię testowania wstecznego.

BOOTSTRappapping to metoda rysowania niektórych danych z całkowitego zestawu, testowania, przywracania danych i rysowania i narysowaniaWięcej danych lub ponowne próbkowanie i ponowne ponowne powstawanie.Idealna liczba ponownych próbek wynosi N ^N lub N do mocy N ^Th , gdzie n jest liczbą danych w pierwotnej próbce.Dla handlowca, który prawdopodobnie ma do czynienia z co najmniej 2500 punktami danych i mdash;250 dni w roku przez 10 lat i mdash;To nie jest praktyczne.Na szczęście 100 ponownych próbek zapewni wysoki poziom pewności, że próbka bootstrap odzwierciedla oryginalne dane, co czyni wyniki wiarygodne.Jeśli pobranie 100 ponownych próbek nie zapewni potrzebnych 1000 transakcji, trader musi kontynuować próbkowanie, dopóki ten cel nie zostanie osiągnięty, jeśli oczekuje systemu, a nie tylko ponownego próbkowania danych, jest wiarygodna.to symulacja Monte Carlo (MC).Ta metoda wykorzystuje komputer do generowania symulowanych danych, a następnie system jest testowany na tych danych.Zaletą symulacji MC jest to, że można tworzyć nieograniczone ilości danych, umożliwiając wygenerowanie 10 000 transakcji lub innej liczby transakcji.Kolejną zaletą jest to, że każdy nowy zestaw danych jest nieobecny.Daje to możliwość powtarzającej się przebiegów optymalizacji i testowania;Po prostu zoptymalizuj na tym zestawie danych, a następnie zastosuj te parametry systemu do następnych danych, które generuje komputer.

Wadą symulacji MC jest to, że dane mogą nie mieć dokładnie takiej samej funkcji rozkładu prawdopodobieństwa, jaką mają dane handlowe, co może wypaczać wyniki.W najlepszych ze wszystkich możliwych światów wszystkie trzy strategie testowania powinny być stosowane w procesie weryfikacji systemu.Sukces we wszystkich trzech powinien oferować bardzo duże prawdopodobieństwo sukcesu w handlu w świecie rzeczywistym.