Vilka är de olika typerna av backtesting -strategier?

Det finns tre mainstream -tillvägagångssätt för backtesting -strategier: med hjälp av faktiska prisuppgifter uppdelade i tre grupper;Bootstrap, som använder faktiska prisdata men omsamlar det;och Monte Carlo -simulering.Det finns teoretiska problem som delar systembyggare över vilken metod som är bäst.Det som är viktigt för näringsidkaren är att han korrekt använder minst en av backteststrategierna i sitt system innan han litar på sitt handelskapital till det.En kritisk fråga när det gäller att välja en backteststrategi är antalet genererade branscher;Minst 1 000 affärer behövs i varje fas av systembyggarens arbete.

Att använda faktiska prisdata, uppdelade i tre delar, är den vanliga startpunkten för de flesta systembyggare.Systemet skapas med den första tredjedelen av uppgifterna.Vid denna tidpunkt har byggaren hittat algoritmer som verkar generera tillräckligt med vinst med tillräckligt liten risk för att erbjuda goda möjligheter.Den andra tredjedelen av uppgifterna används för att optimera systemet.

När systemet har optimerats kommer det att tillämpas på den återstående tredjedelen av uppgifterna.Detta kallas testning utanför provet, och det är där de flesta system misslyckas.Om systemet fortfarande har bra resultat över minst 1 000 affärer har systembyggaren ett livskraftigt system.Mer data, eller omampla och testa igen.Det ideala antalet resamples är n

n

, eller n till n ^th effekt, där n är antalet data i det ursprungliga provet.För en handlare som troligen har att göra med minst 2500 datapunkter mdash;250 dagar om året över 10 år mdash;det är inte praktiskt.Lyckligtvis kommer 100 Resamples att ge en hög nivå av förtroende för att bootstrap -provet kommer att spegla originaldata, vilket gör resultaten tillförlitliga.Om att ta 100 resamplar inte tillhandahåller de nödvändiga 1 000 affärer, måste näringsidkaren fortsätta omskämda tills det målet uppfylls om han förväntar sig att systemet, snarare än bara omproduktion av uppgifterna, ska vara tillförlitlig. Den sista metoden för backtesting -strategierär Monte Carlo (MC) simulering.Denna metod använder en dator för att generera simulerade data, och systemet testas sedan på den data.Fördelen med MC -simulering är att man kan skapa obegränsade mängder data, vilket gör att en kan generera 10 000 affärer eller något annat antal affärer.En annan fördel är att varje ny datauppsättning är utanför provet.Detta ger möjlighet att göra upprepade optimering och testkörningar;Optimera helt enkelt på denna datauppsättning och tillämpa sedan dessa systemparametrar på nästa data som datorn genererar.

En nackdel med MC -simulering är att data kanske inte har exakt samma sannolikhetsfördelningsfunktion som Trading Data har, vilket kan skeva resultaten.I bästa av alla möjliga världar bör alla tre bakteststrategier användas i processen för att kontrollera systemet.Framgång i alla tre bör erbjuda en mycket stor sannolikhet för framgång i verklig handel.