Vilka är de olika typerna av backtesting -strategier?

Det finns tre mainstream -tillvägagångssätt för backtestingstrategier: med hjälp av faktiska prisuppgifter uppdelade i tre grupper; Bootstrap, som använder faktiska prisuppgifter 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.

efter tSystemet har optimerats, det kommer 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. Om systemet genererar färre än 1 000 affärer i testet utanför provet, bör byggaren överväga en annan backteststrategi.

bootstrapping är en metod för att rita lite data från den totala uppsättningen, testa, sätta in data tillbaka och rita mer data, omampla och testa igen. Det ideala antalet resamples är n n eller n till n th kraften, där n är antalet data i det ursprungliga provet. För en handlare som troligen har att göra med minst 2500 datapunkter - 250 dagar om året över tio år - är det inte praktiskt. Lyckligtvis kommer 100 resamplar att ge en hög nivå av förtroende somBootstrap -provet kommer att spegla originaldata, vilket gör resultaten pålitliga. Om att ta 100 resamplar inte tillhandahåller de nödvändiga 1 000 affärer, måste näringsidkaren fortsätta omskämta tills det målet är uppfyllt om han förväntar sig att systemet, snarare än bara omamplingen av uppgifterna, ska vara tillförlitlig.

Den sista metoden för backtesting -strategier är 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 uppgifterna 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.

ANDRA SPRÅK

Hjälpte den här artikeln dig? Tack för feedbacken Tack för feedbacken

Hur kan vi hjälpa? Hur kan vi hjälpa?