Các loại chiến lược backtesting khác nhau là gì?

Có ba cách tiếp cận chính để các chiến lược backtesting: sử dụng dữ liệu giá thực tế được chia thành ba nhóm;Bootstrap, sử dụng dữ liệu giá thực tế nhưng mô tả lại nó;và mô phỏng Monte Carlo.Có những vấn đề lý thuyết phân chia các nhà xây dựng hệ thống về phương pháp nào là tốt nhất.Điều quan trọng đối với nhà giao dịch là anh ta sử dụng chính xác ít nhất một trong các chiến lược ngược lại cho hệ thống của mình trước khi tin tưởng vào vốn giao dịch của mình vào đó.Một vấn đề quan trọng trong việc lựa chọn chiến lược backtest là số lượng giao dịch được tạo ra;Ít nhất 1.000 giao dịch là cần thiết trong mỗi giai đoạn của công việc của nhà xây dựng hệ thống. Sử dụng dữ liệu giá thực tế, được chia thành ba phần, là điểm bắt đầu thông thường cho hầu hết các nhà xây dựng hệ thống.Hệ thống được tạo bằng cách sử dụng một phần ba dữ liệu đầu tiên.Tại thời điểm này, người xây dựng đã tìm thấy các thuật toán xuất hiện để tạo ra đủ lợi nhuận với rủi ro đủ nhỏ để cung cấp triển vọng tốt.Một phần ba dữ liệu thứ hai được sử dụng để tối ưu hóa hệ thống. Sau khi hệ thống được tối ưu hóa, nó sẽ được áp dụng cho một phần ba dữ liệu còn lại.Điều này được gọi là thử nghiệm ngoài mẫu và đó là nơi mà hầu hết các hệ thống thất bại.Nếu hệ thống vẫn có kết quả tốt trên ít nhất 1.000 giao dịch, hệ thống xây dựng có một hệ thống khả thi.Nếu hệ thống tạo ra ít hơn 1.000 giao dịch trong thử nghiệm ngoài mẫu, nhà xây dựng nên xem xét một chiến lược ngược lại khác.Thêm dữ liệu, hoặc lấy mẫu lại và kiểm tra lại.Số lượng resples lý tưởng là N

N

hoặc N cho công suất n

th

, trong đó n là số lượng dữ liệu trong mẫu ban đầu.Đối với một nhà giao dịch có khả năng xử lý ít nhất 2.500 điểm dữ liệu mdash;250 ngày một năm trong 10 năm mdash;Đó không phải là thực tế.May mắn thay, 100 respample sẽ cung cấp một mức độ tự tin cao rằng mẫu bootstrap sẽ phản ánh dữ liệu gốc, làm cho kết quả đáng tin cậy.Nếu lấy 100 mẫu lại không cung cấp 1.000 giao dịch cần thiết, nhà giao dịch cần tiếp tục lấy mẫu lại cho đến khi mục tiêu đó được đáp ứng nếu anh ta mong đợi hệ thống, thay vì chỉ lấy lại dữ liệu, là đáng tin cậy.là mô phỏng Monte Carlo (MC).Phương pháp này sử dụng máy tính để tạo dữ liệu mô phỏng và sau đó hệ thống được kiểm tra trên dữ liệu đó.Ưu điểm của mô phỏng MC là người ta có thể tạo ra số lượng dữ liệu vô hạn, cho phép một người tạo ra 10.000 giao dịch hoặc bất kỳ số lượng giao dịch nào khác.Một lợi thế khác là mỗi bộ dữ liệu mới là ra khỏi mẫu.Điều này cung cấp cơ hội để thực hiện tối ưu hóa và thử nghiệm lặp đi lặp lại;Chỉ cần tối ưu hóa trên tập dữ liệu này, sau đó áp dụng các tham số hệ thống đó vào dữ liệu tiếp theo mà máy tính tạo ra. Một nhược điểm của mô phỏng MC là dữ liệu có thể không có cùng chức năng phân phối xác suất mà dữ liệu giao dịch có, có thể làm lệch kết quả.Trong các thế giới tốt nhất có thể, cả ba chiến lược backtesting nên được sử dụng trong quá trình kiểm tra hệ thống.Thành công trong cả ba nên mang lại khả năng thành công rất cao trong giao dịch trong thế giới thực.