Οι έμποροι που είναι πρόθυμοι να δοκιμάσουν μια ιδέα συναλλαγών σε μια ζωντανή αγορά κάνουν συχνά το λάθος να βασίζονται εξ ολοκλήρου σε αποτελέσματα backtesting για να καθορίσουν εάν το σύστημα θα είναι κερδοφόρο. Ενώ η backtesting μπορεί να προσφέρει στους εμπόρους πολύτιμες πληροφορίες, είναι συχνά παραπλανητική και είναι μόνο ένα μέρος της διαδικασίας αξιολόγησης. Οι δοκιμές εκτός δοκιμών και δοκιμές απόδοσης παρέχουν μια περαιτέρω επιβεβαίωση σχετικά με την αποτελεσματικότητα ενός συστήματος και μπορούν να δείξουν τα αληθινά χρώματα ενός συστήματος, πριν τα αληθινά μετρητά βρίσκονται στη γραμμή. Η σωστή συσχέτιση μεταξύ των αποτελεσμάτων δοκιμής εκ των προτέρων δοκιμής, εκτός του δείγματος και της εξέλιξης των επιδόσεων είναι ζωτικής σημασίας για τον προσδιορισμό της βιωσιμότητας ενός συστήματος εμπορίας. (Για να μάθετε περισσότερα, διαβάστε το Backtesting: Ερμηνεία του παρελθόντος .

Βασικά στοιχεία Backtesting Ο Backtesting αναφέρεται στην εφαρμογή ενός συστήματος συναλλαγών σε ιστορικά δεδομένα για να επαληθεύσει τον τρόπο με τον οποίο θα μπορούσε να εκτελέσει ένα σύστημα κατά τη συγκεκριμένη χρονική περίοδο. Πολλές από τις σημερινές πλατφόρμες συναλλαγών υποστηρίζουν το backtesting. Οι έμποροι μπορούν να δοκιμάσουν ιδέες με μερικές πληκτρολογήσεις και να αποκτήσουν γνώσεις για την αποτελεσματικότητα μιας ιδέας χωρίς να διακινδυνεύσουν χρήματα σε έναν λογαριασμό διαπραγμάτευσης. Ο Backtesting μπορεί να αξιολογήσει απλές ιδέες, όπως για παράδειγμα πώς ένας crossover με κινούμενο μέσο όρο θα μπορούσε να αποδώσει σε ιστορικά δεδομένα ή πιο πολύπλοκα συστήματα με ποικίλες εισροές και ενεργοποιήσεις.

Όσο μια ιδέα μπορεί να ποσοτικοποιηθεί, μπορεί να επιβεβαιωθεί. Ορισμένοι έμποροι και επενδυτές μπορούν να αναζητήσουν την τεχνογνωσία ενός εξειδικευμένου προγραμματιστή για να αναπτύξουν την ιδέα σε δοκιμαστέα μορφή. Τυπικά αυτό περιλαμβάνει έναν προγραμματιστή που κωδικοποιεί την ιδέα στην ιδιόκτητη γλώσσα που φιλοξενείται από την πλατφόρμα συναλλαγών. Ο προγραμματιστής μπορεί να ενσωματώσει μεταβλητές εισόδου καθορισμένες από το χρήστη, οι οποίες επιτρέπουν στον έμπορο να "τσίμπησε" το σύστημα. Ένα παράδειγμα αυτού θα μπορούσε να είναι το σύστημα διασταύρωσης απλού κινούμενου μέσου που σημειώθηκε παραπάνω: ο έμπορος θα μπορούσε να εισάγει (ή να αλλάζει) τα μήκη των δύο κινητών μέσων που χρησιμοποιούνται στο σύστημα. Ο έμπορος θα μπορούσε να υποστηρίξει την δοκιμή για να προσδιορίσει ποια μήκη κινούμενων μέσων θα είχαν επιτύχει καλύτερα στα ιστορικά δεδομένα. (Βρείτε περισσότερες πληροφορίες στο ηλεκτρονικό εμπορικό φροντιστήριο .)

Μελέτες Βελτιστοποίησης
Πολλές πλατφόρμες συναλλαγών επιτρέπουν επίσης μελέτες βελτιστοποίησης. Αυτό συνεπάγεται την εισαγωγή ενός εύρους για την καθορισμένη είσοδο και αφήνοντας τον υπολογιστή να "κάνει τα μαθηματικά" για να καταλάβει ποια είσοδος θα είχε κάνει το καλύτερο. Μια βελτιστοποίηση πολλαπλών μεταβλητών μπορεί να κάνει τα μαθηματικά για δύο ή περισσότερες μεταβλητές συνδυασμένες για να καθορίσουν ποια επίπεδα μαζί θα είχαν επιτύχει το καλύτερο αποτέλεσμα. Για παράδειγμα, οι έμποροι μπορούν να ενημερώσουν το πρόγραμμα για τις εισροές που θα ήθελαν να προσθέσουν στη στρατηγική τους. αυτά θα βελτιστοποιηθούν στη συνέχεια με τα ιδανικά βάρη τους, λαμβάνοντας υπόψη τα ελεγμένα ιστορικά δεδομένα.

Το Backtesting μπορεί να είναι συναρπαστικό γιατί ένα ασύμφορο σύστημα μπορεί συχνά να μετατραπεί μαγικά σε μια μηχανή λήψης χρημάτων με λίγες βελτιστοποιήσεις. Δυστυχώς, η ρύθμιση ενός συστήματος για την επίτευξη του μεγαλύτερου επιπέδου κερδοφορίας του παρελθόντος οδηγεί συχνά σε ένα σύστημα που θα αποδώσει ελάχιστα στην πραγματική διαπραγμάτευση. Αυτή η υπερβολική βελτιστοποίηση δημιουργεί συστήματα που φαίνονται καλά μόνο σε χαρτί.

Η προσαρμογή καμπύλης είναι η χρήση αναλυτικών στοιχείων βελτιστοποίησης για τη δημιουργία του μεγαλύτερου αριθμού κερδοφόρων συναλλαγών με το μεγαλύτερο κέρδος στα ιστορικά δεδομένα που χρησιμοποιήθηκαν κατά την περίοδο δοκιμών. Παρόλο που φαίνεται εντυπωσιακό στα αποτελέσματα της ανασκόπησης, η προσαρμογή της καμπύλης οδηγεί σε αναξιόπιστα συστήματα, αφού τα αποτελέσματα είναι ουσιαστικά σχεδιασμένα ειδικά για συγκεκριμένα δεδομένα και χρονικά διαστήματα.

Ο εκ των προτέρων έλεγχος και η βελτιστοποίηση παρέχουν πολλά οφέλη σε έναν έμπορο, αλλά αυτό είναι μόνο ένα μέρος της διαδικασίας κατά την αξιολόγηση ενός δυνητικού συστήματος συναλλαγών. Το επόμενο βήμα ενός εμπόρου είναι να εφαρμόσει το σύστημα σε ιστορικά δεδομένα που δεν έχουν χρησιμοποιηθεί στην αρχική φάση ανασκόπησης. (Ο κινούμενος μέσος όρος είναι εύκολος να υπολογιστεί και, όταν σχεδιαστεί σε ένα γράφημα, είναι ένα ισχυρό εργαλείο οπτικής επιτόπιας ανίχνευσης. Οι απλοί κινητοί μέσοι όροι κάνουν την εμφάνισή τους

Δείγματα έναντι δεδομένων εκτός δείγματος Όταν δοκιμάζετε μια ιδέα σχετικά με τα ιστορικά δεδομένα, είναι χρήσιμο να διατηρήσετε μια χρονική περίοδο ιστορικών δεδομένων για σκοπούς δοκιμής. Τα αρχικά ιστορικά δεδομένα στα οποία δοκιμάζεται και βελτιστοποιείται η ιδέα αναφέρονται ως δεδομένα στο δείγμα. Το σύνολο δεδομένων που έχει δεσμευτεί είναι γνωστό ως δεδομένα εκτός δείγματος. Αυτή η ρύθμιση αποτελεί σημαντικό μέρος της διαδικασίας αξιολόγησης, διότι παρέχει έναν τρόπο να δοκιμάσει την ιδέα για δεδομένα που δεν αποτελούν συστατικό στοιχείο του μοντέλου βελτιστοποίησης. Ως αποτέλεσμα, η ιδέα δεν θα έχει επηρεαστεί με κανένα τρόπο από τα δεδομένα που δεν έχουν δειγματοληψία και οι έμποροι θα είναι σε θέση να καθορίσουν πόσο καλά θα μπορούσε να λειτουργήσει το σύστημα σε νέα δεδομένα. Εγώ. μι. σε πραγματικές συναλλαγές.

Πριν από την έναρξη οποιουδήποτε δοκιμαστικού ελέγχου ή βελτιστοποίησης, οι έμποροι μπορούν να παρακρατήσουν ένα ποσοστό των ιστορικών δεδομένων που θα δεσμεύονται για δοκιμές εκτός δείγματος. Μία μέθοδος είναι να διαιρέσετε τα ιστορικά δεδομένα σε τρίτα και να διαχωρίσετε το ένα τρίτο για χρήση στη δοκιμή εκτός δείγματος. Μόνο τα δεδομένα του δείγματος θα πρέπει να χρησιμοποιούνται για την αρχική δοκιμή και οποιαδήποτε βελτιστοποίηση. Το σχήμα 1 δείχνει μια χρονική γραμμή όπου το ένα τρίτο των ιστορικών δεδομένων προορίζεται για δοκιμή εκτός δείγματος και τα δύο τρίτα χρησιμοποιούνται για τη δοκιμή σε δείγμα. Παρόλο που η Εικόνα 1 απεικονίζει τα δεδομένα εκτός δείγματος στην αρχή της δοκιμής, οι τυπικές διαδικασίες θα έχουν το τμήμα του δείγματος που προηγείται της πρόωρης απόδοσης.

Εικόνα 1: Γραμμή χρόνου που αντιπροσωπεύει το σχετικό μήκος των δεδομένων που είναι ενσωματωμένα στο δείγμα και του δείγματος εκτός δείγματος που χρησιμοποιούνται στη διαδικασία ανασκόπησης.

Όταν ένα σύστημα διαπραγμάτευσης έχει αναπτυχθεί με τη χρήση δεδομένων σε δείγμα, είναι έτοιμο να εφαρμοστεί στα δεδομένα εκτός δείγματος. Οι έμποροι μπορούν να αξιολογήσουν και να συγκρίνουν τα αποτελέσματα απόδοσης μεταξύ των δεδομένων σε δείγμα και εκτός δείγματος.

Η συσχέτιση αναφέρεται στις ομοιότητες μεταξύ των επιδόσεων και των γενικών τάσεων των δύο συνόλων δεδομένων.Οι μετρήσεις της αντιστοιχίας μπορούν να χρησιμοποιηθούν στην αξιολόγηση των εκθέσεων απόδοσης στρατηγικής που δημιουργήθηκαν κατά την περίοδο δοκιμών (ένα χαρακτηριστικό που παρέχουν οι περισσότερες πλατφόρμες συναλλαγών). Όσο ισχυρότερη είναι η συσχέτιση μεταξύ των δύο, τόσο καλύτερη είναι η πιθανότητα ένα σύστημα να αποδώσει ικανοποιητικά στις δοκιμές απόδοσης και τις εμπορικές συναλλαγές. Το σχήμα 2 απεικονίζει δύο διαφορετικά συστήματα που δοκιμάστηκαν και βελτιστοποιήθηκαν σε δεδομένα σε δείγμα και στη συνέχεια εφαρμόστηκαν σε δεδομένα εκτός δείγματος. Το γράφημα στα αριστερά δείχνει ένα σύστημα το οποίο ήταν σαφώς καμπύλο για να δουλέψει καλά στα δεδομένα του δείγματος και αποτυγχάνει τελείως στα δεδομένα εκτός δείγματος. Το γράφημα στα δεξιά δείχνει ένα σύστημα που έχει αποδώσει ικανοποιητικά τόσο σε δεδομένα εντός όσο και εκτός δείγματος.

Σχήμα 2: Δύο καμπύλες μετοχών. Τα εμπορικά δεδομένα πριν από κάθε κίτρινο βέλος αντιπροσωπεύουν δοκιμές σε δείγμα. Οι συναλλαγές που δημιουργούνται μεταξύ των κίτρινων και των κόκκινων βέλων υποδεικνύουν τη δοκιμή εκτός δείγματος. Οι συναλλαγές μετά τα κόκκινα βέλη προέρχονται από τις φάσεις εξέτασης των επιδόσεων.

Αν υπάρχει μικρή συσχέτιση μεταξύ του δοκιμαστικού δείγματος και του δείγματος εκτός του δείγματος, όπως το αριστερό γράφημα στο Σχήμα 2, είναι πιθανό ότι το σύστημα έχει υπερδιπλωθεί και δεν θα έχει καλές επιδόσεις σε ζωντανές συναλλαγές. Εάν υπάρχει ισχυρή συσχέτιση στην απόδοση, όπως φαίνεται στο δεξιό διάγραμμα στο σχήμα 2, η επόμενη φάση της αξιολόγησης περιλαμβάνει έναν πρόσθετο τύπο δοκιμής εκτός δείγματος γνωστού ως δοκιμασία απόδοσης προς τα εμπρός. (Για περισσότερες πληροφορίες σχετικά με την πρόβλεψη, ανατρέξτε στο Οικονομική πρόβλεψη: Η Bayesian μέθοδος .)

Βασικά στοιχεία δοκιμών επίδοσης από τα δείγματα δεδομένων για την αξιολόγηση ενός συστήματος. Ο έλεγχος απόδοσης προς τα εμπρός είναι μια προσομοίωση της πραγματικής διαπραγμάτευσης και περιλαμβάνει την παρακολούθηση της λογικής του συστήματος σε μια ζωντανή αγορά. Καλείται επίσης το εμπόριο χαρτιού δεδομένου ότι όλες οι συναλλαγές εκτελούνται μόνο σε χαρτί. δηλαδή οι εμπορικές εγγραφές και οι εξόδους τεκμηριώνονται μαζί με οποιοδήποτε κέρδος ή απώλεια για το σύστημα, αλλά δεν εκτελούνται πραγματικές συναλλαγές. Μια σημαντική πτυχή της εξέτασης των επιδόσεων είναι η σωστή παρακολούθηση της λογικής του συστήματος. διαφορετικά, καθίσταται δύσκολο, αν όχι αδύνατο, να αξιολογηθεί με ακρίβεια αυτό το βήμα της διαδικασίας. Οι έμποροι θα πρέπει να είναι ειλικρινείς σχετικά με τις εμπορικές καταχωρήσεις και τις εξόδους και να αποφεύγουν τη συμπεριφορά τους όπως τις μάρκες κερασιών ή να μην συμπεριλαμβάνουν ένα χαρτί στο εμπόριο που εξορθολογίζει ότι «δεν θα είχα πάρει ποτέ αυτό το εμπόριο». Εάν το εμπόριο θα είχε συμβεί ακολουθώντας τη λογική του συστήματος, θα πρέπει να τεκμηριωθεί και να αξιολογηθεί.

Πολλοί μεσίτες προσφέρουν έναν προσομοιωμένο λογαριασμό διαπραγμάτευσης όπου μπορούν να τοποθετηθούν συναλλαγές και να υπολογιστούν τα αντίστοιχα κέρδη και ζημίες. Η χρήση ενός προσομοιωμένου λογαριασμού συναλλαγών μπορεί να δημιουργήσει ένα ημι-ρεαλιστικό περιβάλλον στο οποίο θα ασκείται συναλλαγές και θα αξιολογείται περαιτέρω το σύστημα.

Το σχήμα 2 δείχνει επίσης τα αποτελέσματα για δοκιμές απόδοσης σε δύο συστήματα. Και πάλι, το σύστημα που αναπαρίσταται στο αριστερό γράφημα αποτυγχάνει να κάνει πολύ πέρα ​​από την αρχική δοκιμή στα δεδομένα του δείγματος. Το σύστημα που φαίνεται στο δεξιό διάγραμμα, ωστόσο, εξακολουθεί να αποδίδει καλά σε όλες τις φάσεις, συμπεριλαμβανομένης της δοκιμής απόδοσης προς τα εμπρός.Ένα σύστημα που παρουσιάζει θετικά αποτελέσματα με καλή συσχέτιση μεταξύ δοκιμών επιδόσεων σε δείγμα, εκτός δείγματος και προώθησης είναι έτοιμο να υλοποιηθεί σε μια ζωντανή αγορά.

Η κατώτατη γραμμή Το Backtesting είναι ένα πολύτιμο εργαλείο που διατίθεται στις περισσότερες πλατφόρμες συναλλαγών. Ο διαχωρισμός των ιστορικών δεδομένων σε πολλαπλά σύνολα για την παροχή δειγμάτων σε δειγματοληψία και σε δοκιμές εκτός δείγματος μπορεί να προσφέρει στους εμπόρους ένα πρακτικό και αποτελεσματικό μέσο για την αξιολόγηση μιας ιδέας και συστήματος συναλλαγών. Δεδομένου ότι οι περισσότεροι έμποροι χρησιμοποιούν τεχνικές βελτιστοποίησης για τη δοκιμή εκ των υστέρων, είναι σημαντικό να αξιολογηθεί το σύστημα σε καθαρά δεδομένα για να καθοριστεί η βιωσιμότητά του. Η συνέχιση των δειγματοληπτικών ελέγχων με πρόβλεψη δοκιμών επιδόσεων παρέχει ένα άλλο επίπεδο ασφάλειας πριν θέσει ένα σύστημα στην αγορά κινδυνεύοντας με πραγματικά μετρητά. Τα θετικά αποτελέσματα και η σωστή συσχέτιση μεταξύ δοκιμών ανίχνευσης και δειγματοληψίας εντός και εκτός δειγμάτων αυξάνουν την πιθανότητα ότι ένα σύστημα θα αποδώσει καλά στην πραγματική διαπραγμάτευση. (Για μια ολοκληρωμένη επισκόπηση για την τεχνική ανάλυση, βλ. Τεχνική ανάλυση: Εισαγωγή .)