Quali sono i diversi tipi di Backtesting strategie?

Ci sono tre diversi approcci per strategie di backtesting: utilizzando i dati sui prezzi effettivi divisi in tre gruppi; bootstrap, che utilizza i dati sui prezzi effettivi ma ricampiona esso; e la simulazione Monte Carlo. Ci sono questioni teoriche che dividono i produttori di sistemi su cui il metodo è migliore. Ciò che è importante per il commerciante è che impiega correttamente almeno una delle strategie di backtesting al suo sistema prima confidando sua capitale commerciale ad esso. Un problema critico nella scelta di una strategia di backtesting è il numero di transazioni generati; almeno 1.000 compravendite sono necessari in ogni fase del lavoro del costruttore del sistema.

Utilizzando i dati sui prezzi effettivi, diviso in tre parti, è il punto di inizio di consueto per la maggior parte dei costruttori di sistemi. Il sistema viene creata usando il primo terzo dei dati. A questo punto, il costruttore ha trovato algoritmi che sembrano generare abbastanza profitti con il rischio abbastanza piccolo da offrire buone prospettive. Il secondo un terzo dei dati viene utilizzato per ottimizzare il sistema.

Dopo che il sistema è stato ottimizzato, verrà applicato al terzo residuo dei dati. Questo è chiamato test out-of-campione, ed è dove la maggior parte dei sistemi sicuro. Se il sistema ha ancora buoni risultati in tutto almeno 1.000 compravendite, il costruttore del sistema ha un sistema vitale. Se il sistema genera meno di 1.000 mestieri del testing out-of-sample, il costruttore dovrebbe considerare un'altra strategia backtesting.

Il bootstrap è un metodo di disegno alcuni dati dal set totale, test, mettendo i dati di nuovo in, e il disegno più dati, o ricampionamento, e ripetere il test. Il numero ideale di ricampiona è n n o n al n esima potenza, dove n è il numero di dati nel campione originale. Per un operatore che è probabile che fare con almeno 2.500 punti dati - 250 giorni l'anno attraverso 10 anni - che non è pratico. Fortunatamente, 100 ricampiona forniranno un elevato livello di fiducia che il campione bootstrap rispecchierà i dati originali, rendendo i risultati affidabili. Se prendendo 100 ricampiona non fornisce le necessarie 1.000 commerci, il commerciante deve continuare fino a quando il ricampionamento questo obiettivo è soddisfatta se si aspetta il sistema, piuttosto che solo il ricampionamento dei dati, di essere affidabile.

L'ultimo metodo di strategie di backtesting è Monte Carlo (MC) simulazione. Questo metodo utilizza un computer per generare dati simulati, e il sistema viene poi testato su tali dati. Il vantaggio di simulazione MC è che si può creare quantità illimitate di dati, permettendo di generare 10.000 commerci o qualsiasi altro numero di compravendite. Un altro vantaggio è ogni nuovo set di dati è fuori dal campione. Questo offre l'opportunità di fare l'ottimizzazione ripetute e corse di prova; semplicemente ottimizzare su questo insieme di dati, quindi applicare tali parametri di sistema per i prossimi dati nel computer genera.

Uno svantaggio della simulazione MC è che i dati non possono avere esattamente la stessa funzione di distribuzione di probabilità che i dati commerciali abbiano, che potrebbero falsare i risultati. Nel migliore dei mondi possibili, tutte tre strategie backtesting dovrebbero essere usati nel processo di vagliare sistema. Il successo in tutti e tre dovrebbe offrire una elevata probabilità di successo nel trading reale.