Các thương nhân mong muốn thử một ý tưởng kinh doanh trên thị trường trực tiếp thường mắc phải sai lầm khi dựa hoàn toàn vào kết quả kiểm tra ngược để xác định liệu hệ thống có lợi nhuận hay không. Trong khi kiểm tra lại có thể cung cấp cho các nhà buôn thông tin có giá trị, nó thường gây hiểu nhầm và nó chỉ là một phần của quá trình đánh giá. Kiểm tra ngoài mẫu và thử nghiệm hiệu năng chuyển tiếp cung cấp thêm xác nhận về hiệu quả của hệ thống, và có thể hiển thị màu sắc thật sự của hệ thống, trước khi tiền mặt thực có trên đường dây. Mối tương quan tốt giữa kết quả kiểm tra kết quả, kết quả thử ngoài và thử nghiệm chuyển tiếp là rất quan trọng để xác định tính khả thi của một hệ thống thương mại. (Chúng tôi cung cấp một số lời khuyên về quá trình này có thể giúp tinh chỉnh các chiến lược kinh doanh hiện tại của bạn.) Để tìm hiểu thêm, đọc Backtesting: Interpreting the Past .)

-1->

Khái niệm cơ bản về Backtesting Backtesting đề cập đến việc áp dụng một hệ thống giao dịch vào dữ liệu lịch sử để xác minh một hệ thống đã thực hiện như thế nào trong một khoảng thời gian nhất định. Nhiều sàn giao dịch hôm nay ủng hộ việc kiểm tra lại. Thương nhân có thể kiểm tra ý tưởng bằng một vài cú nhấn phím và thu được thông tin chi tiết về hiệu quả của một ý tưởng mà không gặp rủi ro trong tài khoản giao dịch. Backtesting có thể đánh giá các ý tưởng đơn giản, chẳng hạn như làm thế nào một chéo trung bình di chuyển sẽ thực hiện trên dữ liệu lịch sử, hoặc các hệ thống phức tạp hơn với một đầu vào đa dạng và gây nên.

Miễn là một ý tưởng có thể được định lượng nó có thể được backtested. Một số thương nhân và nhà đầu tư có thể tìm kiếm sự chuyên môn của một lập trình viên có trình độ để phát triển ý tưởng thành một hình thức có thể kiểm chứng được. Thông thường điều này liên quan đến một lập trình viên mã hóa ý tưởng vào ngôn ngữ sở hữu được tổ chức bởi nền tảng giao dịch. Các lập trình viên có thể kết hợp các biến đầu vào người dùng xác định cho phép các thương nhân để "tinh chỉnh" hệ thống. Một ví dụ của điều này là trong hệ thống chéo trung bình đơn giản di chuyển được lưu ý ở trên: thương nhân có thể nhập (hoặc thay đổi) độ dài của hai đường trung bình di chuyển được sử dụng trong hệ thống. Nhà giao dịch có thể kiểm tra lại để xác định độ dài trung bình động nào đã thực hiện tốt nhất trên dữ liệu lịch sử. (Tìm hiểu sâu hơn trong Hướng dẫn Giao dịch Điện tử .)

Nghiên cứu Tối ưu hóa
Nhiều nền tảng giao dịch cũng cho phép nghiên cứu tối ưu. Điều này đòi hỏi phải nhập một dải cho đầu vào được chỉ định và cho phép máy tính "làm toán" để tìm ra đầu vào nào sẽ thực hiện tốt nhất. Một sự tối ưu hóa đa biến có thể thực hiện việc tính toán cho hai hoặc nhiều biến kết hợp để xác định mức độ nào với nhau sẽ đạt được kết quả tốt nhất. Ví dụ, các nhà kinh doanh có thể nói cho chương trình những đầu vào họ muốn thêm vào chiến lược của họ; những điều này sau đó sẽ được tối ưu hóa đến trọng lượng lý tưởng của họ cho các dữ liệu được kiểm tra lịch sử.

Backtesting có thể rất thú vị vì hệ thống không có lợi nhuận thường có thể biến thành một chiếc máy làm tiền một cách kỳ diệu với một vài điều tối ưu. Thật không may, tinh chỉnh một hệ thống để đạt được mức lợi nhuận cao nhất trong quá khứ thường dẫn đến một hệ thống sẽ hoạt động kém trong kinh doanh thực. Tối ưu hóa quá mức này tạo ra các hệ thống nhìn tốt trên giấy.

Sự kết hợp đường cong là việc sử dụng phân tích tối ưu hóa để tạo ra số lượng chiến thắng cao nhất với lợi nhuận lớn nhất trên dữ liệu lịch sử được sử dụng trong giai đoạn thử nghiệm. Mặc dù nó có vẻ ấn tượng trong kết quả backtesting, đường cong phù hợp dẫn đến các hệ thống không đáng tin cậy vì các kết quả chủ yếu là tùy chỉnh thiết kế cho rằng chỉ có dữ liệu cụ thể và thời gian.

Backtesting và tối ưu hoá cung cấp nhiều lợi ích cho một thương nhân nhưng đây chỉ là một phần của quá trình khi đánh giá một hệ thống thương mại tiềm năng. Bước tiếp theo của nhà kinh doanh là áp dụng hệ thống vào dữ liệu lịch sử chưa được sử dụng trong giai đoạn kiểm tra ban đầu. Để biết thêm thông tin, hãy đọc Đơn giản vận chuyển trung bình tạo ra xu hướng nổi bật .)

In- Mẫu so với dữ liệu ngoài dữ liệu Khi kiểm tra ý tưởng về dữ liệu lịch sử, bạn nên dành thời gian của dữ liệu lịch sử cho các mục đích thử nghiệm. Các dữ liệu lịch sử ban đầu mà ý tưởng được kiểm tra và tối ưu hóa được gọi là dữ liệu trong mẫu. Tập dữ liệu đã được đặt trước được gọi là dữ liệu ngoài dữ liệu. Thiết lập này là một phần quan trọng của quá trình đánh giá vì nó cung cấp một cách để kiểm tra ý tưởng về dữ liệu không phải là một thành phần trong mô hình tối ưu hóa. Do đó, ý tưởng sẽ không bị ảnh hưởng bởi bất kỳ cách nào bởi dữ liệu ngoài mẫu và thương nhân sẽ có thể xác định hệ thống có thể thực hiện tốt như thế nào đối với dữ liệu mới; tôi. e. trong giao dịch thực tế.

Trước khi bắt đầu bất kỳ kiểm tra lại hoặc tối ưu hóa, thương nhân có thể dành một tỷ lệ phần trăm của dữ liệu lịch sử để dành cho kiểm tra ngoài mẫu. Một phương pháp là chia các dữ liệu lịch sử thành phần ba và tách một phần ba để sử dụng trong thử nghiệm ngoài mẫu. Chỉ nên sử dụng dữ liệu mẫu để thử nghiệm ban đầu và tối ưu hoá bất kỳ. Hình 1 cho thấy một đường thời gian, nơi một phần ba dữ liệu lịch sử được dành riêng cho kiểm tra ngoài mẫu, và hai phần ba được sử dụng cho thử nghiệm trong mẫu. Mặc dù hình 1 mô tả dữ liệu ngoài mẫu khi bắt đầu thử nghiệm, các thủ tục điển hình sẽ có phần ngoài mẫu sẵn ngay trước hiệu suất chuyển tiếp.

Hình 1: Một đường thời gian đại diện cho độ dài tương đối của dữ liệu trong mẫu và dữ liệu ngoài mẫu được sử dụng trong quá trình kiểm tra lại.

Một khi hệ thống giao dịch đã được phát triển bằng cách sử dụng dữ liệu trong mẫu, nó đã sẵn sàng để được áp dụng cho các dữ liệu ngoài mẫu. Thương nhân có thể đánh giá và so sánh kết quả thực hiện giữa dữ liệu trong mẫu và dữ liệu ngoài mẫu.

Tương quan đề cập đến sự tương đồng giữa các buổi trình diễn và xu hướng chung của hai tập dữ liệu.Các chỉ số tương quan có thể được sử dụng trong việc đánh giá báo cáo hiệu suất chiến lược được tạo ra trong thời gian thử nghiệm (một tính năng mà hầu hết các nền tảng giao dịch cung cấp). Sự tương quan mạnh mẽ hơn giữa hai, thì xác suất tốt hơn là một hệ thống sẽ hoạt động tốt trong việc kiểm tra hiệu suất chuyển tiếp và giao dịch trực tiếp. Hình 2 minh họa hai hệ thống khác nhau được kiểm tra và tối ưu hóa trên dữ liệu trong mẫu, sau đó áp dụng cho dữ liệu ngoài mẫu. Biểu đồ bên trái cho thấy một hệ thống đã được rõ ràng đường cong-phù hợp để làm việc tốt trên dữ liệu trong mẫu và hoàn toàn thất bại trên các dữ liệu ra khỏi mẫu. Biểu đồ bên phải cho thấy một hệ thống hoạt động tốt trên cả dữ liệu trong và ngoài mẫu.

Hình 2: Hai đường cong vốn chủ sở hữu. Dữ liệu thương mại trước mỗi mũi tên màu vàng biểu thị trong mẫu thử nghiệm. Giao dịch được tạo ra giữa các mũi tên màu vàng và đỏ chỉ ra các kiểm tra ngoài mẫu. Giao dịch sau mũi tên màu đỏ là từ giai đoạn thử nghiệm chuyển tiếp.

Nếu có sự tương quan ít giữa kiểm tra trong mẫu và ngoài mẫu, như biểu đồ bên trái trong Hình 2, có thể hệ thống đã được tăng quá mức và sẽ không hoạt động tốt trong giao dịch trực tiếp. Nếu có mối tương quan mạnh mẽ trong việc thực hiện, như được thấy trong biểu đồ bên phải trong Hình 2, giai đoạn tiếp theo của đánh giá bao gồm một loại thử nghiệm ngoài mẫu được gọi là kiểm tra hiệu năng chuyển tiếp. Các bài kiểm tra về hiệu quả hoạt động chuyển tiếp Những bài cơ bản về kiểm tra kết quả Hoạt động thử nghiệm về chuyển tiếp, hay còn gọi là kinh doanh giấy, cung cấp cho các nhà kinh doanh một loạt các thông tin khác về dự báo, xem Dự báo tài chính: Phương pháp Bayesian -f-mẫu dữ liệu trên đó để đánh giá một hệ thống. Chuyển tiếp thử nghiệm hiệu suất là một mô phỏng của kinh doanh thực tế và liên quan đến logic của hệ thống trong một thị trường sống. Nó còn được gọi là kinh doanh giấy vì tất cả các ngành nghề chỉ được thực hiện trên giấy duy nhất; có nghĩa là các mục nhập và thoát khỏi thương mại được ghi lại cùng với bất kỳ khoản lợi nhuận hay lỗ nào cho hệ thống, nhưng không thực hiện giao dịch thực. Một khía cạnh quan trọng của việc kiểm tra hiệu năng chuyển tiếp là phải tuân theo chính xác hệ thống; nếu không, nó sẽ trở nên khó khăn, nếu không phải là không thể, để đánh giá chính xác bước này của quy trình. Thương nhân nên trung thực về bất kỳ mục nhập thương mại và thoát hiểm và tránh hành vi như giao dịch đào anh đào hoặc không bao gồm một thương mại trên giấy hợp lý hóa rằng "Tôi đã không bao giờ có thương mại đó." Nếu thương mại đã xảy ra theo logic của hệ thống, cần được ghi lại và đánh giá.

Nhiều công ty môi giới cung cấp một tài khoản giao dịch mô phỏng, nơi giao dịch có thể được đặt và tính toán lợi nhuận và lỗ tương ứng. Sử dụng tài khoản giao dịch mô phỏng có thể tạo ra bầu không khí bán thực tế để thực hành giao dịch và đánh giá hệ thống. Hình 2 cũng cho thấy các kết quả để thử nghiệm hiệu năng chuyển tiếp trên hai hệ thống. Một lần nữa, hệ thống được biểu thị trong biểu đồ bên trái không làm tốt hơn việc kiểm tra ban đầu đối với dữ liệu trong mẫu. Hệ thống được hiển thị trong biểu đồ bên phải, tuy nhiên, tiếp tục thực hiện tốt qua tất cả các giai đoạn, bao gồm cả việc kiểm tra hiệu suất chuyển tiếp.Một hệ thống cho thấy các kết quả tích cực với sự tương quan tốt giữa kiểm tra kết quả mẫu, ngoài mẫu và thử nghiệm về phía trước đã sẵn sàng để được thực hiện trong một thị trường sống.

Dòng dưới cùng

Kiểm tra lại là một công cụ có giá trị có sẵn trong hầu hết các nền tảng giao dịch. Chia dữ liệu lịch sử thành nhiều bộ để cung cấp cho thử nghiệm trong mẫu và ngoài mẫu có thể cung cấp cho thương nhân một phương tiện thực tiễn và hiệu quả để đánh giá ý tưởng kinh doanh và hệ thống. Vì hầu hết các thương nhân sử dụng các kỹ thuật tối ưu hoá trong kiểm tra lại thì điều quan trọng là phải đánh giá hệ thống dữ liệu sạch để xác định khả năng tồn tại của nó. Tiếp tục thử nghiệm ngoài mẫu với kiểm tra hiệu suất chuyển tiếp cung cấp một lớp an toàn khác trước khi đưa một hệ thống trên thị trường có nguy cơ thực tiền mặt. Kết quả tích cực và mối tương quan tốt giữa kiểm tra lại mẫu và kiểm tra kết quả ngoài mẫu và làm tăng khả năng hệ thống sẽ hoạt động tốt trong kinh doanh thực tế. (Để có tổng quan toàn diện về phân tích kỹ thuật, xem

Phân tích kỹ thuật: Giới thiệu .)