Прогрессивная оптимизация

Прогрессивная оптимизация — это метод, используемый в финансах для определения оптимальных параметров торговой стратегии и определения ее надежности. Анализ движения вперед был создан Робертом Э. Пардо в 1992 году. и расширен во втором издании. Анализ Walk Forward в настоящее время широко считается «золотым стандартом» в проверке торговых стратегий. Торговая стратегия оптимизирована с использованием выборочных данных для временного окна в ряду данных. Остальные данные зарезервированы для вневыборочного тестирования . Небольшая часть зарезервированных данных, следующих за данными в выборке, проверяется, и результаты записываются. Временное окно внутри выборки сдвигается вперед на период, охватываемый тестом вне выборки, и процесс повторяется. Наконец, все записанные результаты используются для оценки торговой стратегии.

После того, как наиболее подходящие параметры найдены, система запускается с использованием другого сегмента данных. Два сегмента данных не перекрывают друг друга. Вот что значит провести один предварительный тест или тест вне выборки. Это кульминация следующих методов и средств в создании надежных систем.

Прошлые данные используются для бэктестирования торговой системы. Это относится к применению торговой системы к историческим данным для проверки того, как система работала бы в течение определенного периода времени, и полезно, если система не была прибыльной в прошлом.

Форвардное тестирование (также известное как форвардное тестирование ) — это моделирование данных реального рынка только на бумаге. Человек движется по рынкам вживую и не использует реальные деньги, а виртуально торгует на рынках, чтобы лучше понять их движения. Следовательно, его также называют Paper Trading . Форвардное тестирование производительности представляет собой симуляцию реальной торговли и предполагает отслеживание логики системы на реальном рынке.

Обзор

Одна из самых больших проблем при разработке систем заключается в том, что многие системы не выдерживают критики в будущем. Для этого есть несколько причин. Во-первых, система не основана на достоверной предпосылке. Другая причина заключается в том, что тестирование не является обоснованным по таким причинам, как:

• Недостаточная надежность системы из-за неправильных параметров. Система считается устойчивой, если она хорошо работает в любых рыночных условиях.
• Непоследовательные правила и неправильное тестирование системы с использованием данных «вне выборки» и «внутри выборки».

Walk Forward Analysis выполняет оптимизацию обучающего набора; протестируйте период после набора, а затем перекатите все вперед и повторите процесс. У нас есть несколько периодов вне выборки, и мы рассматриваем эти результаты вместе. Анализ пошагового прогнозирования был впервые представлен Робертом Э. Пардо в первой версии его книги « Проектирование, тестирование и оптимизация торговых систем» в 1992 году. Первая точная программная реализация анализа пошагового прогнозирования была в новаторском приложении Advanced Trade от Pardo Corporation , а затем во все более продвинутых версиях в других приложениях, таких как Blast и XT . Движение вперед может помочь торговой модели быть на шаг впереди. Так называется ходьба вперед, поскольку у нас есть несколько периодов тренировок и испытаний ходьбы, которые с меньшей вероятностью пострадают от переобучения . Эта статья была первоначально опубликована в журнале Futures (несуществующем) и представляла анализ Walk Forward в зарождающейся форме.

Прогрессивное тестирование позволяет нам разработать торговую систему, сохраняя при этом разумную «степень свободы» . Прогрессивное тестирование выводит идею тестирования «вне выборки» на новый уровень. Это специфическое применение метода, известного как перекрестная проверка . Это означает, что нужно взять сегмент ваших данных для оптимизации системы, а другой сегмент данных — для проверки. Следовательно, здесь вы оптимизируете окно данных, скажем, после 1000 баров, а затем тестируете его на следующих 200 барах. Затем прокрутите все это вперед на 200 тактов и повторите процесс. Это дает вам большой период выборки и позволяет увидеть, насколько стабильна система с течением времени.

Предположим, вы рассматриваете стратегию, основанную на скользящей средней. Вы берете данные за первые три месяца и обнаруживаете, что для этого периода оптимальной была 20-минутная скользящая средняя (с использованием тиковых данных). Затем вы подтверждаете это правило, оценивая его эффективность за четвертый месяц (т. е. прибыль, вознаграждение/риск или любую другую интересующую статистику). Затем вы повторяете оптимизацию, используя данные за 2–4 месяцы, и проверяете, используя 5-й месяц, и продолжаете повторять это, пока не достигнете конца данных. Производительность, которую вы получите за месяцы проверки (4–13), — это ваша производительность, выходящая за пределы выборки.

Основы используемых данных

Прежде чем проводить обратное тестирование или оптимизацию, необходимо настроить необходимые данные, которые представляют собой исторические данные за определенный период времени. Этот сегмент исторических данных делится на следующие два типа:

• Данные в выборке : это прошлый сегмент рыночных данных (исторические данные), зарезервированный для целей тестирования. Эти данные используются для первоначального тестирования и любой оптимизации и представляют собой исходные параметры тестируемой системы.
• Данные вне выборки : это зарезервированный набор данных (исторические данные), который не является частью данных внутри выборки. Это важно, поскольку это гарантирует, что система будет протестирована на другом периоде исторических данных не раньше, тем самым устраняя любую предвзятость или влияние при проверке производительности системы.

Полный процесс анализа вперед состоит из поиска оптимальных параметров торговой системы с использованием данных в выборке, а затем применения данных за пределами выборки к системе. Этот процесс повторяется в течение всего периода исторического тестирования.

Заключение

Для лучшего понимания, пожалуйста, посмотрите пример здесь.

Чтобы оценить любую систему, следует проверить ее производительность при использовании «Данных вне выборки» (тестовых данных), а не «Данных внутри выборки» (данных, используемых для оптимизации системы). Таким образом, пошаговый тест определяет оптимизированную производительность системы путем сбора статистики производительности для всех окон вне выборки. Это сводка производительности пошагового анализа.

• Это надежно ? Торговая стратегия считается надежной, если она дает положительные результаты. Надежная стратегия – это стратегия, которая, как ожидается, обеспечит эффективность торговли в реальном времени, соответствующую ее профилю развития. Оценка торговой стратегии как торгуемого актива – это совершенно другой процесс. См. цитируемый вариант 2, стр. 263–280.
• Это слишком приспособлено ? Это сложная область. В целом, стратегии, которые являются переподходящими, не смогут пройти перспективный анализ. Однако достаточно сказать, что стратегия может быть надежной и демонстрировать некоторые симптомы переобучения. Например, если стратегия уточняется путем добавления различных компонентов и фильтров, это может привести к некоторой степени переобучения. Если трейдер обнаружит это, в зависимости от степени этого может оказаться разумным отказаться от таких изменений. Подробное обсуждение этого вопроса см. в цитируемом варианте 2, стр. 281-300.

См. также

• Бэк-тестирование
• Математическая оптимизация
• Переобучение
• Торговая стратегия

Литература

• Кац, Джеффри Оуэн и Маккормик, Донна Л. «Энциклопедия торговых стратегий». МакГроу-Хилл, 2000.
• Основы технического анализа: инструменты и методы для выявления рыночных тенденций Ли Стивенс
• Энциклопедия технических индикаторов рынка Роберт В. Колби

Внешние ссылки

• Тестирование вне выборки и предварительное тестирование