Wie Backtests von Handelssystemen und Vermeidung von Kurvenanpassungen Um zu beurteilen, wie gut ein gegebenes Handelssystem in Zukunft funktionieren sollte, testen wir es auf vergangenen Marktdaten. Backtesting wendet eine Reihe von Handelsregeln auf historische Daten an, um zu schätzen, wie diese Regeln ausgeführt hätten, wenn wir sie tatsächlich gehandelt hätten. Gute hypothetische historische Ergebnisse garantieren nicht, dass eine Reihe von Regeln auch in Zukunft gut funktionieren wird. Jedoch, schlechte hypothetische historische Ergebnisse fast sicher bedeuten, ein System sollte nicht in Echtzeit gehandelt werden. Der wahrgenommene Wert des Backtests ist in dem Glauben verwurzelt, dass historische Tendenzen sich wiederholen. Trader testen Strategien für historische Daten für Generationen. Allerdings wurde die Praxis mit dem Aufkommen von Personalcomputern und zweckgebundenen System-Test-Software populär. Wie System Writer, die in TradeStation entwickelt. Diese Software und eine Datenbank mit historischen Daten erlaubten denjenigen ohne Code-Schreiben Hintergrund, um Handelssystemideen zu testen. Das breitere Verständnis und die Akzeptanz von Handelssystemen sowie die Enttäuschung, die viele beim Versuch hatten, Handelssysteme auf eigene Faust aufzubauen, halfen dem Markt der Drittsysteme in den 1990er Jahren zu gedeihen. Futures Truth ist ein unabhängiges Unternehmen, das seit den 1980er Jahren handelsübliche Handelssysteme verfolgt. Derzeit verfolgt er mehr als 500 Systeme. Futures Truth testet Handelssysteme in Echtzeit, nicht auf historischen Daten. Dies verhindert die Modifikation von Regeln über die Zeit und simuliert die Regelausführung in tatsächlichen Marktbedingungen, wie z. B. Perioden hoher Volatilität. Nach Futures Truth sind nur etwa 45 der Tracking-Systeme langfristig rentabel, während nur 20 ein gutes Risiko-Rendite-Verhältnis aufweisen. Allerdings sind diese Zahlen wahrscheinlich besser als die breitere Bevölkerung rsquos, weil nur die Anbieter wirklich zuversichtlich, in ihrer Logik es zu Futures Truth für Echtzeit-Analyse und öffentliche Kritik. So viele Systeme scheitern, weil sie eine gültige Prämisse fehlt. Stattdessen werden die Ein - und Ausfahrparameter aus dem Data Mining abgeleitet. Data Mining einfach scannt historische Daten für Regeln, die in der Vergangenheit gearbeitet haben würde. Oft sind solche Regeln genau auf die Vergangenheit abgestimmt und haben keine Hoffnung auf ein besseres Arbeiten als zufällig auf unsichtbare Daten. Stattdessen sollte die Systementwicklung mit einer Theorie beginnen, die getestet, analysiert und auf die Anwendung abgestimmt werden kann. Dieses Konzept beinhaltet auch eine andere Perspektive auf das System-Testen selbst: Das Ziel des Backtesting ist es nicht, eine Sammlung von hypothetischen Gewinn-und Verlust-Statistiken zu produzieren. Es ist, die Gültigkeit der Theorie und die Richtigkeit der Regeln bei der Erfassung der Prämisse zu testen. Die Systemprüfung ist ein vielfältiger Prozess von den Daten, über die Zeitskala bis hin zu Auftragseingangsannahmen, Kontraktspezifika und Risikokontrolle. Das Failing an irgendwelchen von diesen kann ein anderweitig gültiges Testmdash ruinieren, oder, sie zu manipulieren, Resultate erzeugen, die weit überlegen sind, als, was wir in der Realzeit erreichen würden. Sie müssen es richtig machen, wenn Sie hoffen, mdash validieren oder wenn angemessen, ungültig mdash Ihr System. Werkzeuge des Handels Es gibt zwei Elemente zum Backtesting: Die richtigen Werkzeuge mdash Software und Daten mdash und eine wissenschaftliche Methode, um Systeme mit diesen Werkzeugen zu entwickeln. Letrsquos beginnen mit Blick auf die Werkzeuge des Handels. Viele Optionen stehen für die Prüfung Ihrer Ideen zur Verfügung. Sie unterscheiden sich in der Leichtigkeit der Umwandlung von Ideen in Code und in, wie sie die Details behandeln, die einen großen Einfluss auf die Ergebnisse haben können. Wenn zum Beispiel ein System eine Limit-Order eingibt, registriert eine Software eine Füllung, wenn dieser Preis berührt wird. Allerdings gibt es kaum eine Garantie, dass eine solche Bestellung im echten Handel gefüllt worden wäre, noch gibt es eine Garantie, die es sein wird. Die Eingabe auf Stationen garantiert eine Eintragung, aber nicht einen Preis. Ein weiteres Problem ist die Erfassung der realen Preise. Während die meisten professionell entwickelten Software nicht mehr dieses Problem hat, ist es immer noch ein Anliegen für diejenigen, die manuell testen Systeme in Tabellenkalkulationen, wie Microsoft Excel. Zum Beispiel, wenn ein System kauft auf einem Stopp gleich der Nähe plus ein Drittel des durchschnittlichen Bereichs in den letzten drei Perioden, und wenn die durchschnittliche Reichweite ist 10, dann sind wir am Schluss zu kaufen und 3,333. Wenn wir den E-Mini SampP 500 handeln, handelt es sich um 0,25 Tick-Größen. Das bedeutet, dass die Eingangsdifferenz auf 3,50 runden muss. Ein Anfang Trader kann dies nicht erkennen, wenn manuell knirscht Zahlen, und es war nicht zu lange her, dass viele professionelle Programme den gleichen Fehler gemacht. Im Laufe der Zeit könnte ein solcher Fehler bis zu einer beträchtlichen Diskrepanz. Im großen Bild sind jedoch solche Verfahrensdetails gering. Das große Problem sind Daten. Related ArticlesWichtige rechtliche Informationen über die E-Mail, die Sie senden werden. Durch die Nutzung dieses Dienstes erklären Sie sich damit einverstanden, Ihre echte E-Mail-Adresse einzugeben und nur an Personen zu senden, die Sie kennen. Es ist eine Verletzung des Rechts in einigen Gerichtsbarkeiten zu fälschlich identifizieren sich in einer E-Mail. Alle Informationen, die Sie zur Verfügung stellen, werden von Fidelity ausschließlich für den Zweck verwendet, die E-Mail in Ihrem Namen zu senden. Die Betreffzeile der E-Mail, die Sie senden, ist Fidelity: Ihre E-Mail wurde gesendet. Mutualfonds und Investmentfonds - Fidelity Investments Mit einem Klick auf einen Link öffnet sich ein neues Fenster. Was wir bieten Investitionen und Dienstleistungen Advanced Trading Erfahren Sie mehr Strategy Testing Tools Verwenden Sie historische Marktdaten, die Ihnen helfen, Trading-Strategien zu testen, bevor Sie investieren. Greifen Sie auf dieses Tool direkt in Ihrem Browser zu, oder laden Sie Wealth-Lab Pro für robustere Funktionen herunter. Web-basiertes Strategie-Testen Für alle Fidelity-Kunden Sparen Sie Strategien und überwachen Sie sie. Holen Sie sich kaufen und verkaufen Alerts, Ort Trades und Überprüfung Bestellungen. Desktop-Strategie-Testing Erhältlich für Kunden, die mehr als 36 Mal in einem rollenden 12-Monats-Zeitraum mit einem Minimum von 25.000 in Vermögenswerten Wealth-Lab Pro können Sie mit oder ohne Code anpassen, testen Sie mehrere Strategien auf einmal und Ort Trades manuell oder automatisch. Herunterladen Wealth-Lab Pro Wealth-Lab Pro. Unter der HoodBacktesting und Forward Testing: Die Bedeutung der Korrelation Händler, die eifrig sind, eine Trading-Idee in einem Live-Markt versuchen oft den Fehler, sich vollständig auf Backtesting-Ergebnisse, um festzustellen, ob das System rentabel sein wird. Während Backtesting Händler mit wertvollen Informationen versorgen kann, ist es oft irreführend und es ist nur ein Teil des Evaluierungsprozesses. Out-of-Sample-Tests und Vorwärts-Performance-Tests bieten weitere Bestätigung in Bezug auf eine System-Effektivität, und kann zeigen, dass Systeme echte Farben, bevor echtes Geld auf der Linie ist. Eine gute Korrelation zwischen Backtesting-, Out-of-Sample - und Forward-Performance-Testergebnissen ist entscheidend für die Bestimmung der Tragfähigkeit eines Handelssystems. Weitere Informationen finden Sie unter Backtesting: Interpretation der Vergangenheit. Backtesting-Grundlagen Backtesting bezieht sich auf die Anwendung eines Handelssystems auf historische Daten, um zu überprüfen, wie ein System während des Trainings durchgeführt worden wäre Den angegebenen Zeitraum. Viele der heutigen Handelsplattformen unterstützen Backtests. Händler können Ideen mit wenigen Tastenanschlägen testen und Einblicke in die Effektivität einer Idee erhalten, ohne Geld in einem Handelskonto zu riskieren. Backtesting kann einfache Ideen auswerten, wie z. B. wie ein gleitender Durchschnitt Crossover auf historische Daten oder komplexere Systeme mit einer Vielzahl von Eingaben und Trigger ausführen würde. Solange eine Idee quantifiziert werden kann, kann sie rückgängig gemacht werden. Einige Händler und Investoren können die Expertise eines qualifizierten Programmierers, um die Idee in eine testable Form entwickeln zu suchen. Typischerweise handelt es sich um einen Programmierer, der die Idee in die proprietäre Sprache codiert, die von der Handelsplattform gehostet wird. Der Programmierer kann benutzerdefinierte Eingabevariablen enthalten, die es dem Händler ermöglichen, das System zu optimieren. Ein Beispiel hierfür wäre das einfache gleitende durchschnittliche Crossover-System, wie oben erwähnt: Der Trader würde in der Lage sein, die Längen der beiden im System verwendeten Bewegungsdurchschnitte einzugeben (oder zu ändern). Der Händler konnte backtest, um zu bestimmen, welche Längen der gleitenden Durchschnitte das beste auf den historischen Daten durchgeführt hätten. (Mehr Einblick in das Electronic Trading Tutorial.) Optimierungsstudien Viele Handelsplattformen ermöglichen auch Optimierungsstudien. Dies beinhaltet die Eingabe eines Bereichs für die angegebene Eingabe und lassen Sie den Computer die Mathematik, um herauszufinden, welche Eingabe würde die besten durchgeführt haben. Eine Multi-Variable-Optimierung kann die Mathematik für zwei oder mehr Variablen kombinieren, um zu bestimmen, welche Ebenen zusammen das beste Ergebnis erzielt haben. Beispielsweise können Händler dem Programm mitteilen, welche Eingaben sie in ihre Strategie aufnehmen wollen, die dann unter Berücksichtigung der getesteten historischen Daten auf ihre idealen Gewichte optimiert würden. Backtesting kann spannend sein, indem ein unrentables System oft mit wenigen Optimierungen magisch in eine Geldmaschine verwandelt werden kann. Leider tweaking ein System, um das größte Niveau der Vergangenheit Rentabilität zu erreichen führt oft zu einem System, das schlecht im realen Handel ausführen wird. Diese Überoptimierung schafft Systeme, die nur auf Papier gut aussehen. Kurvenanpassung ist die Verwendung von Optimierungsanalysen, um die höchste Anzahl von Gewinntransaktionen mit dem größten Gewinn aus den in der Testperiode verwendeten historischen Daten zu schaffen. Obwohl es in Backtesting-Ergebnissen eindrucksvoll aussieht, führt die Kurvenanpassung zu unzuverlässigen Systemen, da die Ergebnisse im Wesentlichen nur für diese bestimmten Daten und Zeiträume angepasst sind. Backtesting und Optimierung bieten viele Vorteile für einen Händler, aber dies ist nur ein Teil des Prozesses bei der Bewertung eines potenziellen Handelssystems. Der nächste Schritt besteht darin, das System auf historische Daten anzuwenden, die in der anfänglichen Backtesting-Phase nicht verwendet wurden. (Der gleitende Durchschnitt ist einfach zu berechnen und ist, sobald er in einem Diagramm aufgezeichnet ist, ein leistungsstarkes visuelles Trend-Spotting-Tool.) Weitere Informationen finden Sie unter Simple Moving Averages, die Trends Stand Out darstellen.) In-Sample und Out-of-Sample-Daten Beim Testen einer Idee auf historische Daten ist es vorteilhaft, einen Zeitraum von historischen Daten für Testzwecke zu reservieren. Die anfänglichen historischen Daten, auf denen die Idee getestet und optimiert wird, werden als In-Probe-Daten bezeichnet. Der reservierte Datensatz wird als Out-of-Sample-Daten bezeichnet. Dieses Setup ist ein wichtiger Teil des Evaluierungsprozesses, da es eine Möglichkeit bietet, die Idee auf Daten zu testen, die nicht Bestandteil des Optimierungsmodells waren. Infolgedessen wird die Idee in keiner Weise durch die Out-of-Sample-Daten beeinflusst worden sein, und Händler werden in der Lage sein zu bestimmen, wie gut das System auf neuen Daten, d. H. Im realen Handel, vorgehen könnte. Bevor ein Backtesting oder eine Optimierung initiiert wird, können Händler einen Prozentsatz der historischen Daten reservieren, die für das Out-of-Sample-Testen reserviert werden sollen. Eine Methode besteht darin, die historischen Daten in Drittel aufzuteilen und ein Drittel für die Verwendung im Out-of-Sample-Test zu trennen. Nur die In-Probe-Daten sollten für die Erstprüfung und Optimierung verwendet werden. Fig. 1 zeigt eine Zeitlinie, in der ein Drittel der historischen Daten für einen Test außerhalb des Abtastwerts reserviert ist, und zwei Drittel für das In-Probe-Testen verwendet werden. Obwohl Fig. 1 die Out-of-Sample-Daten am Beginn des Tests zeigt, würden typische Prozeduren den Out-of-Sample-Anteil aufweisen, der unmittelbar der Vorwärtsleistung vorausgeht. Abbildung 1: Eine Zeitzeile, die die relative Länge von In-Sample - und Out-of-Sample-Daten repräsentiert, die im Backtesting-Prozess verwendet werden. Sobald ein Handelssystem unter Verwendung von In-Sample-Daten entwickelt worden ist, ist es bereit, auf die Out-of-Sample-Daten angewendet zu werden. Trader können die Performance-Ergebnisse zwischen den In-Sample - und Out-of-Sample-Daten auswerten und vergleichen. Korrelation bezieht sich auf Ähnlichkeiten zwischen den Leistungen und den Gesamttrends der beiden Datensätze. Korrelationsmetriken können bei der Bewertung der im Testzeitraum erstellten Strategieleistungsberichte verwendet werden (ein Feature, das die meisten Handelsplattformen bereitstellen). Je stärker die Korrelation zwischen den beiden, desto besser die Wahrscheinlichkeit, dass ein System gut in Vorwärts-Performance-Tests und Live-Handel. Fig. 2 veranschaulicht zwei verschiedene Systeme, die auf In-Probe-Daten getestet und optimiert wurden und dann auf Daten außerhalb der Abtastwerte angewendet wurden. Das Diagramm auf der linken Seite zeigt ein System, das klar kalibriert wurde, um gut auf den In-Sample-Daten zu arbeiten und bei den Out-of-Sample-Daten vollständig fehlgeschlagen ist. Die Grafik auf der rechten Seite zeigt ein System, das sowohl im In - als auch im Out-of-Sample-Bereich gut funktioniert. Abbildung 2: Zwei Aktienkurven. Die Handelsdaten vor jedem gelben Pfeil stehen für Stichprobenprüfung. Die zwischen den gelben und roten Pfeilen erzeugten Trades deuten auf Proben außerhalb des Tests hin. Die Trades nach den roten Pfeilen stammen aus den Vorwärts-Performance-Testphasen. Wenn es nur wenige Korrelationen zwischen dem Stichprobenverfahren und dem Out-of-Sample-Test gibt, wie das linke Diagramm in Abbildung 2, ist es wahrscheinlich, dass das System überoptimiert wurde und im Live-Handel nicht gut funktioniert. Wenn es eine starke Korrelation in der Leistung gibt, wie in dem rechten Diagramm in 2 zu sehen ist, beinhaltet die nächste Phase der Evaluierung eine zusätzliche Art von Out-of-Sample-Tests, die als Vorwärtsleistungstests bekannt sind. (Für weitere Informationen über die Prognose, siehe Financial Forecasting: Die Bayessche Methode.) Forward Performance Testing Basics Forward Performance Testing, auch bekannt als Papierhandel. Bietet den Händlern einen weiteren Satz von Out-of-Sample-Daten, auf denen ein System ausgewertet werden kann. Forward-Performance-Tests ist eine Simulation des tatsächlichen Handels und beinhaltet nach der System-Logik in einem Live-Markt. Es wird auch Papierhandel genannt, da alle Trades auf Papier ausgeführt werden, nur dass Handelseinträge und Exits zusammen mit einem Gewinn oder Verlust für das System dokumentiert werden, aber keine echten Trades ausgeführt werden. Ein wichtiger Aspekt der Vorwärtsleistungstests ist, der Systemlogik genau anders zu folgen, es wird schwierig, wenn nicht unmöglich, diesen Schritt des Prozesses genau zu bewerten. Trader sollten ehrlich über alle Handels-Einträge und Ausfahrten und vermeiden Verhalten wie Cherry Kommissionierung Trades oder nicht einschließlich eines Handels auf Papier Rationalisierung, dass ich nie diesen Handel genommen hätte. Wenn der Handel nach der Systemlogik aufgetreten wäre, sollte er dokumentiert und ausgewertet werden. Viele Broker bieten ein simuliertes Trading-Konto, in dem Trades platziert werden können und der entsprechende Gewinn und Verlust berechnet. Mit einem simulierten Handelskonto kann eine semi-realistische Atmosphäre geschaffen werden, auf der der Handel praktiziert und das System weiter beurteilt werden kann. Abbildung 2 zeigt auch die Ergebnisse für Vorwärtsleistungstests an zwei Systemen. Wiederum kann das in der linken Tabelle dargestellte System nicht weit über das anfängliche Testen an In-Probe-Daten hinausgehen. Das in der rechten Grafik gezeigte System arbeitet jedoch weiterhin gut durch alle Phasen, einschließlich der Vorwärtsleistungstests. Ein System, das positive Ergebnisse mit guter Korrelation zwischen In-Sample-, Out-of-Sample - und Forward-Performance-Tests zeigt, ist bereit, in einem Live-Markt implementiert zu werden. Das Bottom Line Backtesting ist ein wertvolles Werkzeug in den meisten Handelsplattformen. Durch die Aufteilung historischer Daten in mehrere Sets, die für Stichproben - und Out-of-Sample-Tests sorgen, können Händler eine praktische und effiziente Methode zur Bewertung einer Handelsidee und eines Systems darstellen. Da die meisten Trader Optimierungstechniken im Backtesting einsetzen, ist es wichtig, dass dann das System auf saubere Daten ausgewertet wird, um seine Lebensfähigkeit zu bestimmen. Fortsetzung der Out-of-Sample-Tests mit Vorwärts-Performance-Tests bietet eine weitere Ebene der Sicherheit, bevor sie ein System in den Markt riskant echtes Geld. Positive Ergebnisse und eine gute Korrelation zwischen In-Sample - und Out-of-Sample-Backtests und Forward-Performance-Tests erhöhen die Wahrscheinlichkeit, dass ein System im eigentlichen Handel gut abschneiden wird. (Einen umfassenden Überblick über die technische Analyse finden Sie unter Technische Analyse: Einleitung.)
No comments:
Post a Comment