거래 시작 방법 : 거래 계획 테스트.
개발 프로세스의 핵심은 거래 계획을 테스트하여 기대치를 결정하는 것입니다. 시스템이 실제 시장에서 얼마나 많은 돈을 벌 수 있습니까? 우리 중 대부분은 다양한 금융 웹 사이트와 문학에 게시 된 경고를 보았습니다. "과거 실적은 미래 결과를 나타내는 것이 아닙니다."이것은 무역 계획에서 분명히 드러나지 만, 계획이 실행될 가능성이 있는지를 결정하기 위해 취할 수있는 조치가 있습니다. 미래에 성공한다. 즉, 백 테스트 및 순방향 성능 테스트입니다.
역 테스팅.
용어 백 테스팅은 과거 기간의 데이터를 해당 기간 동안 어떻게 수행했는지 확인하기 위해 거래 시스템을 테스트하는 것을 의미합니다. 오늘날 대부분의 거래 플랫폼은 강력한 백 테스팅 기능을 갖추고 있으며 거래 계좌에서 돈을 버는 일없이 아이디어를 신속하게 테스트 할 수 있습니다. 역 테스팅은 이동 평균 크로스 오버가 수행하는 방식 또는 다양한 입력 및 트리거를 사용하는 더 복잡한 시스템과 같은 간단한 아이디어를 평가하는 데 사용할 수 있습니다.
커브 피팅은 시스템을 조정 또는 최적화하여 테스트 기간에 사용 된 과거 데이터에 대해 가장 높은 매출 달성율 또는 최대 이익을 창출하는 것입니다. 시스템은 백 테스트 결과에서 시스템을 환상적으로 보이게하지만 결과는 본질적으로 과거 한 번에 한 번 사용자 정의 된 것이므로 신뢰할 수없는 시스템으로 연결됩니다. 백 테스트 및 최적화는 많은 이점을 제공하지만 거래 시스템을 평가할 때 프로세스의 일부일뿐입니다. 다음 단계는 새로운 히스토리 데이터에 시스템을 적용하는 것입니다.
In-Sample 대 Out-of-Sample 데이터.
테스트 목적으로 일정 기간의 과거 데이터를 예약하는 것이 좋습니다. 테스트하고 최적화하는 초기 히스토리 데이터를 샘플 내 데이터라고하며 예약 된 데이터 세트를 샘플 외부 데이터라고합니다. 이 "깨끗한"데이터 세트는 최적화 프로세스에 영향을 미치지 않은 데이터에 대한 아이디어를 테스트 할 수있는 방법을 제공하기 때문에 평가 프로세스의 중요한 부분입니다. 이를 통해 라이브 거래에서 시스템이 어떻게 수행 될지 더 잘 알 수 있습니다.
샘플 내 데이터를 사용하여 거래 계획을 평가 한 후에는이를 샘플 외부 데이터에 적용 할 수 있습니다. 샘플 내 테스트와 샘플 내 테스트간에 상관 관계가 낮 으면 시스템이 지나치게 최적화되어 라이브 거래에서 제대로 작동하지 않을 가능성이 있습니다. 강한 상관 관계가있는 경우 평가의 다음 단계는 순방향 성능 테스트라고하는 추가 샘플 형식 테스트입니다.
무역 시스템 전방 테스트
AmiBroker 5.10은 자동 Walk-Forward 테스트 모드를 특징으로합니다.
자동 Walk Forward 테스트는 시장 데이터의 과거 세그먼트에 대한 매개 변수 값을 최적화 한 다음 (예 : 샘플 내에서) 시스템을 앞으로 테스트하여 성능을 확인하는 시스템 설계 및 유효성 검사 기술입니다 최적화 세그먼트 (& # 8221; out-of-sample & # 8221;)를 따르는 데이터에 시간을두고 있습니다. 시스템은 최적화 된 데이터가 아니라 테스트 데이터 (샘플 외부)에서 얼마나 잘 수행되는지 평가하여 시스템을 평가합니다. 프로세스는 후속 시간 세그먼트에 걸쳐 반복 될 수 있습니다. 다음 그림은 프로세스 작동 방식을 보여줍니다.
워크 - 포워드 (walk-forward) 테스트의 목적은 최적화 된 트레이딩 시스템의 성능이 현실적이거나 커브 피팅의 결과 일 때마다 결정하는 것입니다. 시스템의 성능은 예측 가치가 있고 보이지 않는 (표본 밖의) 시장 데이터를 잘 수행하면 현실적인 것으로 간주 될 수 있습니다. 시스템이 적절히 설계되면 실시간 거래 성과는 최적화 과정에서 발견 된 성과와 관련이 있어야합니다. 시스템이 실제 거래에서 작동하려면 먼저 워킹 포워드 테스트를 통과해야합니다. 다시 말해서, 우리는 항상 샘플 결과가 중요하지 않기 때문에 항상 좋은 결과를 얻습니다. 중요한 것은 시스템 외부의 시스템 성능입니다. 시스템이 실제 거래에서 어떻게 작동하는지 현실적으로 추정하고 커브 피팅 문제를 신속하게 나타냅니다. 샘플 밖의 성능이 좋지 않으면 그러한 시스템을 교환해서는 안됩니다.
시간이 지남에 따라 여러 최적화 / 테스트 단계를 수행한다는 전제는 최근의 과거가 과거의 시스템 매개 변수 값을 선택하는 데 더 나은 토대가된다는 것입니다. 최적화 세그먼트에서 선택한 매개 변수 값이 즉시 따르는 시장 조건에 가장 적합 할 것으로 기대합니다. 시장이 곰 / 불주기를 통해 진행될 때와 그렇지 않을 수도 있으므로 샘플주기의 길이를 선택할 때주의를 기울여야합니다. 워크 포워드 절차와 관련된 모든 문제를 사용한 시스템 설계 및 검증에 대한 자세한 내용은 Howard Bandy의 저서 "Quantitative Trading Systems" (AmiBroker 페이지의 링크 참조).
워크 포워드 최적화를 사용하려면 다음 단계를 따르십시오.
시작 및 종료 날짜는 초기 기간의 시작 / 끝을 표시합니다.
이 기간은 끝이 마지막 날짜에 도달 할 때까지 단계별로 앞으로 이동합니다.
기본적으로 & # 8220; 쉬운 모드 & # 8221; 이 선택되어 WF 매개 변수 설정 과정이 단순 해집니다.
a) 표본 밖의 선은 즉시 표본 세그먼트를 따른다.
b) 아웃 오브 샘플 세그먼트의 길이는 워크 포워드 스텝과 동일하다.
기간 사이. Intraday 모드는 다음 기간의 시작 날짜를 이전 기간의 END 후 NEXT DAY로 설정합니다. 그건 보장합니다.
그 경계 날짜는 일중 데이터를 테스트 할 때 두 번 계산되지 않습니다.
이 인터페이스를 사용하면 상단에있는 확인란을 사용하여 샘플 내 및 샘플 밖의 단계를 선택 해제 할 수 있습니다 (최적화없이 순차적 백 테스트를 실행하는 것과 같은 특수한 경우).
모든 설정은 모든 생성 된 IS / OOS 세그먼트와 해당 날짜를 보여주는 미리보기 목록에 즉시 반영됩니다.
결과를 정렬하고 BEST를 찾는 데 사용됩니다. 모든 기본 제공 열을 사용할 수 있습니다.
(최적화 출력에 나타남) 또는 정의한 사용자 정의 메트릭을 사용할 수 있습니다.
맞춤형 백 테스터에서. 기본값은 CAR / MDD이지만 콤보에서 다른 기본 제공 메트릭을 선택할 수 있습니다.
또한 사용자 정의 백 테스터 인터페이스를 통해 추가 한 모든 사용자 정의 메트릭을 입력 할 수 있습니다.
IN-SAMPLE 및 OUT-OF-SAMPLE 혼합 지분.
표본 및 표본 주식을 결합하여 사용할 수 있습니다.
OSEQUITY 복합 시세 표시기 (IS 및 OOS의 연속 기간은 연결되어 지분의 연속성을 유지하기 위해 조정됩니다. 이 방법은 일반적으로 이익이 복리라고 가정합니다).
ISEQUITY ","In-Sample Equity ", colorRed, styleLine);
OSEQUITY ","Out-Of-Sample Equity ", colorGreen, styleLine);
샘플 밖의 요약 보고서 (5.60의 새로운 기능)
버전 5.60은 모든 샘플 밖 단계를 다루는 새로운 워크 플로우 포워드 요약 보고서를 제공합니다. 보고서 탐색기에 마지막으로 표시되며 'PS'가 있습니다. 유형.
샘플을 벗어난 요약 보고서를 허용하기 위해 진행된 테스트를 수행하는 데 중요한 변경 사항이있었습니다. 가장 중요한 변경 사항은 이후의 각 아웃 - 오브 - 샘플 테스트가 이전 단계 종료 자본과 동일한 초기 자본을 사용한다는 것입니다. (이전에는 일정한 초기 자본을 사용했습니다). 이 변경은 샘플 외부 테스트의 모든 섹션에서 모든 통계 / 메트릭을 올바르게 계산하는 데 필요합니다.
요약 보고서는 기본 제공 메트릭이 샘플의 모든 단계를 올바르게 나타내지 만 사용자 정의 가능한 방법을 사용하여 요약 사용자 지정 메트릭을 구성한다는 메모를 보여줍니다.
첫 번째 단계 값 1, 마지막 단계 값 2, 합계 3, 평균 4, 최소값 5, 최대 값 6.
기본적으로 요약 보고서에는 다른 결합 방법을 지정하지 않는 한 맞춤 측정 항목의 마지막 단계 값이 표시됩니다.
bo. AddCustomMetrics는 이제 새로운 선택적 매개 변수 인 CombineMethod를 갖습니다.
bool AddCustomMetric (문자열 제목, 변형 값, [선택] Variant LongOnlyValue, [선택] Variant ShortOnlyValue, [선택] Variant DecPlaces = 2, [선택 가능] Variine CombineMethod = 2)
이 방법은 백 테스트 리포트, 백 테스트 "summary"에 커스텀 메트릭을 추가합니다. 및 최적화 결과 목록. 제목은 보고서에 표시 할 메트릭의 이름이고, 값은 메트릭의 값이며, 선택적 인수 LongOnlyValue, ShortOnlyValue는 백 테스트 보고서의 추가 / 삭제 전용 열에 값을 제공 할 수 있습니다. 마지막 인수 DecPlaces는 값을 표시하는 데 사용되는 소수점 자리 수를 제어합니다.
지원되는 CombineMethod 값은 다음과 같습니다.
1 첫 번째 단계 값 - 요약 보고서는 첫 번째 샘플 밖 단계에서 사용자 지정 메트릭 값을 표시합니다.
2 마지막 단계 값 (기본값) - 요약 보고서에는 마지막 샘플 밖 단계의 사용자 지정 메트릭 값이 표시됩니다.
3 sum, - 요약 보고서에는 모든 샘플 단계의 사용자 정의 메트릭 값 합계가 표시됩니다.
4 평균 - 요약 보고서는 모든 샘플 단계에서 사용자 지정 메트릭 값의 평균을 보여줍니다.
5 최소값 - 요약 보고서에는 모든 샘플 단계에서 사용자 지정 메트릭의 가장 작은 값이 표시됩니다.
최대 6 개 .- 요약 보고서에는 모든 샘플 단계의 맞춤 측정 항목 중 가장 큰 값이 표시됩니다.
특정 메트릭 계산 방법은 복잡하며 예를 들어 이들을 평균하면 모든 샘플 밖 테스트의 수학적으로 올바른 표현으로 이어지지 않을 것입니다. 모든 기본 제공 측정 항목의 요약은 수학적으로 즉시 사용할 수 있습니다 (예 : 평균이 아닌 * 주어진 값에 적합한 방법을 사용하여 올바르게 계산 된 측정 항목). 이는 사용자 지정 가능하고 사용자가 '결합'방법을 선택하는 것이므로 사용 가능한 방법이 적절하지 않을 수도 있기 때문에 맞춤 측정 항목과 대조됩니다.
이러한 이유로 보고서에는 사용자 지정 메트릭을 결합하는 데 사용 된 사용자 정의 가능한 방법을 설명하는 메모가 포함되어 있습니다.
Walk Forward Optimization은 무엇입니까?
시스템 개발에있어 가장 큰 문제점 중 하나는 많은 거래 전략이 미래에 적용되지 않는다는 것입니다. 이는 다음과 같은 몇 가지 이유 때문일 수 있습니다.
시스템은 유효한 전제를 기반으로하지 않습니다. 시장 조건은 시스템이 개발 된 이론적 인 전제를 손상시키는 극적인 방식으로 변경되었습니다. 시스템은 건전한 방법으로 개발 및 테스트되지 않았습니다. 예를 들어, (a) 부적절한 매개 변수로 인한 시스템의 견고성 부족, 그리고 (b) 샘플 외부 및 샘플 내 데이터를 사용하는 시스템의 일관성없는 규칙 및 부적절한 테스트.
견고성을 검증하고 실질적인 실제 거래 실적의 가능성을 높이기위한 몇 가지 접근법과 방법론이 있습니다.
피크 피하기 제한된 수의 최적화 가능한 매개 변수 3D 표면 곡면 작성 몬테카를로 분석 데이터 스크램블 진행 및 앞으로 진행 역방향 분석을 수행하십시오.
트레이딩 시스템의 안정성을 테스트하고 프로그램이 실제 라이브 거래에서 가장 잘 수행 될 수있는 가장 확실한 방법 중 하나는 워크 포워드 최적화 (WFO)를 사용하는 것입니다. 8220, 무역 시스템의 설계, 테스트 및 최적화 & # 8221; Roberto Pardo.
도보 추적 분석이란 무엇입니까?
Walk forward 분석은 제한된 매개 변수 세트를 사용하여 거래 시스템을 최적화 한 다음 샘플 외부 데이터에 최적화 된 최적의 매개 변수를 테스트하는 프로세스입니다. 이 프로세스는 상인이 실제 라이브 거래에서 자동 거래 시스템을 사용하는 것과 유사합니다. 샘플 내 시간 윈도우는 샘플 밖의 테스트에서 다루는 기간만큼 앞으로 이동하고 프로세스가 반복됩니다. 테스트가 끝나면 기록 된 모든 결과가 거래 전략을 평가하는 데 사용됩니다.
다른 말로하면, 걷기 (forward) 분석은 훈련 세트에 최적화를 수행합니다. 설정 후 일정 기간 동안 테스트를 수행 한 다음 모든 작업을 롤 포워드하고 프로세스를 반복합니다. 우리는 샘플을 벗어난 여러 기간을 가지고 이러한 결과를 결합하여 검토합니다. Walk forward testing은 Cross-validation으로 알려진 기술의 특정 응용 프로그램입니다. 이는 시스템을 최적화하기 위해 데이터 세그먼트를 취하고 유효성을 검사 할 다른 데이터 세그먼트를 의미합니다. 이것은 샘플 밖의 기간을 더 많이 제공하며 시스템 개발자는 시스템이 얼마나 안정적인지 알 수 있습니다.
아래 그림은 도보 진행 분석 절차를 보여줍니다. 최적화가 더 긴 기간 (샘플 내 데이터)에서 수행 된 후 최적화 된 매개 변수 세트는 이후의 더 짧은 기간 (샘플 외부 데이터)에서 테스트됩니다. 최적화 및 테스트 기간이 앞으로 이동되고 적절한 샘플 크기가 될 때까지 프로세스가 반복됩니다.
개념을 설명하기 위해이 기사에서 변동성 브레이크 아웃 거래 시스템 (VBO)에 대한 워크 포워드 최적화를 수행 할 것입니다. 테스트를 위해 우리는 독일 DAX 선물, NinjaTrader, CQG 역사 1 분 데이터를 사용할 것이고 거래 마찰을 다루기 위해 각 R / T 거래에 대해 3 포인트의 미끄러짐을 가정 할 것입니다.
프로세스는 세 가지 주요 단계로 구성됩니다.
샘플 내 및 샘플 외 기간 정의 강력한 매개 변수 영역 정의 도보 진행.
표본 기간 및 표본 기간의 정의.
우리는 시스템 설계 및 샘플 내 최적화를 위해 샘플 내 1/1/2001 ~ 12/31/2009를 선택하고, 인 - 샘플 최적화를 위해 샘플 외 기간으로 1/1/2010 ~ 12/31/2012를 선택할 것입니다. 샘플 최적화 강건성을 확보하고 앞으로 나아갈 수 있습니다. 그런 다음 WFO에 대해 3 : 1 비율을 사용합니다 (도보 앞으로 최적화).
2007 년부터 2009 년까지 최적화하고 2010 년에 샘플 밖의 성능을 확인하십시오. 2008 년에서 2010 년까지 최적화하고 2011 년에 샘플 밖의 성능을 확인하십시오. 2009 년에서 2011 년까지 최적화하고 2012 년에 샘플 밖의 성능을 확인하십시오.
샘플 내 기간에 강력한 매개 변수 영역을 정의하십시오.
이 섹션에서는 & nbsp; 강력한 영역 & # 8221; 시스템 매개 변수의. 다음과 같이 3 개의 시스템 매개 변수 만 최적화합니다.
빠른 평균의 전환 확인 기간 변동성이 가장 낮은 평균 전환 가능성 분석 기간의 전환 확인 기간입니다.
최적화하지 않을 다른 시스템 매개 변수는 다음과 같습니다.
시작 시간 : 09:00 (GMT + 1) 종료 시간 : 22:00 (GMT + 1) 마지막 거래 : 18:00 (GMT + 1) 위험도 : 2 % 최대 거래 : 3 종가 :
차트 작성의 최적화.
우리가 볼 수 있듯이 평균 SQN (시스템 품질 번호)은 차트의 시간 간격을 길게하면 감소하는 경향이 있습니다. 앞으로 모든 시뮬레이션에 대해 14 분을 선택할 것입니다.
SQN에 대한 자세한 정보 :
시스템 품질 번호에 대한 NinjaTrader 코드는 여기에서 다운로드 할 수 있습니다.
평균에 대한 강력한 매개 변수 영역의 정의.
3D 표면 차트를 통해 다음과 같이 견고한 매개 변수 영역을 식별 할 수 있습니다.
느린 평균 : 12-30 분 빠른 평균 : 330-500 분.
우리는 & # 8220; 강력한 & # 8221; 주요 피크 또는 계곡을 가지지 않고 일반적으로 양호한 성능을 갖는 매개 변수 표면적.
휘발성 필터에 대한 강력한 매개 변수의 정의.
우리가 볼 수 있듯이 SQN이 서서히 증가 할 때 필터의 강건한 면적은 0.55와 0.70 사이입니다.
이제는 견고한 매개 변수 영역을 확인 했으므로 전체 샘플 내 최적화를 수행하여 시스템이 2001 년과 2009 년 사이에 어떻게 수행되는지 확인할 가치가 있습니다.
이 시스템은 2001 년과 2009 년 사이에 1.56의 수익률로 12 만 달러의 순이익을 창출하여 평균 75 %의 거래를 수행하여 평균 41 %의 수익성을 올렸습니다. 시스템은 2.28의 높은 승패 비율과 같은 바람직한 특성을 나타냅니다.
앞으로 나아가는 최적화.
예상대로 앞으로 도보 최적화를 진행할 것입니다.
1 단계 : 2007-2009 년 사이에 최적화하고 최상의 매개 변수를 찾습니다.
2007-09 기간의 가장 좋은 매개 변수는 다음과 같습니다.
다음 매개 변수를 사용하여 2010 년에 out-of-sample 기간에 적용합니다.
순익 : 12,300 달러
이익 요인 : 1.38.
2 단계 : 2008-2010 년 사이에 최적화하고 최상의 매개 변수를 찾습니다.
2008-10 기간의 가장 좋은 변수는 다음과 같습니다.
우리는 다음과 같은 결과와 함께 2011 년에 out-of-sample 기간에이 매개 변수를 적용합니다.
순익 : 27,900 달러
이익 요인 : 1.61.
3 단계 : 2009 년에서 2011 년 사이에 최적화하고 최상의 매개 변수를 찾습니다.
2009-11 기간의 가장 좋은 매개 변수는 다음과 같습니다.
다음 매개 변수를 사용하여 2012 년에 out-of-sample 기간에 적용합니다.
순익 : 17,540 달러
이익 요인 : 1.58.
결론.
이 기사에서는 일중 기계 시스템에서 도보 앞으로 최적화를 수행하는 방법을 살펴 보았습니다. 앞으로 진행되는 결과는 샘플 내 결과와 일치하므로 전략의 견고 함을 확신 할 수 있습니다.
알고리즘 거래 전략에 대한 자세한 내용은 다음 사이트를 방문하십시오 : vbosystems. info.
& # 8212; VbO Systems의 Amon Licini 작성. VbO Systems는 거의 모든 자산 클래스에서 자동 거래가 가능한 NinjaTrader로 코딩 된 100 % 자동화 된 거래 시스템을 개발하고 있습니다. Vbo Systems의 설립자 인 Amon Licini는 15 년 동안 개인 상인이었으며 이탈리아의 다양한 회사에서 상급 관리자를 지 냈습니다. Amon의 주요 거래 이익은 일중 시스템의 변동성 및 개방 범위에 있습니다. 그는 밀라노에서 아내와 2 명의 자녀와 함께 살며 새로운 시스템을 개발하지 않을 때 여행하는 것을 좋아합니다. Amon은 밀라노 폴리 테크닉 대학교 (Polytechnic University of Milan)에서 기계 공학 학위를 취득했습니다.
저자 소개 시스템 상인 성공 기여자.
기고서 작성자는 금융 시장에 적극적으로 참여하고 기술 또는 정량 분석에 전념합니다. 그들은 System Trader Success에 대한 이야기, 통찰력 및 발견 사항을 공유하고 더 나은 시스템 상인이되기를 바랍니다. 공헌하는 작가가되고 세계와 당신의 메시지를 공유하고 싶다면 저희에게 연락하십시오.
관련 게시물.
부서진 전략 또는 시장 변화 : 실적 저조 여부 조사.
어떤 작품을 찾았는지, 그리고 작동하지 않는 것.
주식 곡선 거래 & # 038; 을 넘어서.
인기 게시물.
2013 년 Connors 2 기간 RSI 업데이트.
이 단순한 지표는 돈을 다시 벌어들입니다.
아이비 포트폴리오.
Simple Gap 전략 개선, Part 1.
Capital Evolution LLC의 저작권 © 2017. - Thrive Themes에 의해 설계된 | WordPress에 의해 구동.
다시 로그인하십시오. 로그인 페이지가 새 창에서 열립니다. 로그인 한 후 닫고이 페이지로 돌아갈 수 있습니다.
TradersStudio에서 앞으로 진행 테스트 & reg;
또는 데모를 다운로드하십시오.
TradersStudio에서 앞으로 테스트를 시도해보십시오!
Walk forward 테스트는 금융 거래에서 최적화를위한 최상의 매개 변수 집합을 결정하는 데 사용되는 강력한 방법입니다. 이것은 복잡하게 들릴지도 모르지만 실제로는 최고의 거래 시스템을 구축하는 데 도움이되는 간단하고 강력한 개념입니다. 그것도 TradersStudio가 구현 한 개념입니다.
흔히 거래 시스템을 논의 할 때 시스템의 견고성에 대해 이야기합니다. 모든 시장 조건 하에서 시스템이 잘 수행 할 수있는 능력이 중요합니다. 상승 추세 시장에서 매우 잘 작동하지만 2008 년과 같은 하락세 시장에서 상당량의 돈을 잃는 시스템을 가지고 있다면 시스템이 견고하지 못하다고 말할 수 있습니다. 정말로, 정말로 가난하게 만드는 시장 조건이 있습니다. 우리가 그 나쁜 거래를 걸러 낼 수 있었다면 & # 8211; 추세가 하락하는 동안 시스템을 종료 할 수도 있습니다. & # 8211; 우리는 시스템을 '탄탄한'이라고 부릅니다. 그것은 많은 시장 조건에서 자신있게 거래 될 수 있기 때문입니다.
Walk forward 테스트는 과거 데이터를 두 그룹으로 나누어 시스템 견고성을 결정하는 데 도움이됩니다. & # 8220; 샘플 내 데이터 & # 8221; 시스템 최적화에 사용되는 데이터입니다. & # 8220; 샘플 외부 데이터 & # 8221; 시스템을 테스트 할 때 사용하는 데이터입니다. 우리는 2005 년과 2007 년 사이에이 시스템을 거래했다면 2008 년에 어떻게 시스템을 운영했는지와 같은 가설적인 질문을 할 수 있습니다. & # 8221; 이러한 유형의 질문은 다양한 시장 상황에서 작동하는 시스템의 능력을 테스트하는 데 도움이됩니다. 샘플 내 윈도우에 대한 최적의 매개 변수가 샘플 밖의 윈도우에서도 잘 나타나는 것을 알게되면 시스템의 미래 수익성에 대한 신뢰도를 높일 수 있습니다. 분명히 우리는 미래를 예언 할 수 없으며 어떤 방법으로도 이익이 보장되지는 않지만 시스템에 대한 신뢰와 신뢰를 얻을 수 있습니다. 몇 가지 기사에서, 앞으로의 테스트는 실제로 트레이딩 시스템의 견고성을 결정하기위한 토대가되는 방법에 대해 광범위하게 작성했습니다. Futures Magazine에 게재 된이 기사에는 '최적화 : 오래된 개를 가르치는 새로운 트릭'및 ' & # 8220; 귀하의 시스템이 걷기 운동을 할 수 있습니까? & # 8220; Walk forward 분석에 대해 더 알고 싶다면이 기사를 읽는 시간을 가져야합니다 (물론이 기사를 읽은 후에!).
관심있는 사람들을 위해 & # 8220; 백 테스팅 & # 8221; & # 8220; 앞으로 테스트 & # 8221; Investopedia에. 이 기사에서는 두 개념이 어떻게 뚜렷하게 다르지만 관련이 있는지도 강조합니다.
현대 컴퓨터가 처리 능력을 향상시켜 강점 시스템을 확보 할 수 있도록 이러한 유형의 분석을 광범위하게 수행 할 수 있다는 점은 주목할 가치가 있습니다. 필자는 'Trading System Analysis : Then Now Now'라는 제목의 Futures Magazine에 대한 기사에서 컴퓨터의 발전에 대해 썼습니다. 이 사이트에서 설명하는 모든 기술은 가정용 컴퓨터 또는 랩톱에서 실행할 수있는 기술입니다. 멋진 하드웨어가 필요하지 않습니다!
예제에 의한 전방 테스트.
여러 번, 예를 들어 개념이 어떻게 작동하는지 설명하는 것이 가장 좋습니다. 모든 예와 마찬가지로 TradersStudio를 사용하여이 개념의 작동 방식을 강조합니다. Microsoft의 RSI (상대 강도 표시기)를보고 구성된 간단한 간단한 거래 시스템이 있다고 가정합니다. 우리 시스템은 RSI가 50보다 작아 질 때 구매하고 RSI가 50보다 커지면 판매하도록 코딩되어 있습니다. RSI는 일련의 일에 걸쳐 계산됩니다. TradersStudio에서는이 시스템을 코딩하는 것이 쉽지 않습니다.
이제 우리는 기본적인 질문에 대답하기를 원합니다 : 가장 많은 수익을 올리는 일 수는 몇 일입니까? 지난 3 일 동안 RSI를 계산해야합니까? 지난 5 년? 시행 착오로 시스템을 실행할 수는 있지만 시간이 많이 걸리는 작업입니다. 우리는 이것에 대해 앞으로 걸어서 테스트함으로써 시스템의 견고성을 보장 할 수 있습니다.
한 번에 1 일씩 1에서 30까지의 RSI 길이를 테스트 해 봅시다. 우리는 교육 창 (약 2 년)으로 500을 사용하고 시장을 250 일 (일년에 약 252 일 동안 열어 둔다면 약 1 년) 동안 실행합니다. 우리는 최대 순이익과 축소 비율을 최적화 할 것입니다. 달리 말하자면, 컴퓨터는 처음 2 년간 데이터를 1에서 30 사이의 날짜를 사용하여 RSI를 계산합니다. 그런 다음 2 년간의 데이터 (샘플 내 데이터)에 대해 최상의 일수를 얻고 1 년 후 (샘플 외부 데이터) 어떻게 실행하는지 테스트하고 그 결과를보고하려고합니다. 그런 다음 TradersStudio가 마커를 1 년 앞당기 게됩니다. 이것은 가장 오래된 데이터를 삭제하고 가장 최근 데이터의 1 년을 교육 세트에 포함시킵니다. 그런 다음 새 데이터의 최적 일 수를 계산합니다. 그런 다음 일년 중 가장 좋은 일 수와 테스트를 찾습니다. 이것은 walk walk test가 그 이름을 얻는 방법입니다. 우리는 시스템을 통해 샘플을 수행 한 다음 샘플을 벗어나는 방식으로 데이터를 테스트하여 "앞으로 나아갈 것"입니다.
먼저 TradersStudio 내에서 도보 앞으로 최적화 버튼을 클릭하십시오.
그런 다음 위에서 설명한대로 매개 변수를 설정합니다.
이러한 유형의 분석이 아래 결과에서 어떻게 작동하는지 확인할 수 있습니다.
교육 시작 및 교육 종료 기간은 약 2 년입니다. 그런 다음 시스템 수행 방법을 확인한 후 약 1 년 동안 테스트합니다. 우리는 테스트의 첫 2 년 동안 최적의 매개 변수를 볼 수 있으며 그 매개 변수는 그 이후에 어떻게 수행되었는지 확인할 수 있습니다. 이를 통해보다 강력한 거래 시스템을 구축 할 수 있습니다. 기존의 최적화는 질문에 대답함으로써 작동합니다 : 지난 20 년 동안이 시스템의 매개 변수로 내 시스템이 어떻게 수행 되었습니까? 이 기본 질문의 문제점은 앞으로 시스템이 어떻게 작동 할 것인지 또는 시스템이 과거의 작은 기간 동안 어떻게 작동했는지에 대한 통찰력을 제공하지 못한다는 것입니다. 너무나 자주, 아주 오랜 시간 동안 정말로 잘 작동하는 시스템을 가질 수 있습니다 (아마 2011 년 한 번 큰 무역을 치게 될 것입니다). 그러나 전반적으로 최선은 평범합니다. 훌륭한 시스템은 앞으로의 테스트를 통과해야합니다. 즉, 과거의 작은 데이터를 테스트하여 시스템이 실제로 샘플 밖의 데이터로 작업하는지 확인해야합니다.
왜 이것이 중요한가요?
시스템에 대한 신뢰가 중요합니다. 나는 사람들이 거래 계좌에서 돈을 잃었을 때 시스템을 따르지 못하거나 신뢰할 수 없었기 때문에 여러 번 목격했다. 귀하의 거래 시스템을 이해하고 그것에 대한 믿음을 갖는 것은 실제로 돈을 벌어주는 상인과 그렇지 않은 상인 사이의 차이입니다. 많은 시스템이 작동하며 앞으로 걸어 다니는 테스트는 자신이 수행하는 테스트와 그렇지 않은 테스트에 자신감을 갖도록 도와줍니다. 모든 전문 상인들은 자신의 업무에서 워크 포워드 테스트를 사용하며, 똑같이하는 것이 좋습니다.
이 개념에 대해 더 자세히 배우고 싶다면 주제에 대한 블로그 항목을 읽어 보시기 바랍니다.
이러한 항목은 TradersStudio를 사용하여 이러한 유형의 분석을 수행하는보다 복잡한 예제를 설명합니다.
또한 최적화는 지난 몇 년 동안 나 자신과 다른 상인 모두에게 매우 중요한 주제이기 때문에 Robert Pardo와 같은 저명한 작가의 주제에 관한 책을 살펴 보시기 바랍니다.
Copyright © 2014-2015 TradersStudio, Inc. 판권 소유. TradersStudio & reg; TradersStudio, Inc. 의 등록 상표입니다.
이 사이트의 어떤 부분도 저자의 명시적인 허가없이 복사 할 수 없습니다.
Comments
Post a Comment