Peniaga yang ingin mencuba idea perdagangan di pasaran langsung sering membuat kesilapan bergantung sepenuhnya pada hasil backtesting untuk menentukan sama ada sistem itu akan menguntungkan. Walaupun backtesting boleh memberikan peniaga dengan maklumat berharga, ia sering mengelirukan dan ia hanya satu bahagian dari proses penilaian. Ujian prestasi ujian ke atas dan ujian ke hadapan memberikan pengesahan selanjutnya mengenai keberkesanan sistem, dan boleh menunjukkan warna sebenar sistem, sebelum wang tunai sebenar berada pada baris. Hubungan baik antara keputusan ujian backtesting, out-of-sample dan prestasi hadapan adalah penting untuk menentukan daya maju sistem perdagangan. (Kami menawarkan beberapa petua mengenai proses ini yang dapat membantu memperbaiki strategi perdagangan anda. Untuk mengetahui lebih lanjut, baca Backtesting: Menterjemahkan Masa Lalu .

Asas Backtesting Backtesting merujuk kepada memohon sistem perdagangan kepada data sejarah untuk mengesahkan bagaimana sistem akan dilaksanakan dalam tempoh masa yang ditentukan. Banyak platform dagangan hari ini menyokong backtesting. Peniaga boleh menguji idea dengan beberapa ketukan kekunci dan mendapatkan pandangan tentang keberkesanan idea tanpa mengambil risiko dana dalam akaun dagangan. Backtesting dapat menilai idea-idea sederhana, seperti bagaimana crossover purata bergerak akan dilakukan pada data sejarah, atau sistem yang lebih kompleks dengan pelbagai input dan pemicu.

Selagi idea boleh dikira ia boleh ditunggangi. Sesetengah peniaga dan pelabur boleh mendapatkan kepakaran seorang programmer yang berkelayakan untuk membangunkan idea itu ke dalam bentuk yang boleh diuji. Biasanya ini melibatkan pemrogram pengekodkan idea ke dalam bahasa proprietari yang dihoskan oleh platform perdagangan. Programmer dapat memasukkan pemboleh ubah input yang ditentukan pengguna yang membolehkan pedagang untuk "tweak" sistem. Satu contoh ini akan berada dalam sistem crossover purata bergerak sederhana yang dinyatakan di atas: pedagang akan dapat memasukkan (atau mengubah) panjang dua purata bergerak yang digunakan dalam sistem. Peniaga boleh membuat backtest untuk menentukan panjang purata bergerak yang akan dilakukan yang terbaik di data sejarah. (Dapatkan lebih banyak wawasan dalam Tutorial Perdagangan Elektronik .)

Kajian Pengoptimuman
Banyak platform perdagangan juga membolehkan kajian pengoptimuman. Ini memerlukan memasukkan rangkaian untuk input yang ditentukan dan membiarkan komputer "melakukan matematik" untuk mengetahui input apa yang akan dilakukan yang terbaik. Pengoptimuman multi-pemboleh ubah boleh melakukan matematik untuk dua atau lebih pembolehubah digabungkan untuk menentukan tahap apa yang sama akan mencapai hasil terbaik. Sebagai contoh, peniaga boleh memberitahu program yang input mereka ingin menambah strategi mereka; ini akan dioptimumkan kepada berat ideal mereka berdasarkan data sejarah yang telah diuji.

Backtesting boleh menjadi menarik kerana sistem yang tidak menguntungkan sering boleh berubah secara ajaib menjadi mesin membuat wang dengan beberapa pengoptimuman. Sayangnya, peningkatan sistem untuk mencapai tahap keuntungan masa lalu yang paling sering menyebabkan sistem yang tidak dapat dilakukan dalam perdagangan sebenar. Pengoptimuman ini mencipta sistem yang kelihatan baik di atas kertas sahaja.

Pemasangan curve adalah penggunaan analitik pengoptimuman untuk mencipta jumlah tertinggi dalam perdagangan yang menang pada keuntungan terbesar pada data sejarah yang digunakan dalam tempoh ujian. Walaupun ia kelihatan mengagumkan dalam hasil backtesting, pemasangan lengkung membawa kepada sistem yang tidak boleh dipercayai kerana hasilnya pada dasarnya direka khas hanya untuk data tertentu dan tempoh masa.

Backtesting dan mengoptimumkan memberikan banyak manfaat kepada pedagang tetapi ini hanya sebahagian daripada proses ketika menilai sistem perdagangan yang potensial. Langkah seterusnya pedagang adalah untuk menerapkan sistem ke data sejarah yang belum digunakan dalam fasa backtesting awal. (Rata-rata bergerak mudah dikira dan, sekali diplotkan pada carta, adalah alat pengesan arah visual yang kuat. Untuk maklumat lanjut, baca Rata-rata Bergerak Mudah Buat Arah Berdiri .)

Sampel vs Data Sampel Sampingan Apabila menguji idea mengenai data sejarah, adalah bermanfaat untuk menempah tempoh masa data sejarah untuk tujuan ujian. Data sejarah awal yang idea diuji dan dioptimumkan dirujuk sebagai data dalam sampel. Set data yang telah dikhaskan dikenali sebagai data luar sampel. Persediaan ini merupakan bahagian penting dalam proses penilaian kerana ia memberikan satu cara untuk menguji idea mengenai data yang belum menjadi komponen dalam model pengoptimuman. Akibatnya, idea itu tidak akan dipengaruhi oleh apa-apa cara oleh data luar sampel dan peniaga akan dapat menentukan sejauh mana sistem itu dapat dilakukan pada data baru; i. e. dalam perdagangan sebenar.

Sebelum memulakan sebarang backtesting atau mengoptimumkan, pedagang boleh mengetepikan peratusan data sejarah yang dikhaskan untuk ujian out-of-sample. Satu kaedah adalah untuk membahagikan data sejarah kepada ketiga dan mengasingkan satu pertiga untuk digunakan dalam ujian luar sampel. Hanya data dalam sampel yang perlu digunakan untuk ujian awal dan sebarang pengoptimuman. Rajah 1 menunjukkan garis masa di mana satu pertiga daripada data sejarah dikhaskan untuk ujian luar sampel, dan dua pertiga digunakan untuk ujian dalam sampel. Walaupun Rajah 1 menggambarkan data luar sampel dalam permulaan ujian, prosedur tipikal akan mempunyai bahagian luar sampel dengan segera sebelum prestasi hadapan.

Rajah 1: Garis masa mewakili panjang relatif data dalam sampel dan keluar-sampel yang digunakan dalam proses backtesting.

Sekali sistem perdagangan telah dibangunkan menggunakan data dalam sampel, ia sedia untuk digunakan untuk data luar sampel. Peniaga boleh menilai dan membandingkan hasil prestasi antara data dalam sampel dan data luar.

Korelasi merujuk kepada persamaan antara prestasi dan trend keseluruhan kedua-dua set data.Metrik korelasi boleh digunakan dalam menilai laporan prestasi strategi yang dibuat semasa tempoh ujian (ciri yang menyediakan platform dagangan paling banyak). Semakin kuatnya korelasi di antara keduanya, kebarangkalian kebarangkalian sistem akan berfungsi dengan baik dalam ujian prestasi hadapan dan perdagangan langsung. Rajah 2 menggambarkan dua sistem yang berbeza yang telah diuji dan dioptimumkan pada data dalam sampel, kemudian digunakan untuk data luar sampel. Carta di sebelah kiri menunjukkan sistem yang jelas lengkung-sesuai untuk berfungsi dengan baik pada data sampel dan benar-benar gagal pada data luar sampel. Carta di sebelah kanan menunjukkan sistem yang berfungsi dengan baik dalam data dalam dan luar sampel.

Rajah 2: Dua lengkung ekuiti. Data perdagangan sebelum setiap anak panah kuning mewakili ujian dalam sampel. Dagangan yang dihasilkan antara anak panah kuning dan merah menunjukkan ujian luar sampel. Dagangan selepas anak panah merah adalah dari fasa ujian prestasi ke hadapan.

Sekiranya terdapat korelasi yang kecil antara ujian sampel dan luar sampel, seperti carta kiri dalam Rajah 2, kemungkinan sistem tersebut telah dioptimumkan dan tidak berfungsi dengan baik dalam perdagangan langsung. Sekiranya terdapat korelasi yang kuat dalam prestasi, seperti yang dilihat dalam carta kanan dalam Rajah 2, fasa seterusnya penilaian melibatkan ujian tambahan jenis ujian yang dikenali sebagai ujian prestasi hadapan. (Untuk lebih banyak bacaan tentang peramalan, rujuk kepada Peramalan Kewangan: Kaedah Bayesian .)

Asas Pengujian Prestasi Teruskan Ujian prestasi maju, juga dikenali sebagai perdagangan kertas, -data sampel yang mana untuk menilai sistem. Ujian prestasi hadapan adalah simulasi perdagangan sebenar dan melibatkan mengikuti logik sistem dalam pasaran langsung. Ia juga dipanggil dagangan kertas kerana semua dagangan dilaksanakan di atas kertas sahaja; iaitu, penyertaan dan pengeluaran perdagangan didokumenkan bersama-sama dengan apa-apa keuntungan atau kerugian untuk sistem itu, tetapi tiada perdagangan sebenar dilaksanakan. Satu aspek penting bagi ujian prestasi ke hadapan adalah mengikuti logik sistem dengan tepat; sebaliknya, ia menjadi sukar, jika tidak mustahil, dengan tepat menilai langkah ini. Peniaga harus jujur ​​tentang apa-apa catatan perdagangan dan keluar dan mengelakkan tingkah laku seperti perdagangan memetik ceri atau tidak termasuk perdagangan di atas kertas yang merasionalkan bahawa "saya tidak akan pernah mengambil perdagangan itu." Sekiranya perdagangan itu akan berlaku berikutan logik sistem, ia perlu didokumenkan dan dinilai.

Banyak broker menawarkan akaun dagangan simulasi di mana dagangan boleh diletakkan dan keuntungan dan kerugian yang sama dikira. Menggunakan akaun dagangan simulasi boleh mewujudkan suasana semi realistik yang mengamalkan perdagangan dan menilai sistem selanjutnya.

Rajah 2 juga menunjukkan keputusan untuk ujian prestasi ke hadapan pada dua sistem. Sekali lagi, sistem yang diwakili dalam carta kiri tidak dapat dilakukan dengan baik melampaui ujian awal pada data dalam sampel. Sistem yang ditunjukkan dalam carta kanan, bagaimanapun, terus berfungsi dengan baik melalui semua fasa, termasuk ujian prestasi ke hadapan.Satu sistem yang menunjukkan hasil positif dengan korelasi yang baik antara ujian dalam-sampel, out-of-sample dan ujian prestasi hadapan sedia untuk dilaksanakan dalam pasaran langsung.

Bottom Line Backtesting adalah alat yang berguna dalam kebanyakan platform perdagangan. Membahagikan data sejarah ke dalam pelbagai set untuk menyediakan ujian dalam sampel dan out-of-sampel dapat memberikan pedagang cara yang praktikal dan efisien untuk menilai idea perdagangan dan sistem. Oleh kerana kebanyakan pedagang menggunakan teknik pengoptimuman dalam backtesting, penting untuk kemudian menilai sistem data bersih untuk menentukan daya majunya. Meneruskan ujian out-of-sample dengan ujian prestasi ke hadapan menyediakan satu lapisan keselamatan sebelum meletakkan sistem di pasaran yang mempertaruhkan wang tunai sebenar. Hasil positif dan korelasi yang baik antara ujian backtesting dalam dan sampel out-of-sample dan ujian prestasi ke hadapan meningkatkan kebarangkalian sistem akan berfungsi dengan baik dalam perdagangan sebenar. (Untuk gambaran umum tentang analisis teknikal, lihat Analisis Teknikal: Pengenalan .)