Неверные методы оценки показателей реальной торговли вызывают проблемы у компьютерного трейдера. Единственно верное суждение о результатах реальной торговли может быть вынесено только в сравнении с ожиданиями, основанными на правильном тестировании торговой стратегии. [c.7]
Простой пример этого подхода может выглядеть примерно так. Трейдер увлечен программой, которая позволяет ему вычислять значения прибылей и убытков любой системы, которую он вводит в программу. Он вводит формулу, найденную в книге, которая поразила его воображение. Один или два из 30 переборов показывают предельную прибыль в одном историческом периоде на одном рынке. Трейдер считает, что это выглядит многообещающе. Он оптимизирует модель на текущих данных за один год и обнаруживает огромную прибыль. В понедельник он начинает торговать по этой системе. Результаты реальной торговли получаются плохими. Он продолжает торговать до тех пор, пока не теряет половину своего капитала, после чего заключает, что данная торговая система развалилась . Трейдер начинает искать в своей библиотеке какую-нибудь другую систему или формулу, которая поразит его воображение. [c.9]
Главное техническое отличие подстроенной торговой модели от правильно протестированной состоит в очень большой разнице между профилями оптимизационной и реальной эффективности. Практический смысл этой разницы обычно виден в том, что отсутствует корреляция между хорошими прибылями в процессе оптимизации и результатами реальной торговли (сопровождающейся чаще чрезмерными убытками). [c.161]
В более тонких случаях результаты реальной торговли могут отличаться от тестового профиля в различной степени. Например, средняя проигрышная серия тестового профиля может составлять 3 проигрыша подряд на общую сумму 4,000. Средняя выигрышная серия может составлять 2 сделки подряд на сумму 6,500. В реальной же торговле средняя проигрышная серия может составить две сделки подряд на сумму 4,000. Безусловно, что это не есть катастрофа однако это может быть симптомом того, что не все так хорошо. [c.167]
Результаты реальной торговли [c.191]
ОДНО ИЗ ОГРАНИЧЕНИЙ ГИПОТЕТИЧЕСКИХ РЕЗУЛЬТАТОВ В ТОМ, ЧТО ОНИ, КАК ПРАВИЛО, ПОДГОТАВЛИВАЮТСЯ С УЧЕТОМ РЕТРОСПЕКТИВНОГО ЗНАНИЯ ДАННЫХ. КРОМЕ ТОГО, ГИПОТЕТИЧЕСКАЯ ТОРГОВЛЯ НЕ ВКЛЮЧАЕТ ФИНАНСОВОГО РИСКА. КАКИМ БЫ НИ БЫЛ ОПЫТ ГИПОТЕТИЧЕСКОЙ ТОРГОВЛИ, ОН НЕ МОЖЕТ ПОЛНОСТЬЮ УЧЕСТЬ ВЛИЯНИЯ ФИНАНСОВОГО РИСКА НА РЕАЛЬНУЮ ТОРГОВЛЮ. НАПРИМЕР, СПОСОБНОСТЬ ПРОТИВОСТОЯТЬ УБЫТКАМ И ТВЕРДО ПРИДЕРЖИВАТЬСЯ СПЕЦИФИЧЕСКОЙ ПРОГРАММЫ ТОРГОВЛИ, НЕСМОТРЯ НА ТОРГОВЫЕ УБЫТКИ, МАТЕРИАЛЬНЫЙ ФАКТОР, КОТОРЫЙ ТАКЖЕ МОЖЕТ НЕБЛАГОПРИЯТНО ПОВЛИЯТЬ НА РЕЗУЛЬТАТЫ РЕАЛЬНОЙ ТОРГОВЛИ. СУЩЕСТВУЕТ МНОЖЕСТВО ДРУГИХ ФАКТОРОВ, ОТНОСЯЩИХСЯ К РЫНКАМ ВООБЩЕ ИЛИ РАБОТЕ ЛЮБОЙ КОНКРЕТНОЙ ТОРГОВОЙ ПРОГРАММЫ, КОТОРЫЕ НЕЛЬЗЯ ПОЛНОСТЬЮ УЧЕСТЬ ПРИ ПОЛУЧЕНИИ ГИПОТЕТИЧЕСКИХ РЕЗУЛЬТАТОВ, НО ЭТИ ФАКТОРЫ МОГУТ НЕБЛАГОПРИЯТНО ВЛИЯТЬ НА РЕЗУЛЬТАТЫ ФАКТИЧЕСКОЙ ТОРГОВЛИ. [c.4]
Создание механической торговой системы - это полная формализация таких правил. При этом нужно понимать, что так как правила открытия и закрытия позиций разрабатываются на основе прошлой истории цен, то не существует гарантии того, что МТС на их основе будет успешно работать и в будущем. Но чем более качественно проведено тестирование МТС, тем больше оснований надеяться на то, что ее результаты при реальной торговле будут находиться в приемлемых для трейдера пределах. [c.177]
На первый взгляд кажется, что лучше торговать без реинвестирования, так как в этом случае вероятность выигрыша больше. Однако это неправильное утверждение, так как в реальной торговле мы не забираем все прибыли и не покрываем все наши убытки, добавляя средства на счет. Более того, природа инвестирования или торговли основана на смешивании исходных и полученных в результате торговли средств. Если мы не производим этого смешивания (как в случае отсутствия реинвестирования), то не можем надеется на значительное увеличение капитала. [c.28]
Здесь надо отметить два момента. Первый состоит в том, что когда мы обсуждаем TWR, то допускаем использование дробных контрактов. Например, вы можете торговать 5,4789 контрактами, если именно это требуется в какой-либо момент. Расчет TWR допускает дробные контракты, чтобы его значение всегда было одинаково для данного набора торговых результатов вне зависимости от их последовательности. Вы можете усомниться в правильности такого подхода, поскольку при реальной торговле это невыполнимо. В реальной жизни вы не можете торговать дробными контрактами. Этот аргумент правильный. Однако мы оставим подобный расчет TWR, потому что таким образом мы представим средний TWR для всех возможных начальных счетов. Если вы хотите, чтобы размеры всех ставок были целыми числами, тогда становится важна величина начального счета. Однако если бы вы должны были усреднить TWR со всех значений возможных начальных счетов, используя только ставки в целых числах, то достигли бы того же значения TWR, которое мы рассчитали при дробных ставках. Поэтому значение TWR, которое рассчитано здесь, более реально, чем то, которое мы рассчитывали бы при [c.37]
Результаты исследования говорят о том, что вероятности будут в вашу пользу, если вы дождетесь завершения формирования правильной графической модели, прежде чем сделаете заключение относительно поведения акции. В повседневном процессе анализа и реальной торговли на рынках мы обнаружили, что приверженность к бычьим графическим моделям при открытии длинной позиции и к медвежьим моделям при открытии короткой позиции, как правило, дает наилучшие результаты. Вероятности, описанные в исследовании, достаточно привлекательны в смысле денег. В то время как на рынке нет никаких гарантий, вы, пользуясь простыми правилами, изложенными в книге, несомненно, сумеете увеличить вероятность достижения успеха. [c.39]
Урок простой. После того как торговая система была удовлетворительно протестирована и показывает в реальной торговле результаты, соответствующие ожидаемым, следуйте ей и исполняйте каждый ее сигнал. Это не значит, что у торговой системы не будет ряда убыточных сделок. Они будут. Работа трейдера заключается в точном понимании того, какой тип риска и проседания типичен для данной торговой системы. Работа трейдера также в том, чтобы иметь адекватную капитализацию для таких проседаний, позволяющую реализовать последующие прибыли. [c.31]
Важно отслеживать и регистрировать показатели торговой системы в процессе реальной торговли. Необходимо постоянно сравнивать показатели прибылей и убытков реальной торговли системы с ее тестовыми показателями. Контроль соответствия результатов статистическим характеристикам и определяет итог работы. Вот некоторые из этих ключевых статистик [c.33]
По этим причинам крайне важно тестировать торговую систему на хорошо диверсифицированном наборе ценовых данных, включающем высокую волатильность, низкую волатильность, бычий рынок, медвежий рынок, застойный рынок и т.д. Только так вы можете снизить вероятность столкновения в реальной торговле с рыночным поведением, отличающимся от того, на котором ваша система была протестирована. Если торговая система не была протестирована на каком-либо типе рынка или его состоянии, вы просто не можете знать ее эффективность в такой ситуации. Неполное тестирование в результате подобных упущений ведет напрямую к торговым убыткам. [c.35]
Неправильная оптимизация может приводить к подстройке и другим серьезным ошибкам. Если вы упустили из виду эти ошибки, то полученная торговая модель будет показывать очень хорошие результаты в процессе оптимизации и очень плохую эффективность в реальной торговле. Это главная причина того, почему методы правильной оптимизации крайне важны для успешной торговли. [c.120]
Заметьте, что акцент сделан на пиковую эффективность торговли и торговли именно в реальном времени. Такое фокусирование может показаться очевидным к сожалению, на практике многие оптимизаторы на самом деле не достигают данных целей. Такие пользователи программного обеспечения для трейдинга по недоразумению полагают, что результат оптимизации, дающий наибольшую прибыль, и торговая модель, имеющая пиковую эффективность в реальной торговле, есть одно и то же. [c.120]
Основная цель форвардного теста — определить, реальна ли эффективность оптимизируемой торговой модели или она является результатом подстройки. Эффективность торговой модели считается реальной , если модель имеет предсказательную ценность или может эффективно реагировать на непредвиденное рыночное движение. Форвардный анализ также является методом определения того, какие параметры будут работать в будущем. Модель может быть хорошей, но не всегда могут быть найдены правильные ее параметры. Модель, разработанная должным образом, должна приносить прибыль в реальной торговле, в определенной степени соразмерной прибылям, полученным в процессе оптимизации. Если вы собираетесь использовать модель в реальной торговле, сначала она должна пройти форвардный тест. [c.133]
Распознать подстройку легко. Она возникает при нарушении правил тестирования и оптимизации. Подстройку всегда можно определить по ее эффектам результаты, которые торговая модель будет показывать в реальной торговле, будут отличаться от результатов, полученных при оптимизации. [c.160]
Другой тонкий симптом подстройки можно определить только путем сравнения форвардного показателя эффективности торговой модели с ее доходностью в реальной торговле. Вспомните, что форвардный показатель эффективности — это отношение средней годовой форвардной прибыли к средней годовой оптимизационной прибыли. Реальная доходность должна быть сравнительно близка к форвардной доходности. Если она кардинально отличается от последней в течение достаточно продолжительного периода времени, то скорее всего это симптом подстройки. Однако, обычно ситуации такого рода поправимы. Если модель прошла форвардный тест, то по всей вероятности она работоспособна. Работоспособная модель может быть слегка подстроенной, если возникают небольшие расхождения в результатах реальной и тестовой торговли. Например, возможно, недостаточно большой была выборка данных, число степеней свободы было на пределе возможного или диапазоны сканирования переменных были слишком короткими. Такие ошибки могут быть исправлены, а исходные тестовые процедуры — модифицированы и выполнены заново. [c.167]
Реальный трейдинг одинаково легко может начаться как с проигрышной, так и с выигрышной серии. Любая эффективность реальной торговли может быть допустимой, если она согласуется с профилем, найденным при тестировании. Цель этого раздела — обсудить, что происходит, когда эффективность не согласуется с результатами тестирования. [c.186]
Плохая модель будет показывать результаты, отличные от ее тестового профиля. Например, рассмотрим модель с тестовым профилем, включающим при средней волатильности проседание 4,000 за 3 сделки. Допустим, что стандартное отклонение этого проседания составляет 2,000 и 2 сделки. Реальная торговля приносит 7 проигрышей подряд с убытков 8,000, при точно таких же рыночных условиях, как и в тестовом периоде. Что случилось Плохая модель каким-то образом проскользнула через процесс тестирования. Эта реальная серия проигрышей превысила максимальное проседание 4,000 плюс стандартное отклонение 2. Отличие от наших ожиданий достаточно разительное, чтобы остановить торговлю. [c.189]
Первые два должны быть доступны с момента начала торговли по системе. Торговый профиль — это результат реальной рыночной активности, и он должен составляться по ходу торговли. [c.193]
Реальная торговля осуществляется на деньги принципала. В результате клиент получает возможность торговать валютами, которых у него нет, но которые котирует принципал- Например, имея залог в дол ларах США, клиент может совершать сделки по курсу евро/шведская крона, так как принципал работаете этой валютной парой. Залоговые средства вносятся в виде заранее согласованных активов. Чаще всего это валюта. Валюта, в которой внесены залоговые средства и в которой происходят расчеты между принципалом и клиентом, называется расчетной валютой. [c.34]
Этого набора критериев в принципе достаточно для оценки системы, а длл получения этих данных систему тестируют. Выводы должны основываться на результатах не менее 30 сделок, Меньшее количество не даст достоверной статистической картины. При реальной торговле эти критерии также необходимо отслеживать. [c.304]
Тестирование является очень важным моментом создания торговой системы. Но повторим еще раз, что тестирование не является полным аналогом реальной торговли. Поэтому результаты тестирования надо воспринимать с поправкой на некоторые особенности этого процесса. Если параллельно вести реальную торговлю и запустить советник, то при использовании одной и той же торговой системы с одинаковыми параметрами мы, практически со 100% вероятностью, получим разные результаты на реальном и виртуальном счетах. Для более адекватной оценки ситуации необходимо понимать эту особенность и причины, ее вызывающие. Это в значительной степени обусловлено наличием некоторых ограничений на тестирование советников и различием в торговых условиях при тестировании и при реальных торгах. Этих моментов мы коснемся в разделе, посвященном рассмотрению моделей формирования бара. [c.306]
Как видно нз рис. 84, последовательное применение простейших методик дает иногда хороший результат. За тестируемый период доходность составила 110,7% (начальный депозит 10 000 долларов, наконец периода тестирования депозит увеличился до 21 070). Еще раз подчеркнем, что это не гарантирует подобных результатов в будущем и ситуация при тестировании отличается от ситуации реальной торговли. Поэтому к результатам тестирования необходимо относиться как к справочному материалу. [c.318]
Далее мы протестировали Советника, полностью аналогичного Советнику 2, только в данном случае использовались не простые, а экспоненциально сглаженные МА (ЕМА), также с периодами 8 и 13. Результаты тестирования представлены на рис. 86. Действительно, экспоненциально сглаженные МА генерируют более точные сигналы, что приводит к существенному увеличению доходности до совершенно фантастических значений в 205,1%. Еще раз подчеркнем, что это гипотетическая доходность, поскольку условия тестирования сильно отличаются от условий реальной торговли. [c.324]
Излишне большой набор свободных параметров или правил влияет на попытку оптимизации также, как и недостаточное количество точек данных. Когда количество элементов, подвергающихся оптимизации, повышается, пропорционально растет способность модели подгонять их под любые неоднородности тестовой выборки, а следовательно, увеличивается вклад артефактов в эффективность модели. Результат оптимизации большого количества параметров или правил будет хорошо работать на тестовых данных, но плохо на данных вне выборки и в реальной торговле. [c.61]
Один из лучших способов попасть в беду — не проверить результаты при помощи тестов на данных, взятых вне оптимизационной выборки. Без такого подтверждения ошибочные решения, вызванные недостаточной выборкой или избытком параметров, не говоря уж о менее ясных причинах, будут не замечены вовремя. Торговая система, дающая на некотором образце данных высокие результаты, будет применена к реальной торговле, и в результате вы понесете тяжелые убытки. Трейдер, разрабатывающий системы без проверки на данных вне выборки, похож на пилота, управляющего неизвестной ему моделью самолета с завязанными глазами. [c.62]
Помимо репрезентативности выборка должна быть достаточно велика. Большие выборки снижают вероятность возникновения артефактов или случайных результатов системы при оптимизации. Эффективность торговой системы, оптимизированной на большой выборке, не будет сильно отличаться от ее эффективности в реальной торговле. [c.63]
Многие разработчики торговых систем не оценивают статистическую значимость результатов оптимизации. Это достаточно неприятно, учитывая, что статистика принципиально важна при оценке поведения торговых систем. Как, например, можно судить о причине успеха системы — реален ли он или основан на артефакте либо на удачной выборке данных Задумайтесь об этом, ведь следующая выборка может быть не очередным тестом, а реальной торговлей. Если поведение системы определялось случаем, можно быстро лишиться капитала. Нужно найти ответ на следующий очень важный вопрос высокая эффективность системы вызвана обнаружением по-настоящему оптимальных параметров или является результатом подгонки под исторические данные Мы встречали много разработчиков систем, которые отказываются от любой оптимизации вообще по причине иррационального страха подгонки, не зная, что статистический анализ помогает бороться с этой опасностью. В общем, статистика может помочь трейдеру оценить вероятность того, что система в будущем будет работать так же прибыльно, как и в прошлом. В этой книге мы представили результаты статистического анализа везде, где это, по нашему мнению, полезно и уместно. [c.69]
Очень важно определить, действительно ли наблюдаемые прибыли реальны (т.е. основаны не на артефактах тестирования) и какова вероятность, что система будет давать подобные прибыли в будущем при реальной торговле. Хотя тестирование на данных вне пределов выборки может до некоторой степени показать, выдержит ли система испытание более новыми данными, при помощи статистики можно получить дополнительную информацию. Статистика позволяет определить, случаен ли результат или он основан на реальных достоинствах системы. Статистические расчеты могут быть использованы для обнаружения подгонки под исторические данные, т.е. могут определить, является ли наблюдаемая эффективность модели реальной или же она — результат подгонки. [c.70]
Т-критерий для наилучшего решения составил 2,1118 при статистической значимости 0,0184. Это весьма впечатляющий результат. Если бы тест проводился только один раз (без оптимизации), то вероятность случайно достичь такого значения была бы около 2%, что позволяет заключить, что система с большой вероятностью находит скрытую неэффективность рынка и имеет шанс на успех в реальной торговле. Впрочем, не забывайте исследовались лучшие 20 наборов параметров. Если скорректировать статистическую значимость, то значение составит около 0,31, что вовсе не так хорошо — эффективность вполне может оказаться случайной. Следовательно, система имеет некоторые шансы на выживание в реальной торговле, однако в ее провале не будет ничего удивительного. [c.83]
Механическая система как правило создается, тестируется и оптимизируется на историческом ряде цен одного актива. Одной из главных задач создания хорошей МТС является предотвращение ее подгонки под конкретные исторические данные, которые наверняка не повторятся в будущем. Эффективным способом проверки МТС на излишнюю подгонку является переход на другие активы без изменения параметров системы. Если при переходе на исторические ряды цен других активов без повторной оптимизации параметров система продолжает показывать удовлетворительные результаты, то это повышает вероятность того, что она окажется прибыльной в реальной торговле. При этом надо иметь в виду, что если активы высококоррелированы, то это существенно снижает ценность такой проверки. Если же при переходе с ряда цен исходного актива (на котором МТС создавалась и оптимизировалась) на ряд цен высококоррелированного с ним актива система разваливается, то это служит веским основанием для отказа от нее. [c.180]
А сейчас, давайте рассмотрим пример реальной торговли на реальных рынках. Рис. 5-34 - это история торговли на S P, основываясь на дневных данных во время бычьего рынка. Торговля велась с 17 апреля по 31 июля, то есть чуть более трех месяцев. Сделок внутри дня не было, и рынок в внутри торгового дня, даже не наблюдался. Если бы вы заключали сделки только на основании гистограммы "АО", у вас были бы потрясающие результаты. Это исключительный пример, и мы будем исследовать этот рынок на всем протяжении книги с помощью других индикаторов "Profituni-ty". Этот тип возможностей возникает каждую неделю, как на фондовом, так и фьючерсном рынках. [c.69]
Столбец результатов относится к результатам по активному балансу счета. Таким образом, существует 50% вероятность полной потери активного счета, 25% вероятность того, что активный баланс останется тем же, и 25% вероятность того, что прибыль по активному счету составит 300%. В реальной торговле, разумеется, следует использовать не три сценария, а намного больше, но для наглядности мы ограничимся этим минимумом. Рассмотрим три сценария, вероятности их осуществления и результаты в процентных пунктах. Результаты должны отражать ваше мнение относительно исхода каждого сценария при полном оптимальном В данном случае оптимально использовать 0,1 If. He путайте полученное оптимальное f с оптимальными f компонентов портфеля. Здесь оптимальное f относится к планированию сценария, и, таким образом, в асимптотическом смысле для активного счета лучше использовать 11%, а для неактивного счета 89%. В начале следующего квартала следует повторить эту процедуру. Так как переразмещение в данном квартале является функцией размещения прошлого квартала, то лучше всего использовать соответствующее значение оптимального f, так как при этом достигается наибольший геометрический рост (при условии, что ваши входные данные — сценарии, их вероятности и соответствующие результаты — точны). Предложенный метод планирования сценария для размещения активов эффективен тогда, когда необходимо принять решение, исходя из прогнозов нескольких консультантов. В нашем примере вместо выбора трех сценариев вы можете учесть мнения трех консультантов. Столбец вероятностей выражает ваше доверие к каждому консультанту. Первый сценарий, с вероятностью 50% проигрыша всего активного счета, — это мнение медвежьего консультанта, и такому прогнозу вы считаете нужным придать вес вдвое больший, чем прогнозам двух других консультантов. Вспомним метод усреднения цены при продаже акций (см. главу 2). Мы можем использовать этот подход для переразмещения. Таким образом, мы получим метод, который систематически снимает прибыли и выводит нас из убыточной программы. В соответствии с этой программой следует регулярно (каждый месяц, квартал или любой другой период времени) снимать часть денег с общего счета (активный счет + неактивный счет). Помните, что периоды должны быть достаточно долгими, чтобы получить выигрыш, хотя бы небольшой, от динамического дробного Значение N, удовлетворяющее уравнению (8.01), — это минимальная длина периода, при которой динамическое дробное дает нам преимущество [c.229]
Если оптимизация показывает улучшенные результаты, пора переходить к финальному шагу процесса тестирования форвардному анализу. Форвардный анализ оценивает эффективность торговой системы исключительно на основе пост-оптимизационного трейдинга или теста на данных, не входящих в оптимизационную выборку. Форвардный анализ — моделирование торговой ситуации, наиболее точно воспроизводящей способ использования отоптимизированной торговой системы в реальной торговле. Этот уровень тестирования обстоятельно и убедительно отвечает на три важнейших вопроса относительно торговой системы [c.25]
Более того, можно использовать любую комбинацию этих фильтров. Несмотря на то что увеличение числа фильтров часто бывает плодотворным, при этом катастрофически возрастает сложность тестирования подобных систем. Кроме того, по мере увеличения числа фильтров повышается вероятность подстройки. Абсурдной крайностью была бы, например, очень настроенная модель, у которой на каждый день был бы свой фильтр. Такая подстроенная модель может показывать фантастическую прибыль при тестировании и случайные, непредсказуемые результаты в реальной торговле. [c.48]
Хорошая оптимизация должна начинаться с отбора включаемых в нее переменных — тех, которые наиболее значимы для результатов. Далее, для отобранных переменных должны быть определены подходящие диапазоны сканирования, как можно более широкие и распределенные таким образом, чтобы избежать нежелательного смещения. Необходимо определить надлежащий объем выборки данных, чтобы охватить как можно больше ценовых паттернов и трендов. Для выбора наиболее устойчивой модели необходимо использовать правильный метод оценки модели. Наконец, для выбора модели, которая условиях реальной торговли скорее всего будет иметь лучшую эффективность, необходимо использовать правильный критерий оценки тестовой связки. Валидная оптимизация может быть обеспечена лишь посредством выполнения всех этих шагов. [c.127]
При сравнении реального и смоделированного графиков развития бара на рис. 82 мы нидим, что при реальной торговле и при тестировании возможны различия во времени открытия позиции. Это видно из того, что реальный и смоделированный минимумы на графиках развития бара имеют одинаковое значение, но разное время появления. Для торговых результатов это различие не носит принципиального характера. В следующей версии MetaTrader симуляция развития бара во времени будет основана на использовании динамики цен на меньших временных интервалах. Например, модель развития дневного бара будет строится на основании часовых баров, что еще бол ее приблизит модель бара к тому, что имело место в действительности, [c.310]
Моделирование и оптимизация дают огромное количество результатов. Система может провести сотни тысяч тестов, каждый со своим показателем прибыли/убытков, максимального благоприятного и неблагоприятного движения. Кроме того, будут построены графики изменения общего капитала, соотношения риска/прибыли, доходности и других показателей моделируемого торгового счета. Необходим подход к оценке значимости этих результатов. Является ли высокая доходность результатом излишней оптимизации Может ли система быть прибыльной чисто случайно или дело в достоверной торговой стратегии Если система обоснованна, будет ли она столь же успешна в будущем при реальной торговле, каки в прошлом Ответы на такие вопросыдостижимы при помощи статистических методов. [c.20]
Бывает, что нельзя кликнуть мышкой на кнопку с надписью Оптимизировать . Нет команды, которую можно было бы отдать программе — да нет ни самой программы, ни компьютера вообще. Значит ли это, что оптимизации не происходит Нет. Даже при отсутствии видимого оптимизатора и признаков оптимизации процесс идет сам по себе — это называется скрытой оптимизацией. Все происходит таким образом трейдер испытывает набор правил, основанный на некоторых идеях, касающихся рынка. Результаты системы неудовлетворительны, и трейдер перерабатывает идеи, меняет правила и снова тестирует систему, получая лучший результат. Повторив свои действия несколько раз, он получает систему, которой можно доверить реальную торговлю. Можно ли считать эту систему оптимизированной Поскольку никакие правила или параметры не подвергались модификации с помощью компьютерных программ, кажется, что трейдер с успехом разработал неоптимизированную систему. Но [c.49]
Для гарантии успеха любое решение следует подтверждать тестами на данных вне выборки или статистическим анализом, но предпочтительно — обоими методами. Отбросьте любое решение, которое не будет прибыльным в тесте на данных, не входящих в первоначальную выборку, — при реальной торговле оно, скорей всего, провалится. Рассчитывайте статистическую значимость всех тестов — и в пределах выборки данных, и вне ее. Оценка статистической значимости показывает вероятность того, что пригодность системы на выборке данных соответствует ее пригодности в других условиях, включая реальную торговлю. Статистический анализ работает по принципу распределения вероятностей прибылей в сделках, совершаемых системой. Используйте только статистические методы, скорректированные для множественных тестов, когда анализируете результаты тестов в пределах выборки. Тесты вне пределов выборки следует оценивать стандартными, некорректированными методами. Подобные отчеты приводились в главе, посвященной симуляторам. Займитесь изучением статистики это улучшит ваши трейдерские качества. [c.64]
Смотреть страницы где упоминается термин Результаты реальной торговли
: [c.167] [c.127] [c.138] [c.199] [c.120] [c.60] [c.73]Смотреть главы в:
Разработка,тестирование и оптимизация торговых систем -> Результаты реальной торговли