Traders som er ivrige etter å prøve en handelsidee i et levende marked, gjør ofte feilen ved å stole helt på backtesting resultater for å avgjøre om systemet vil være lønnsomt. Mens backtesting kan gi handelsmenn verdifull informasjon, er det ofte misvisende, og det er bare en del av evalueringsprosessen. Utprøvingstesting og fremoverprestasjonstest gir ytterligere bekreftelse om systemets effektivitet, og kan vise et system sanne farger, før ekte penger er på linjen. God korrelasjon mellom backtesting, out-of-sample og forward performance testresultater er viktig for å bestemme levedyktigheten til et handelssystem. (Vi tilbyr noen tips om denne prosessen som kan bidra til å forfine dine nåværende handelsstrategier. Hvis du vil vite mer, les Backtesting: Tolkning av fortiden .)

Grunnleggende om sikkerhetskopiering Backtesting refererer til å bruke et handelssystem til historiske data for å verifisere hvordan et system ville ha utført i løpet av den angitte tidsperioden. Mange av dagens handelsplattformer støtter backtesting. Traders kan teste ideer med noen få tastetrykk og få innsikt i effektiviteten av en ide uten å risikere penger på en handelskonto. Backtesting kan evaluere enkle ideer, for eksempel hvordan en bevegelig gjennomsnittsovergang ville utføre på historiske data, eller mer komplekse systemer med en rekke innganger og utløsere.

Så lenge en ide kan kvantifiseres, kan den bli tilbakestilt. Noen handelsmenn og investorer kan søke kompetanse fra en kvalifisert programmør for å utvikle ideen til en testbar form. Vanligvis innebærer dette en programmerer som koder ideen inn i proprietært språk som er vert for handelsplattformen. Programmereren kan inkludere brukerdefinerte inngangsvariabler som tillater handelsmannen å "justere" systemet. Et eksempel på dette ville være i det enkle glidende gjennomsnittsovergangssystemet som er nevnt ovenfor: Traderen vil kunne legge inn (eller endre) lengdene til de to bevegelige gjennomsnittene som brukes i systemet. Traderen kunne backtest for å bestemme hvilke lengder av bevegelige gjennomsnitt som ville ha utført det beste på de historiske dataene. (Få mer innsikt i Electronic Trading Tutorial .)

Optimeringsstudier
Mange handelsplattformer tillater også optimaliseringsstudier. Dette innebærer å angi et område for den angitte inngangen og la datamaskinen "gjøre matematikken" for å finne ut hvilken innspilling som ville ha gjort det beste. En multi-variabel optimalisering kan gjøre matematikken for to eller flere variabler kombinert for å bestemme hvilke nivåer sammen ville ha oppnådd det beste resultatet. For eksempel kan forhandlere fortelle programmet hvilke innganger de vil legge til i deres strategi; Disse vil da bli optimalisert til deres ideelle vekter gitt de testede historiske dataene.

Backtesting kan være spennende fordi et ulønnsomt system ofte kan forvandles til en pengeproduksjon med noen få optimaliseringer. Dessverre fører tweaking av et system for å oppnå det høyeste nivået av fortjeneste, ofte til et system som vil utføre dårlig i reell handel. Denne overoptimaliseringen skaper systemer som ser bra ut på papir.

Kurvmontering er bruk av optimaliseringsanalyse for å skape det høyeste antallet vinnende handler med størst profitt på de historiske dataene som ble brukt i testperioden. Selv om det ser imponerende ut i backtesting-resultatene, fører kurvepassing til upålitelige systemer, siden resultatene er i hovedsak tilpasset for den aktuelle datoen og tidsperioden.

Backtesting og optimalisering gir mange fordeler til en næringsdrivende, men dette er bare en del av prosessen når man vurderer et potensielt handelssystem. En næringsdrivendes neste skritt er å bruke systemet til historiske data som ikke har blitt brukt i den første backtesting-fasen. (Det bevegelige gjennomsnittet er enkelt å beregne, og når det er tegnet på et diagram, er det et kraftig visuelt trendspottingsverktøy. Les mer Enkle bevegelige gjennomsnitt gjør trendene .)

In- Eksempel vs Uprøvedata Når du tester en ide om historiske data, er det fordelaktig å reservere en tidsperiode med historiske data til testformål. De første historiske dataene som ideen er testet og optimalisert, refereres til som in-sample data. Datasettet som er reservert, kalles ikke-eksempeldata. Dette oppsettet er en viktig del av evalueringsprosessen fordi den gir en måte å teste ideen på data som ikke har vært en komponent i optimaliseringsmodellen. Som et resultat vil ideen ikke bli påvirket på noen måte av dataene utenfor prøven, og forhandlere vil kunne bestemme hvor godt systemet kan utføre på nye data; Jeg. e. i real-life trading.

Før du begynner å foreta en eventuell backtesting eller optimalisering, kan forhandlere sette bort en prosentandel av de historiske dataene som skal reservert for prøving utenfor prøven. En metode er å dele de historiske dataene i tredjedeler og å skille seg ut en tredjedel for bruk i prøveutprøvingen. Bare in-sample dataene skal brukes til opprinnelig testing og optimalisering. Figur 1 viser en tidslinje der en tredjedel av de historiske dataene er reservert for prøveutprøving, og to tredjedeler brukes til prøveutprøvingen. Selv om Figur 1 viser dataene utenfor prøven i begynnelsen av testen, ville typiske prosedyrer ha utelukkende del umiddelbart før den fremadrettede ytelsen.

Figur 1: En tidslinje som representerer den relative lengden på in-sample og out-of-sample data som brukes i backtesting prosessen.

Når et handelssystem har blitt utviklet ved hjelp av in-sample data, er det klart å bli brukt på dataene utenfor prøven. Traders kan evaluere og sammenligne resultatresultatene mellom dataene i prøven og utdataene.

Korrelasjon refererer til likheter mellom forestillingene og de generelle trendene i de to datasettene.Korrelasjonsmålinger kan brukes til å evaluere strategiske resultatrapporter opprettet i testperioden (en funksjon som de fleste handelsplatformene gir). Jo sterkere korrelasjonen mellom de to, desto bedre er sannsynligheten for at et system vil fungere godt i fremoverprestasjonstesting og live trading. Figur 2 illustrerer to forskjellige systemer som ble testet og optimalisert på in-sample data, deretter anvendt på data utenfor data. Diagrammet til venstre viser et system som var tydelig kurvepasset for å fungere godt på dataene i prøven og helt mislyktes på dataene utenfor prøven. Diagrammet til høyre viser et system som fungerte bra på både in- og ut-av-prøve data.

Figur 2: To egenkapitalkurver. Handelsdataene før hver gult pil representerer prøveutprøvning. Handlingene som genereres mellom de gule og røde pilene indikerer ikke-prøvetesting. Handlingene etter de røde pilene kommer fra de fremadrettede testfaser.

Hvis det er liten sammenheng mellom prøven og prøven utenfor prøven, som venstre diagram i figur 2, er det sannsynlig at systemet har blitt overoptimert og ikke vil fungere godt i live trading. Hvis det er sterk korrelasjon i ytelsen, sett i det høyre diagrammet i figur 2, innebærer neste evalueringsfase en ekstra type prøveutprøving, kjent som fremoverprøving. (For mer lesing om prognoser, se Finansiell prognose: The Bayesian Method .)

Grunnleggende om fremoverprestasjonstesting Forward performance testing, også kjent som papirhandel, gir forhandlere et annet sett ut -av-prøve-data som skal evaluere et system. Forward performance testing er en simulering av faktisk handel og innebærer å følge systemets logikk i et levende marked. Det kalles også papirhandel siden alle handler utføres på papir bare; Det vil si at handelsoppføringer og utganger dokumenteres sammen med eventuelle fortjeneste eller tap for systemet, men ingen egentlige handler utføres. Et viktig aspekt ved fremoverprestasjonstesting er å følge systemets logikk nøyaktig; ellers blir det vanskelig, om ikke umulig, å nøye vurdere dette trinnet i prosessen. Traders bør være ærlige om eventuelle handelsoppføringer og utganger og unngå atferd som kirsebærplukking, eller ikke med en handel på papir som rasjonaliserer at "jeg ville aldri ha tatt den handelen." Hvis handelen skulle ha skjedd etter systemets logikk, bør den dokumenteres og evalueres.

Mange meglere tilbyr en simulert handelskonto hvor handler kan plasseres og tilsvarende resultat og tap beregnes. Ved å bruke en simulert handelskonto kan du opprette en semi-realistisk atmosfære som du kan øve på handel og videre vurdere systemet.

Figur 2 viser også resultatene for fremoverprestasjonstesting på to systemer. Igjen, det system som er representert i det venstre diagrammet, klarer ikke å gjøre det bra utover den opprinnelige testingen på in-sample data. Systemet som vises i riktig diagram, fortsetter imidlertid å fungere bra gjennom alle faser, inkludert fremoverprestasjonstesting.Et system som viser positive resultater med god korrelasjon mellom in-sample, out-of-sample og forward performance testing, er klar til å bli implementert i et levende marked.

Bunnlinjen Backtesting er et verdifullt verktøy som er tilgjengelig i de fleste handelsplatformene. Å dele historiske data i flere sett for å sørge for prøveutprøving og prøveutprøving kan gi forhandlere et praktisk og effektivt middel for å vurdere en handelsidee og et system. Siden de fleste handelsfolk bruker optimaliseringsteknikker i backtesting, er det viktig å deretter vurdere systemet på rene data for å bestemme dens levedyktighet. Fortsett testing utenfor prøven med fremoverprestasjonstest gir et annet sikkerhetslag før du setter et system i markedet som risikerer ekte penger. Positive resultater og god korrelasjon mellom in-sample og out-of-sample backtesting og forward performance testing øker sannsynligheten for at et system vil fungere godt i faktisk handel. (For en omfattende oversikt over teknisk analyse, se Teknisk analyse: Innledning .)