Backtesting Und Forward Testing Die Bedeutung Der Correlation

Backtesting und Forward Testing: Die Bedeutung der Correlation Händler, die gerne eine Handelsidee in einer Live-Markt versuchen oft den Fehler machen, die sich ganz auf Backtesting-Ergebnisse, um festzustellen, ob das System profitabel sein wird. Während das Backtesting können Händler mit wertvollen Informationen zu liefern, ist es oft irreführend und es ist nur ein Teil des Bewertungsprozesses ist. Out-of-Sample-Tests und Forward Performance-Tests liefern eine weitere Bestätigung in Bezug auf die Wirksamkeit eines Systems und kann wahres Gesicht eines Systems zeigen, bevor echtes Geld auf dem Spiel steht. Gute Korrelation zwischen Backtesting ist out-of-Probe und Vorwärtsleistungstestergebnisse von entscheidender Bedeutung für die Bestimmung der Lebensfähigkeit eines Handelssystems. (. Wir bieten Ihnen ein paar Tipps, die helfen, diesen Prozess optimieren Sie Ihre aktuelle Trading-Strategien, um mehr zu erfahren, lesen Backtesting: Interpretieren der Vergangenheit an.) Backtesting-Grundlagen Backtesting, bezieht sich auf die Anwendung eines Handelssystems auf historische Daten, um zu überprüfen, wie ein System würde während des angegebenen Zeitraums durchgeführt haben. Viele der heutigen Handelsplattformen unterstützen Backtesting. Händler können Ideen mit wenigen Tastendrücken zu testen und einen Einblick in die Wirksamkeit einer Idee ohne zu riskieren, Gelder in einer Trading-Konto. Backtesting können einfache Ideen, wie zum Beispiel, wie ein gleitender Durchschnitt Crossover würde auf historischen Daten mit einer Vielzahl Eingänge und Trigger durchzuführen oder komplexere Systeme zu bewerten. Solange eine Idee, quantifiziert werden kann rückgetesteten sein. Einige Händler und Investoren kann das Know-how eines qualifizierten Programmierer versuchen, die Idee in eine prüfbare Form zu entwickeln. Typischerweise beinhaltet einen Programmierer Codierung die Idee in die eigene Sprache von der Handelsplattform gehostet. Der Programmierer kann benutzerdefinierten Eingangsgrößen, die der Händler zu "zwicken" das System ermöglichen zu integrieren. Ein Beispiel hierfür wäre der einfache gleitende Durchschnitt Crossover-System oben erwähnt: der Händler in der Lage wäre, um Eingang (oder Änderung) die Längen der beiden gleitenden Durchschnitte in dem System verwendet. Der Händler konnte Backtest zu bestimmen, welche der gleitende Durchschnitte Längen würde die am besten auf den historischen Daten durchgeführt haben. (Um mehr Einblick in die Electronic Trading Tutorial.) Optimierungsstudien Viele Handelsplattformen auch für Optimierungsstudien ermöglichen. Dies beinhaltet die Eingabe eines Bereichs für den angegebenen Eingang und lassen Sie den Computer "die Mathematik", um herauszufinden, was wäre der beste Eingang durchgeführt haben. Eine multivariable Optimierung kann die Mathematik für zwei oder mehr Variablen kombiniert werden, um festzustellen, was Ebenen zusammen würde das beste Ergebnis erzielt haben. Zum Beispiel können Händler das Programm, das sie gerne in ihre Strategie hinzuzufügen Eingänge zu erzählen; Diese würde dann an ihren idealen Gewichten gegeben getesteten historischen Daten optimiert werden. Backtesting kann spannend sein, dass eine unrentable System kann oft auf magische Weise in eine Geldmaschine mit ein paar Optimierungen umgewandelt werden. Leider Tweaking ein System, um die größte Höhe der letzten Profitabilität führt oft zu einem System, das schlecht in realen Handel durchführen wird. Diese Überoptimierung schafft Systeme, die auf dem Papier gut aussehen nur. Kurvenanpassung ist die Verwendung von Optimierungsanalysen, um die höchste Anzahl der Gewinn-Trades an der größten Gewinn aus den historischen Daten in der Testphase verwendet erstellen. Obwohl es beeindruckend in Backtesting-Ergebnisse sieht, Kurvenanpassung führt zu unzuverlässigen Systemen, da die Ergebnisse sind im Wesentlichen maßgeschneiderte nur für diese bestimmte Daten und Zeitdauer. Rückvergleiche und Optimierung bieten viele Vorteile für die Händler aber dies ist nur ein Teil des Prozesses bei der Bewertung eines potentiellen Handelssystem. Nächsten Schritt wird ein Trader ist es, das System an historischen Daten, die nicht in der ursprünglichen Backtesting-Phase verwendet wurde, gelten. (Der gleitende Durchschnitt ist leicht zu berechnen und, einmal auf einem Diagramm dargestellt, ist ein leistungsfähiges visuelles Trend-Spotting-Tool. Für weitere Informationen, lesen Sie Einfache Gleitende Durchschnitte machen Trends abheben.) In-Probe vs. Out-of-Sample Data Beim Testen einer Idee auf historischen Daten, ist es vorteilhaft, eine Zeitspanne von historischen Daten für Testzwecke zu reservieren. Die Anfangs historischen Daten zu dem die Idee getestet und optimiert ist, wie die in-sample Daten bezeichnet. Der Datensatz, der reserviert wurde als Out-of-Sample-Daten bekannt. Dieser Aufbau ist ein wichtiger Teil des Bewertungsprozesses, da sie einen Weg, um die Idee auf Daten, die nicht ein Bestandteil in dem Optimierungsmodell zu testen. Als Ergebnis wird die Idee nicht in irgendeiner Weise durch die Out-of-Sample-Daten und Händler in der Lage, festzustellen, wie gut das System möglicherweise auf neuen Daten durchführen beeinflusst haben; das heißt im realen Handel. Vor dem Beginn jeglicher Backtesting oder Optimierung, Händler können beiseite einen Prozentsatz der historischen Datensatz zu out-of-sample Test reserviert werden. Eine Methode ist, die historischen Daten in Drittel unterteilen und zu trennen ein Drittel für den Einsatz in der Out-of-Sample-Tests. Nur die in-Beispieldaten sollten für die erstmalige Prüfung und jede Optimierung verwendet werden. 1 zeigt eine Zeitlinie, wo ein Drittel der historischen Daten für die Out-of-Sample-Tests reserviert und zwei Drittel werden für die in-Stichproben verwendet. Obwohl in Abbildung 1 zeigt die Out-of-Sample-Daten zu Beginn des Tests, würde typischen Verfahren haben die out-of-Probenteil unmittelbar vor der Vorwärtsleistung. 201.gif "/%