Backtesting e Forward Test: l’importanza della correlazione

I trader desiderosi di provare idee di trading nel mercato in tempo reale spesso si affidano completamente a Backtest Il risultato è determinare se il sistema sarà redditizio. Sebbene il backtesting possa fornire ai trader informazioni preziose, è spesso fuorviante ed è solo una parte del processo di valutazione.

I test fuori campione e i test delle prestazioni a lungo termine possono confermare ulteriormente l’efficacia del sistema e possono mostrare il vero aspetto del sistema prima che il denaro reale vada online.Ok Correlazione La differenza tra i risultati dei test di performance backtest, out-of-sample e forward è fondamentale per determinare la fattibilità di un sistema di trading.

Nozioni di base sul backtest

Il backtesting si riferisce all’applicazione del sistema di trading ai dati storici per verificare le prestazioni del sistema entro un periodo di tempo specificato. Molte piattaforme di trading oggi supportano il backtest.I trader possono testare le idee e ottenere informazioni sulla validità delle idee con pochi tasti, senza dover rischiare il capitale conto di transazioneIl backtesting può valutare idee semplici, come Media mobile attraversare Vari input e trigger verranno eseguiti su dati storici o su sistemi più complessi.

Finché un’idea può essere quantificata, può essere testata a posteriori. Alcuni trader e investitori possono cercare l’esperienza di programmatori qualificati per sviluppare idee in una forma verificabile.Di solito, questo implica che i programmatori codifichino idee in un linguaggio proprietario ospitato da Piattaforma di tradingIl programmatore può incorporare variabili di input definite dall’utente, consentendo agli operatori di “sintonizzare” il sistema.

Un esempio di questo è Media mobile semplice Il sistema crossover di cui sopra: il trader potrà inserire (o modificare) la lunghezza delle due medie mobili utilizzate nel sistema. I trader possono eseguire il backtest per determinare quali lunghezze delle medie mobili si comportano meglio sui dati storici.

Ricerca di ottimizzazione

Molte piattaforme di trading consentono anche ottimizzazione Imparare. Ciò richiede l’immissione di un intervallo per l’input specificato e la possibilità che il computer “fa i calcoli” per scoprire quale input funzionerà meglio. L’ottimizzazione multivariata può eseguire operazioni matematiche su due o più variabili per determinare quale combinazione otterrà i migliori risultati.

Ad esempio, i trader possono dire al programma quali input vogliono aggiungere alla loro strategia; sulla base di dati storici testati, questi saranno ottimizzati per i loro pesi ideali.

Il backtest può essere eccitante, perché un sistema non redditizio può spesso trasformarsi magicamente in una macchina per fare soldi con qualche ottimizzazione. Sfortunatamente, la regolazione del sistema per ottenere il massimo livello di redditività in passato di solito porta il sistema a prestazioni inferiori nel trading effettivo. Questa eccessiva ottimizzazione crea un sistema che sembra buono solo sulla carta.

Il Curve Fitting è l’uso dell’analisi di ottimizzazione per creare le operazioni più vincenti con il massimo profitto in base ai dati storici utilizzati durante il test. Sebbene i risultati del backtest sembrino impressionanti, l’adattamento della curva rende il sistema inaffidabile perché i risultati sono fondamentalmente progettati su misura per dati e periodi di tempo specifici.

Il backtest e l’ottimizzazione offrono ai trader molti vantaggi, ma questa è solo una parte del processo di valutazione dei potenziali sistemi di trading. Il prossimo passo per i trader è applicare il sistema ai dati storici che non sono stati utilizzati nella fase iniziale di backtesting.

Dati nel campione e dati fuori campione

Quando si testa un’idea su dati storici, è utile conservare una parte dei dati storici a scopo di test. I dati storici iniziali utilizzati per testare e ottimizzare le idee sono chiamati dati nel campione. Il set di dati che è stato conservato viene chiamato dati fuori campione. Questa impostazione è una parte importante del processo di valutazione perché fornisce un modo per testare le idee per i dati che non sono ancora stati utilizzati come componente del modello ottimizzato.

Pertanto, questa idea non sarà influenzata da alcun dato fuori campione e i trader saranno in grado di determinare come si comporta il sistema sui nuovi dati, cioè nel trading reale.

Prima di iniziare qualsiasi backtest o ottimizzazione, i trader possono mettere da parte una certa percentuale di dati storici per i test fuori campione. Un metodo consiste nel dividere i dati storici in tre e quindi separare un terzo per i test fuori campione. Solo i dati nel campione dovrebbero essere usati per i test iniziali e qualsiasi ottimizzazione.

La figura seguente mostra una sequenza temporale in cui un terzo dei dati storici viene utilizzato per i test fuori campione e due terzi per i test interni al campione. Sebbene la figura seguente rappresenti i dati fuori campione all’inizio del test, un programma tipico includerà la parte fuori campione immediatamente prima della performance futura.

La correlazione si riferisce alla somiglianza tra le prestazioni e le tendenze complessive di due set di dati. Gli indicatori di correlazione possono essere utilizzati per valutare i rapporti sulle prestazioni della strategia creati durante i test (una funzionalità fornita dalla maggior parte delle piattaforme di trading). Più forte è la correlazione tra i due, maggiore è la possibilità che il sistema funzioni bene nei test di performance forward e nel trading in tempo reale.

La figura seguente illustra due diversi sistemi che sono stati testati e ottimizzati su dati interni al campione e quindi applicati a dati fuori campione. Il grafico a sinistra mostra un ovvio sistema di adattamento della curva in grado di gestire bene i dati all’interno del campione, ma non può gestire affatto i dati al di fuori del campione. Il grafico a destra mostra un sistema che funziona bene sia sui dati nel campione che su quelli fuori campione.

Una volta che un sistema di trading è stato sviluppato utilizzando dati interni al campione, può essere applicato a dati esterni al campione. I trader possono valutare e confrontare i risultati delle prestazioni tra i dati all’interno e all’esterno del campione.

Se non c’è quasi alcuna correlazione tra i test in-sample e out-of-sample, come mostrato nella figura a sinistra sopra, il sistema potrebbe essere eccessivamente ottimizzato e funzionare male nel trading in tempo reale. Se c’è una forte correlazione tra le prestazioni, come mostrato nella figura a destra, la fase successiva della valutazione coinvolge un altro tipo di test fuori campione, chiamato test delle prestazioni in avanti.

Fondamenti di Forward Performance Testing

Test delle prestazioni in avanti, noto anche come Transazione della fattura, Per fornire agli operatori un’altra serie di dati fuori campione per valutare il sistema. Il forward performance testing è una simulazione di transazioni effettive, che implica la seguente logica di sistema nel mercato in tempo reale. Viene anche chiamata transazione cartacea, perché tutte le transazioni vengono eseguite solo su carta; cioè vengono registrati l’entrata e l’uscita della transazione e l’eventuale profitto o perdita del sistema, ma non viene eseguita alcuna transazione reale.

Un aspetto importante del test delle prestazioni in avanti è quello di seguire accuratamente la logica del sistema, altrimenti è difficile, se non impossibile, valutare accuratamente questa fase del processo.I trader dovrebbero essere onesti su qualsiasi entrata e uscita di transazione ed evitare cose come raccogliere le ciliegie La transazione potrebbe non includere transazioni cartacee per razionalizzare “Non farò mai questa transazione”. Se la transazione avviene secondo la logica del sistema, dovrebbe essere registrata e valutata.

Molti broker Fornisci un conto di trading simulato, puoi negoziare e calcolare i profitti e le perdite corrispondenti. L’utilizzo di un conto di trading simulato può creare un’atmosfera semi-reale in cui puoi esercitarti nel trading e valutare ulteriormente il sistema.

La figura sopra mostra anche i risultati del forward performance test sui due sistemi. Allo stesso modo, il sistema rappresentato nella figura a sinistra non funziona molto oltre il test iniziale sui dati del campione. Tuttavia, il sistema mostrato nell’immagine a destra ha continuato a funzionare bene in tutte le fasi (compresi i test delle prestazioni in avanti). Un sistema che mostra risultati positivi e ha una buona correlazione tra test delle prestazioni in-sample, out-of-sample e forward è pronto per essere implementato nel mercato in tempo reale.

Linea di fondo

Il backtesting è uno strumento prezioso disponibile nella maggior parte delle piattaforme di trading. Dividere i dati storici in più gruppi per fornire test all’interno e all’esterno del campione può fornire ai trader un metodo pratico ed efficace per valutare idee e sistemi di trading. Poiché la maggior parte dei trader utilizza tecniche di ottimizzazione nel backtesting, è importante valutare il sistema su dati puliti per determinarne la fattibilità.

L’utilizzo di test delle prestazioni in avanti per continuare i test fuori campione fornisce un altro livello di sicurezza prima di immettere il sistema sul mercato e quindi rischiare denaro reale. I risultati positivi e la buona correlazione tra i test retrospettivi all’interno e all’esterno del campione e il test delle prestazioni in avanti aumentano la probabilità che il sistema funzioni bene nelle transazioni effettive.