通過 向前走 分析 改進 交易策略

+

通過向前走分析改進交易策略 通過向前走分析改進交易策略 交易策略的傳統優化 優化的過程是一個給定的策略的參數適應一個特定的市場。 這通常是一件好事，如果使用得當，但如果沒有正確，有很高的風險，這樣做不對，並結束了一個曲線擬合系統（我會去更深的交易策略在以後的文章中傳統的優化）。 什麼是曲線擬合？ 你總是可以找到適合完美地​​可用的歷史數據，從而根據這些測試特殊交易結果的規則及交易參數的組合。 但是，當這些規則在實時市場檢驗，他們失敗和適度寬鬆的貨幣非常迅速。 大部分市售的策略受到此問題。 為什麼？ 由於廠商銷售策略的基礎上漂亮的測試，而不是戰略的穩健性。 這是很容易的基礎，而不是銷售基於複雜的優化過程，以增強穩定性，減少曲線擬合一個不錯的資金曲線上出售。 悲哀而真實。 正確的方法來優化 為了避免曲線擬合，必須離開的可用數據的至少30％出優化處理的。 例如，如果您有數據2000年至2012年（12歲），優化過程是： 優化2000 2009年。 您將結束與這一時期的最佳參數。 選擇最佳的參數設置。 的標準選擇是很重要的。 例如，選擇最佳AbsoluteProfit / RelativeDrawdown有足夠強大的鄰居參數是一個不錯的選擇。 測試就出來了採樣週期（2010- 2012年）的設置參數。 如果你在此期間不同的結果有什麼不對的前幾個階段。 你必須回到設計階段。 一旦你有對出採樣週期的正常運行參數集，你會活的運行策略。 傳統的優化的問題 傳統的優化是好的，但也存在明顯的問題： 所選擇的參數集的平均質量。 因為它需要大量的市場條件的生存（都在樣本和選自-抽樣數據），它不會被真正適應任何一個，所以許多交易機會將被錯過。 降解強制定期reoptimizations。 當時間增加時，所選擇的參數集降解。 我們將有更多的數據，我們將有更多不同的市場條件。 大部分漲幅可能集中在小週期。 你會發現很多策略在那裡CUVE安裝在近期的市況，但是當在往年，他們無法進行測試。 在一個市場一個戲劇性的和明確的變化將使戰略到達最壞的情況下，失去了很多錢 有一些方法可以解決大部分的上述問題中的一個傳統的方式。 但是，使用向前走，希望我們應該能夠克服或減少所有這些的影響。 向前走分析 隨著向前走的分析，而不是使在樣本數據中的一個大的優化和出樣本的數據測試它，我們將在更小的時間做出很多小的優化和考驗。 優化週期的大小被稱為優化窗口。 根據我的測試中，優化窗口的尺寸必須適應每一個市場，因為它是直接與市場週期或在哪個速度給定市場的變化相關。 例如，在接下來的圖片中我們將利用3個月的優化視窗尺寸，然後出樣本的期限為一個月做一個向前走的分析： 步行交易策略的遠期分析 一個完整的向前走分析試驗的結果將是所有的小試驗的結果的總和： 一個向前走的分析測試結果 一種策略，是能夠生存到一個適當的向前走，分析將顯示更高水平的魯棒性策略交易傳統的優化參數集。 大多數曲線擬合特徵或特徵的加入提高短期結果將無法生存此測試，因為它們將在不同的測試階段不斷失敗。 向前走分析的目標 有兩個主要目標，實現與向前走分析： 穩健性。 向前走分析的主要目標是實現非常高的穩健性。 通過穩健性我的意思是讓在現場交易和backtests類似的結果。 提高盈利能力。 一個適當的向前走的過程將允許戰略使自己適應不斷變化的市場使其貿易更加頻繁和目標的有利條件更多的點子，並減少對不利條件交易次數和目標。 還有另外一個次要的好處： 如果inefficience從市場上抹去，適當的向前走，執行將選擇不交易 如果再inefficience返回到市場，它會慢慢重新開始交易 該戰略的生命是更長的時間。 在最壞的情況下，將讓我們停止交易策略將更加艱難到達。 消除inefficience將是不夠的，我們停止交易。 除此之外，整個向前走過程中必須檢測不到這個市場的條件。