它消除尽可能多的偏见地从你的回测过程中是非常重要的. 这将确保任何积极的结果更可能继续前进. 然而, 消除这些偏见可能会更加困难,你可能会认为.
数据窥探是更广泛的偏见之一,你可能会暴露你的回测至. 它的范围可以从明显的东西一样限制你的数据样本,以牛市周期. 它也可以更为谨慎显示在领域,如用于优化不同指标的策略可能是使用的参数.
CXO咨询组看了看在最近的文章中窥探偏见,实际上是一章在自己即将出版的新书预览. 该章的名字, 避免或减轻侦听偏置, 表明,有可能是某种形式的窥探偏压在任何后台测试. 我们的目标是减少对性能数据影响尽可能.
本章开始的不同形式的列表窥探偏见可以采取:
窥探偏见, 也被称为采矿偏见和事后更松散的好处, 是后台测试性能臭名昭著的人工助推器. 它采用多种形式:
- 挑选最好的许多规则/指标 (策略, 车型) 对于给定的数据样本
- 优化规则参数对于给定的数据样本
- 限制一个数据样本,以找到一个给定规则的良好的性能
- 运行很多个人之间的投资竞赛
本章然后用法律的比喻继续:
研究人员在随机领域分担,情绪: “如果你在折磨数据足够长的时间, 它会承认什么。“
由于回报嘈杂 (大致随机), 尝试了很多的规则组合, 参数设置和数据样本会产生超越基准极端好运策略.
一名检察官 (投资者) 满意的假口供很可能在法庭上输 (市场).
这个比喻不提供窥探偏见进行了全面概述了一份好工作. 而这几乎是不可能从您的回溯测试完全删除偏见, 使用一些简单的常识,你试图优化策略,可以做很多事情,以减少暴露于窥探偏见.
留言