Se você estivesse andando e, aleatoriamente, começou a chover, consideraria carregando um guarda-chuva amanhã? É claro que você faria.
A razão de eu fazer uma pergunta retórica como que é quando as pessoas observam um comportamento, eles responder em conformidade. Se eles esperam que algo poderia acontecer de novo, eles mudam seu comportamento para acomodar a alteração nos resultados.
Quando você pensa sobre robôs forex, todo mundo tem o sonho de desenvolver uma estratégia que funciona para sempre. Ele não exige alterações. As configurações iniciais sempre funciona. Ligue-o e mover-se para a praia.
Realidade, claro, é mais complicado do que.
Isso leva a expectativas de que você precisa fazer quando a sua estratégia, inevitavelmente, dá errado. É muito possível que você venha com uma estratégia que funciona e faz incrivelmente bem no mercado atual. Contudo, um gênio passado não significa gênio futuro. Há sempre a chance de que sua estratégia não funcionará mais no futuro.
Por que é que? É a mesma razão que você pode levar um guarda-chuva amanhã se chover hoje. As pessoas observam o mercado realizando de forma consistente. À medida que mais e mais pessoas fazer a observação, as pessoas começam a negociação. O mercado responde a essas mudanças, e, finalmente, a oportunidade lava completamente fora como muitas pessoas têm orelhudo sobre isso.
Caminhada de testes para a frente é o processo de determinar se ou não a sua estratégia tem lavado. Através de testes em um conjunto de dados, e, em seguida, testá-lo em um conjunto cego, você pode dar a si mesmo uma indicação de que sua estratégia é ruim ou não. O objetivo da caminhada para a frente não é para provar que sua estratégia é boa. É para provar que a sua estratégia não é conhecido por ser má.
O processo de teste de caminhada para a frente é muito simples. Você identifica um conjunto de informações que você deseja usar para o seu teste e otimização. Usando um exemplo real, agora é o início de 2014. Então, talvez você quer olhar e dados de teste de 2011 através 2012. Isso seria sua amostra de dados em, e, em seguida, o seu fora de dados de amostra pode ser tudo de 2013.
A fim de realizar um teste de caminhada para a frente, você iria testar e analisar a sua estratégia 2011-2012. Em Seguida, para determinar se é “não conhecido por ser ruim”, Você, então, andar para a frente 2103 para ver rever o desempenho.
O que você fez é um teste cego. Você não sabia que a forma como a estratégia iria realizar em 2013 quando testado em 2011-2012. Ao colocá-lo em uma amostra cega, você dar-lhe a oportunidade de falhar.
A razão pela qual tantos comerciantes colocam sua fé em pé testes para a frente é porque é a melhor ferramenta de absoluta para identificar pontos fracos em sua otimização. Quando você está testando uma estratégia, é muito provável que você tenha overfit a oportunidades passadas.
Realimentação Auto laços no mercado atual
Deixe-me dar um exemplo. Nos mercados atuais, um grande número de comerciantes têm sido batendo ouro no mercado aberto, onde todos os dias no mercado aberto., eles vendem o ouro tanto quanto puderem. Às vezes é vários múltiplos da produção anual em um intervalo de poucos minutos. O que você vê é uma queda livre absoluto por cinco ou dez minutos. Esse estado persistir por dias em um tempo. Mas isso não dura para sempre. Quando os comerciantes suficientes começar a ver que as pessoas bater o ouro no aberto, eles começam a fazer a mesma coisa.
Efetivamente, quem quiser ouro para recuam no mercado aberto ensinou outros comerciantes a fazer que o comércio para eles. Como as pessoas esperam de ouro a cair nos primeiros cinco minutos da aberto, Eles, então, mudar o seu comportamento. Alguns tentam saltar sobre batendo o aberto e ir curto.
Outros começar a modificar o seu comportamento. Eles percebem que as quedas livres de ouro por cinco minutos. Em Seguida, de repente ele pára, e mais de como ele será revertido para a média. Eles vão começar a mudar o seu rumo e compra depois de tantos minutos se passaram desde o aberto. Eles esperam que o volume pesado que precedeu a venda acabará por voltar ao normal. Como as pessoas mudam o seu comportamento, outras pessoas respondem em espécie.
Se pessoas suficientes começar a vender no aberto e, em seguida, comprar nas abertos cinco minutos mais tarde, você pode ver que um padrão está se formando em que uma pessoa responde às ações de outra. É um ciclo auto de feedback onde o estado que estava trabalhando para o primeiro par de dias não funciona mais no futuro.
Se for possível identificar uma estratégia que seja capaz de sobreviver essas condições, e é capaz de sobreviver a condições em que você não fez qualquer teste e otimização, você se dá melhores chances de sucesso no futuro. Isso significa que não é muito muitos comerciantes têm clued essa oportunidade de negociação que você descobriu.
A abordagem para andar para a frente de testes é o antídoto para o problema conhecido como ajuste de curva. Encaixe de curva é o derradeiro teria pode ter devia ter estratégia. É semelhante à abertura de um gráfico de ontem e dizendo que eu teria comprado aqui e teria vendido aqui, já sabendo o que aconteceu.
É claro que você vai “ganhar dinheiro” em que situação. Você sabe com informação perfeita o que o mercado fez. No futuro, você não sabe a informação perfeita. O objetivo de uma estratégia é lidar com essa ambigüidade.
Ajuste de curva significa que você tem ajuste tudo tão perfeitamente às condições do mercado no passado que, quando surgem novas situações inevitavelmente, tipo de parecido com a frase, “história não se repete, mas rima,” sua estratégia faz a mesma coisa.
Você quer uma estratégia que faz bem no desempenho passado, mas você não está chegando com uma estratégia para ganhar dinheiro em mercados históricos. O objetivo de desenvolver uma estratégia é fazer o dinheiro em mercados futuros. Quando você está backtesting, você está tentando encontrar o equilíbrio entre o desempenho histórico sólido e, mais importante, certificando-se de que esse conhecimento histórico extrapola para o desempenho futuro. Seu objetivo é fazer dinheiro.
Rolando andar para a frente Optimization
Rolando caminhada otimização frente leva a idéia a pé para a frente e melhora continuamente a estratégia expondo-a a novos dados. Então, vamos dizer que você tem um período de amostragem 24 meses. Uma maneira de fazer isso seria para otimizar a sua estratégia para um período de dois meses, em seguida, para caminhar para a frente para o terceiro mês. Você observar o comportamento e é otimizada novamente para o segundo e terceiro mês, em seguida, caminhar para a frente para o quarto mês.
Ao fazê-lo de forma contínua, você elimina o tempo de decaimento da estratégia e dar-lhe uma chance de se adaptar às condições de mercado em curso. É uma espécie de o enteado ruiva para a aprendizagem de máquina. Experiência e perdas dar a estratégia a oportunidade de melhorar e ajustar-se às mudanças do mercado através de caminhada de otimização para a frente.
…você elimina o tempo de decaimento da estratégia e dar-lhe uma chance de se adaptar às condições de mercado em curso
Outra consideração importante para a caminhada de análise para a frente é o graus de liberdade dentro de um sistema. Por exemplo, vamos dizer que você está analisando uma cruz averaage movendo. Você está usando duas médias móveis e usar um stoploss fixa e ter lucro. Isso lhe daria quatro graus liberdade. A média móvel de rápido é o primeiro grau. A média móvel lento é o segundo grau. O terceiro é o stoploss eo quarto é o take profit.
Os mais graus de liberdade que você permite em um sistema aumenta muito as chances 0f ajuste de curva seus sistemas de dados históricos. Os melhores sistemas absolutos manter doze graus de liberdade ou menos. Você quer encontrar oportunidades comerciais que têm um grande número de negócios e que oferecem um desempenho que você encontrar satisfatória.
Outro elemento a considerar em sua otimização é o que você está otimizando para. A maioria das pessoas foco no retorno absoluto. Retornos são grandes, mas a maioria dos comerciantes importam muito mais sobre como eles fazem seu dinheiro em vez de quanto. Deixe-me dar um exemplo. Se eu tivesse um sistema que fez $25,000 ano passado, Como você quer que ele? Quase todo mundo diz que sim.
Se eu tiver um sistema que fez $25,000 ano passado, mas você tinha que perder para $15,000 antes de fazer qualquer dinheiro. A maioria das pessoas não quer que o sistema. O que isto significa é que você se importa muito mais sobre o desempenho no dia-a-dia, em vez de resultado final. O problema com a otimização e até mesmo a pé otimização para a frente é que você não está necessariamente focada no que você se preocupa no mundo real: a maneira que você está fazendo o seu dinheiro.
A maioria dos pacotes gráficos com foco no resultado líquido e que pode causar algumas deficiências em seu sistema. Se você é intervalo comercial, o que você realmente feito é cereja escolher os resultados que são os menos afetados pela notícia substancial. Na realidade, que você escolheu as configurações que ainda não foram afetados pela caudas gordas.
Se você é trading tendência, você fez exatamente o oposto. Você intencionalmente escolher as configurações que maximizam os tailes gordura que aconteceram no passado. Com estratégias de negociação tendência, você provavelmente não vai encontrar um desempenho consistente. Em vez, o que você vai encontrar é que a otimização freqüentemente causa a longo, secas contínuas de incessante rebaixamento. Então, de repente, quase do nada, ele encontra um vencedor monstro mega que retorna vários múltiplos do saque que você experimentou. Isso é bom para um backtests hipotéticas, mas no mundo real, onde você está sofrendo perdas diariamente perto, a maioria dos comerciantes não podem levar a dor. A fraqueza que eu encontrar com a maioria das otimizações é que eles não olham para a consistência do desempenho. Um substituto potencial para otimizar a estratégia seria olhar para o regressão linear da curva de capital ao longo do tempo. A melhor curva de equidade tem a mais forte inclinação da regressão linear.
Pacotes gráficos mais populares que implementam rolando caminhada de otimização para a frente são Amibroker, TradeStation, Multicharts e NinjaTrader.
Caminhada de otimização para a frente em NinjaTrader
Abra o Analisador de Estratégia do Centro de Controle. Clique em Arquivo / Novo / Estratégia Analyzer.
- Clique do mouse esquerdo em um instrumento ou instrumento lista e clique no botão direito do mouse para abrir o menu do botão direito do mouse. Selecione o item de menu andar para a frente. Você também pode clicar no “em um” ícone na barra de ferramentas de Estratégia Analyzer. Se preferir teclas de atalho, você também pode usar CTRL + O. Por fim, você também pode empurrar o “O” ícone no canto superior esquerdo do Analyzer Estratégia.
- Selecione uma estratégia da deslizar para fora do menu Estratégia
- Defina as propriedades de andar para a frente (Veja a “Compreender propriedades andar para a frente” seção abaixo para definições de propriedade) e pressione o botão OK.
The Walk progresso Atacante será mostrado na barra de status do Centro de Controle.
Dan diz
Testador de estratégia MT5 tem a capacidade de andar para a frente (Mas não está rolando).
Shaun Overton diz
Obrigado por compartilhar, Dan.
Wayne diz
Excelente artigo. Eu tenho um muito bom EA a parte mais difícil foi tentar obter uma boa estratégia para otimização e encaminhar teste.
O artigo dá um método muito bom para otimização.
Rudi diz
tem ferramentas WFA ?
Shaun Overton diz
Oi Rudi,
O que você entende por WFA? Análise de frente de pé?
–Shaun
Praveen Baratam diz
Recently I started experimenting with WFA and made a startling observation. When all else is equal, the outcome of one WFA i.e. Walk Forward Efficiency could vary greatly if the start date of the first In-Sample period is shifted by just one month.
Google Spread Sheet showing both the WFA runs – https://goo.gl/6VHRDU
In Case 1 the first IS-OS step starts on 2nd Aug 2006 and slides forward by 6 months in each step. In Case 2 it starts on 2nd July 2006.
Na realidade, in Case 1 the WFA leaves out one month in the beginning and includes one month in the end when compared to Case 2.
Case 1 WFE : 100%
Case 2 WFE : -12%
Is this a case of seasonal variation? Any other explanation? Its really astonishing to see such big difference between them.
Por outro lado, the phenomenon reverses when we shift from 6 month Out of Sample period to 2 meses. In this situation the WFA instance starting from 2nd July 2006 outperforms the one that starts from 2nd Aug 2006.
Google Spread Sheet showing both the WFA runs and result reversal – https://goo.gl/AkH4ID
May be you can throw more light on this phenomenon.