您的外汇backtests是绝对不值钱,如果你不测试策略的统计录入效率和效益退出. 运行一个后台测试不可避免地报告大家赚的结局美元. 存在类似的平均主胜损耗等因素的影响, 利润因子和夏普比率, 但他们不告诉你什么有用的,直到设计一个自动交易系统的最后一步.
正确的方法来测试策略应着眼于问题, “是我的策略一片垃圾?” 大多数人都试图证明自己是对的. 真正的考验是不能够证明自己错了. 做到这一点的唯一途径是通过统计方法.
进入和退出效率
效率提出硬一些什么比例的可用交易范围的策略捕获. 交易窗口开始在那里交易进入市场吧. 该窗口关闭交易退出时.
总的可用窗口是最高价减去最低价窗口. 计算出入境效率简单的措施是什么,你的策略往往会捕捉窗口的百分比. 把所有的行业的平均水平,你得到的整体效率.
输入效率公式
公式长期贸易: (最高价 – 入门价格) ÷ (最高价 – 最低价)
公式很短的交易: (入门价格 – 最低价) ÷ (最高价 – 最低价)
退出效率公式
公式长期贸易: (出口价格 – 最低价) ÷ (最高价 – 最低价)
公式很短的交易: (最高价 – 出口价格) ÷ (最高价 – 最低价)
带你在哪里买一个假设货币一个例子 150 并在出售 170. 进入和退出的时间之间的最低价是 140. 价格随后一路跑至 200 解决回落到前 170, 这是其中的出口发生.
入门效率 (200-150) ÷ (200-140) = 50 ÷ 60 = 83%. 几乎每个人都会同意,这使一个伟大的入门.
出口效率 (170-140) ÷ (200-140) = 30 ÷ 60 = 50%. 大多数人会认为出口会产生理想快比它做.
效率不通过仪器或时间框架改变
我们用外汇backtests遇到的一个主要问题是有限的数据集. 这对于那些有兴趣在测试长期战略就像那些在H4或D1图表尤其如此. 美妙的事情有关出入境效率是他们不图改变以图表,甚至期间期.
我喜欢跳跃的向下M1图表效测试. 这些数据几乎是无穷无尽的. 我从来不用担心用完. 伟大的事情是,我知道当我转移回H4图, 的效率不应该改变超过±5%的.
如果你看到的效率各不相同太多, 那么你可能没有足够的交易,形成一个统计显著组. 我的经验告诉我, 75 行业通常会非常接近于实际效率. 100 行业或越多越好. 当我在M1图表运行测试, 我经常收到几千个行业超过了几个月的过程. 数字是大可以告诉你一个很大的信心是多么强大的一个策略的参数确实是.
平时, 你可以认为属于任何结果 45-55% 是随机的结果, 随机过程. 当我看到蠕变直到像那些障碍backtests 54.9% 甚至 55.1%, 结果不可避免罐回绕 50% 标.
随机的贸易成果和美元利润
我想这部分是关于如何赚钱与随机效率. 唉, 我们必须讨论如何随机性可能导致不合理的eurphoria.
我一直感兴趣的随机性的概念了好几年. 数学家指它与一个更不透明名 “随机过程”. 尽管非无意义名, 它是说随机性的研究只是一种奇特的方式 – 如何改变, 其分布, 它能走多远 “漫步”, 等.
昨天, 我用硬币翻转比喻来描述如何 鞅策略 概率是注定要失败. 一个有趣的概念,我并没有提到关于布朗运动. 甚至与一组随机结果, 行业将继续随机步行距离起点.
爱因斯坦获得真正的信贷解决数学概念背后, 尽管他的名字是不是在长期. 他表明,一个随机过程将遵循的距离为试验次数的平方根. 如果我们决定抛硬币 60 时, 我们知道, 50% 时间应该落在头上,另一 30 尾巴上.
它实际上原来我们应该期望在任何输赢的数目很轻微的偏差, 尽管我们不知道哪一个. 这是随机的. 精确的偏差, 无论怎样也喜欢去, 应该等于 √60, 能够统计出7〜. 元首的成果通常应该包括从 23-37, 与尾巴结果构成差.
七行业出60强改变的百分比, 即使我们知道它真的应该是 50%. 如果只元首上来 23 超时的 60, 这是 38%. 这个问题是不是与硬币. 它与试验的次数. 当你这样做的越来越大量的小径, 在意义随机偏差跌幅百分比准确性方面. 50,000 行业, 例如, 应显示大致盈余 223 赞成输赢行业. 精度范围内下降 1% 的 50% 在任一侧, 一个显着的改善.
曲线拟合的风险
曲线拟合随机效率涉及到布朗运动的想法. 比方说,我们使用一个策略,我知道永远不会显示一个进入或退出效率: 在均线交叉. 我已经通过这一战略从周日六种方式去, 几乎完全以客户的遗志. 它不作为一个完全自动化的工作策略. 没有秘密集快速和慢速阶段,将解锁的隐藏按键获利.
多数贸易商, 经验丰富与否, 通过搜索一组参数生成最盈利港元滥用backtester. 这些曲线拟合他们的测试,以优化利润最大化. 真正的情况是,贸易商优化随机漂移已经发生额.
当我用的例子 50,000 行业创造的自然漂移 223, 我引它与示出的目的,它是如何小,在实际百分比accurracy减小误差. 其他后果的交易系统是为错误的百分比 减少, 在您的结果自然偏向 增加. 盲目运行优化只选择了一套组合能产生两种标准的组合:
- 发生漂移制定出有利于这组参数
- 是随这些参数损益. 美元的利润,自然的变化,因为在两条均线交叉的不同点
你需要一个像效率的工具来防范这些类型的随机结果. 它是我所知道的,唯一的办法明确规定战略与否的行为以随机方式. 我特别喜欢,它打破这些元素分解成两个的交易策略的三个基本组成部分的事实: 入门, 出口, 和位置上浆.
有效的策略不工作的所有时间
头寸调整标志着最后的障碍,以建立您的全自动交易策略. 一组规则,产生的是搭配了高效的退出并不一定赚钱,在统计学上有效的入境. 每个交易日设定的值可以改变, 太.
每个策略包含不同的套赢家和输家. 每位获奖者和失败者在美元价值变化. 你采取任何资金管理办法需要平衡的方式赢家和输家的每一个正常化的交易结果的比例. 理想情况下,你要消除美元价值的变化. 20 PIP行业应该赚取或完全一样多的失去你的 100 PIP行业.
这似乎违反直觉. 多数贸易商想赢比例与机会大小. 这是从制度层面更好地完全忽略的机会大小,使每个交易价值相同的金额. 投注或多或少与各个行业有效地恢复正常每笔交易的价值.
使用止损脱颖而出,成为一个明显的候选人修复多少交易价值. 在严重的缺点是,它几乎总是消极影响退出效率. 每当我可以逃脱它, 我总是建议的任意止损采用基于市场的出口,而不是. 交易商通常会尖叫在他们的肺部上方,当他们听到我这样说. 我只是说作为一个系统开发商. 这些数字是它们是什么.
飞的交易者 说
我喜欢这篇文章. 有关段落 “曲线拟合的风险” 有趣的是… 它也被称为厄尼陈书中 (定量交易: 如何构建您自己的算法交易业务) “数据探测的偏见” 这就是为什么他建议有两个部分为您的数据 “在示例数据” (优化设置) 和 “示例数据” (要测试设置)
测试的概念 “有效性” 或 “效率” 出入境的观点也很有趣… 这是一个其他的角度来说,我可能会设法将考虑在我下一个先.
我见过目前不叫你文章里的想法 “步行前进分析” WFA 或 “向前走优化” 无忧运行… 一幅画是有时比文字更… https://www.google.fr/search?q=walk+forward+optimization
你对这种方式的回溯测试的看法是什么 / 优化 ?
肖恩·奥弗顿 说
嗨飞,
谢谢你的评论. 我强烈推荐厄尼陈书. 它骄傲地坐在我的书架上.
步行前进分析是完全相同的想法,你概述从陈与数据探测的偏见. 向前走是更普遍接受的术语. 正如我的意见, 向前走是唯一可以接受的方法策略测试.
odie.rachmat 说
我知道这可能看起来傻或愚蠢,
正如我们所知, 回溯测试在测试中也是检查是否系统鲁棒 ennough 贸易中的示例数据.
让我们说我们做优化的 insample 数据 2000-2008, 然后出样本数据在测试上 2008-2013. 如果策略仍生成中的利润 2008-2013 outsample 数据, 因此,系统是鲁棒 ennough.
现在怎么样如果我们优化中的数据 2008-2013 中的示例数据, 然后运行测试它在 2000-2013. 我见过一些我也在那些后面出样品的测试生成利润. 所以我们可以看到, 该系统是 robbust 也为我们没有过去的市场条件进行了优化.
的事情是, 我们已经优化与接近当前市场条件下的数据. Som 其过去有更多适应市场现状与证明 robustnest 在样品市场数据.
我猜也是,有出样本数据的鲁棒性,不被优化. 所以,当系统在落后的测试与那些样品相同的鲁棒性, 我们为什么不能花?
并不是另一个点, 在那里我们将在未来贸易我们真正的 koney, 但实际上 wr 贸易我们真正的钱 “出样品 / 未知数据市场条件”.
我们没有优化的任何事情都是 “出样/未知市场条件”. 所以我猜 , 步行落后试验 ( 我不知道该取什么名字这种想法 ) 有满足那些出样品的鲁棒性,如果它使利润也过去了样品中. 当然与效益更多适应当前市场形势自 optimsation 进程是最近与当前市场.
可能会做优化,每个月, 如果是一些基本的方面或喜欢历史缩编违反, pn 我们重新油源再次为过去 2-3 年,也为这种优化的鲁棒性的检查设置为落后出样品.
是这件事意义统计学? 请让我知道你认为
此致敬意
欧弟
肖恩·奥弗顿 说
嘿欧迪,
有是没有数学定理使反驳这个想法. 我强烈感受的是它不起作用.
让我们说你优化为 2008-2010, 然后 “向前测试” 从理念 2000-2007. 在某种程度上, 这个想法是已经知道研究了和您要测试的时间.
我实际上花了上月经历这个想法. 客户端任务我重新创建交易策略他手册, 基于提供的数据 2010. 我测试我的算法, 做得很公平的逼近他的交易. 我对以前的业绩感到好奇, 所以我跑测试所有的方式回到 2000. 结果, 这并不奇怪, 同样坚固. 如果我呆在那里, 它会看起来像 10 多年的固体性能优化只上一单年.
然后, 走了过来可怕 步行向前测试. 结果完全土崩瓦解. “前测试” 对以前的数据没有完成任何事情.
谢谢你的大问题!
drofwarc 说
肖恩喜,
恭喜您的网站. 大量的固体信息在这里. 我感兴趣地刚读你的文章讨论的测量项概念和退出效率. 您所提供的公式, 但你不解释如何应用它们. 我在回溯测试过程在 MT4 的战略的数目. 可能到 EA 使用回溯测试代码的公式?
我期待回从你.
drofwarc
肖恩·奥弗顿 说
嗨 drofwarc,
我老实说搬从效率到不同的分析工具. 效率是仍然坚实扔出去最 unadvantaged 的进入和退出策略. 这说, 这并不意味着,还有什么是值得保留.
建筑效率测量,你可以编程策略快速交易或 NinjaTrader 揭露相同数目的时候不值得.
–肖恩