回溯测试的策略有哪些(Different Types of Backtesting Strategies)？

暖人暖心

回溯测试策略有三种主流方法：使用分成三组的实际价格数据；bootstrap，它使用实际价格数据，但重新抽样；以及蒙特卡罗模拟。有一些理论问题将系统建设者划分为哪种方法是最好的。对交易者来说重要的是，在将交易资金交给系统之前，他至少正确地使用了一种回溯测试策略。选择回溯测试策略的一个关键问题是生成的交易；在系统建设者工作的每个阶段至少需要1000笔交易。商人使用实际价格数据竖起大拇指，分为三部分，是大多数系统构建者通常的起点。系统是使用前三分之一的数据创建的。此时，构建者已经找到了一些算法，这些算法似乎能产生足够的利润，风险很小，可以提供良好的前景。第二个三分之一的数据用于优化系统。在系统优化后，它将应用于剩余的三分之一的数据。这称为样本外测试，这是大多数系统失败的地方如果系统在至少1000个交易中仍然有良好的结果，那么系统构建者就有了一个可行的系统。如果系统在样本外测试中生成的交易少于1000个，那么构建者应该考虑另一个回溯测试策略。引导是一种从总集合中提取一些数据，进行测试，将数据放回原处的方法，再抽取更多的数据，或者重新抽样，再重新测试。理想的重采样次数是nn，或者n的n次方，其中n是原始样本中的数据数量。对于一个可能处理至少2500个数据点（10年中每年250天）的交易者来说，这是不现实的幸运的是，100个重采样将提供一个高水平的信心，即引导样本将反映原始数据，使结果可靠。如果采取100个重采样不能提供所需的1000个交易，交易者需要继续重采样，直到达到目标，如果他期望系统，而不仅仅是重新采样数据，为了可靠。后验策略的最后一种方法是蒙特卡罗（MC）模拟。该方法使用计算机生成模拟数据，然后在该数据上对系统进行测试。MC模拟的优点是可以创建无限量的数据，允许一个人生成10个，000个交易或任何其他数量的交易。另一个优势是每个新的数据集都是样本外的。这提供了重复优化和测试运行的机会；只需对该数据集进行优化，然后将这些系统参数应用到计算机生成的下一个数据中。MC模拟的一个缺点是数据可能不具有与交易数据完全相同的概率分布函数，这可能会使结果产生偏差。在所有可能的情况下，这三种回测策略都应在对系统进行审查。这三个方面的成功应该为现实世界的交易提供了非常高的成功可能性。