назад Оглавление вперед


[Старт] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [ 37 ] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55]


37

Дата

Контракт

Цена

5/3/93

591.75

5/3/93

July

594.00

7/1/93

July

658.25

7/1/93

659.75

8/2/93

704.50

8/2/93

Sept

705.50

9/1/93

Sept

652.50

9/1/93

654.75

11/1/93

618.50

11/1/93

628.50

1/3/94

698.75

1/3/94

709.00

3/1/94

678.50

3/1/94

684.50

5/2/94

669.75

5/2/94

July

669.75

7/4/94

July

643.00

7/4/94

639.75

8/1/94

585.00

8/1/94

Sept

571.50

9/1/94

Sept

580.75

9/1/94

574.00

11/1/94

542.25

11/1/94

554.25

1/4/95

548.50

1/4/95

558.50

3/1/95

553.75

3/1/95

563.50

3/22/95

580.00



Глава 20 Тестирование И оптимизация торговых систем

Торговая система - это набор правил, которые могут бьпъ использованы для генерирования торговых сигналов. Параметр - это величина, которую можно свободно выбирать для того, чтобы изменять время поступления сигналов. В то время как стандартные системы ограничиваются одним или двумя параметрами, более сложные системы обычно будут требовать трех или более параметров. Как правило, лучше всего использовать форму системы с возможно наименьшим количеством параметров, которая не подразумевает сушественного ухудшения результативности по сравнению с более сложными вариантами системы.

Сушествует четыре типа параметров. Непрерывный параметр может подразумевать использование любого значения из данного диапазона. Дискретный параметр подразумевает только целые значения. Кодовые параметры используются для описания классификационных различий в определениях торговых правил. Фиксированный, или неоптимизированный, параметр помогает разработчику системы уйти от использования слишком большого числа параметров.

Непрерывные фьючерсные серии оказываются предпочтительным выбором при тестировании системы. Чем продолжительнее период, на котором тестируется система, тем надежнее результаты. Разработчику для определения степени временной устойчивости следовало бы тестировать систему для всего периода в целом, а затем оценивать результаты для различных более коротких временных интервалов. Из-за нереалистичных предположений, связанных с транзакционными издержками и заменой одних контрактов другими, действительная эффективность системы часто не так высока, как подразумевается смоделированными результатами.

Оптимизация - процесс отыскания наилучшего параметра или набора параметров определенной системы на конкретном рынке, основывающийся на предположении, что наилучший в прошлом набор параметров продолжит показывать наилучшую результативность и в будущем. Однако тестирование обнаруживает очень незначительную корреляцию между эффективностью оптимизирован-



ного набора параметров в прошлом и будушем, если обнаруживает таковую вообше.

Оптимизация может оказаться более полезной, если применяется к портфелю, а не к каждому рынку в отдельности. Вместо того чтобы выбирать наилучший в прошлом набор параметров для каждого рынка в отдельности, разработчик системы выбирает наилучший в прошлом набор параметров применительно ко всем рынкам сразу. Следующие четыре фактора могли бы использоваться для сравнения эффективности: (1) прибыль, выраженная в процентах, (2) уровень риска, (3) устойчивость к изменению параметров и (4) временная стабильность.

Швагер делает пять главных выводов, касающихся оптимизации: (1) с помощью оптимизации любую систему можно сделать прибыльной задним числом; (2) оптимизация всегда преувеличивает возможную будущую эффективность системы; (3) в общем случае оптимизация не будет улучшать будущую результативность или улучшит ее незначительно; (4) если оптимизация и имеет какое-то значение, оно обычно состоит в определении широких фаниц диапазона, из которых следует выбирать значения наборов параметров для системы; (5) искушенные и сложные процедуры оптимизации - пустая трата времени.

Оценка системы, основывающаяся на оптимизированных наборах парамефов, является скорее подгонкой системы под прошлые результаты, а не тестированием. Два наиболее удачных подхода к оценке системы - «слепое моделирование» и оценка средней результативности набора параметров. При использовании «слепого моделирования» система оптимизируется с использованием данных временного периода, который намеренно исключает последние ГОДЫ; затем система тестируется с использованием полученных наборов парамефов на последующих годах. Отыскание средней результативности набора парамефов фебует, прежде всего, определения полного списка всех наборов парамефов, которые нужно протестировать. Затем проводятся тесты для всех выбранных наборов парамефов, и средний результат для всех протестированных наборов используется в качестве показателя потенциальной результативности системы.

Использование оптимизированных результатов будет значительно искажать подразумеваемую будущую результативность системы, поскольку корреляция между наиболее результативными для одного периода парамефами системы и теми ее парамефами, которые приведут к наилучшей результативности в следующий период, крайне мала, если вообще существует. Неправильное использование оптимизации в течение долгих лет привело фактически к обесце-

[Старт] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [ 37 ] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55]