Váš makro backtest obchodoval podle revidované zprávy o zaměstnanosti

Milý tvůrce strategie založené na filtru mezd,

Vytvořili jste jednoduché pravidlo: po zveřejnění zprávy o zaměstnanosti v USA drží vaše strategie akciové ETF po dobu pěti seancí, pokud měsíční růst počtu pracovních míst přesáhne 175,000. Jinak zůstává v hotovosti. Vstup jste naplánovali po otevření akciového trhu, započítali obchodní náklady a hranici ponechali pevnou. Pak jste stáhli historickou řadu zaměstnanosti a použili ji k rekonstrukci každého signálu.

Zbývá vyřešit problém se staženými daty. Historická ekonomická řada může obsahovat revidované odhady, které v datech, kdy podle předpokladu vaše strategie obchodovala, ještě nebyly dostupné. Chcete-li makro signál poctivě backtestovat, potřebujete verzi dostupnou v každém okamžiku rozhodnutí. Posunutím vstupu o jeden bar neopravíte číslo zveřejněné o dva měsíce později.

Vaše lednová hodnota má několik narozenin

Podívejme se na tuto smyšlenou historii zveřejnění. Data a změny v počtu pracovních míst ilustrují princip; nejde o zveřejněné ekonomické výsledky.

Pokud váš stažený soubor uvádí za leden +210,000, při přehrání strategie nakoupíte ETF v únoru. Vaše skutečné pravidlo by zůstalo v hotovosti. Každá cena, časová značka pokynu i provize přitom mohou být správně, a celý obchod bude přesto smyšlený.

Nemůžete předpokládat, že toto zkreslení výkon zlepší. Revize mohou vytvořit ziskové obchody, vytvořit ztrátové obchody nebo odstranit jedny či druhé. Problém je v tom, že vaše simulace odpovídá na otázku, kterou vaše strategie v danou chvíli nemohla položit.

A leden je jen období, za které se hodnota měří. Není to datum, kdy jste se o ní dozvěděli. Řádek označený 1. lednem vám nedává právo obchodovat s touto hodnotou už 1. ledna.

Veďte u každé hodnoty historii její dostupnosti

Vaše výzkumná tabulka potřebuje víc než měsíc a číslo. Uchovávejte referenční období, hodnotu, časovou značku zveřejnění, identifikátor verze a zdroj. U průběžně aktualizované sbírky zaznamenávejte také, kdy zveřejněný údaj dorazil do vašeho systému. Staré verze zachovávejte místo toho, abyste jejich hodnoty přepisovali.

V okamžiku rozhodnutí vyberte pro každé pozorování nejnovější způsobilou verzi, jejíž časová značka dostupnosti není pozdější než okamžik rozhodnutí. Poté z takto rekonstruovaného snímku vypočítejte příznaky.

Pěti seancemi dlouhá doba držení neznamená, že můžete tuto evidenci vynechat. Dává vám větší prostor zvolit konzervativní čas vstupu; nezpřístupní vám revize předčasně.

U staršího výzkumu možná máte doklad o čase veřejného zveřejnění, ale žádný záznam o tom, kdy údaje dorazily k vám. Tento rozdíl výslovně zachovejte. Přístup můžete modelovat od doloženého času zveřejnění s uvedeným zpožděním. Tento předpoklad ale nemůžete popisovat jako historicky změřenou dobu doručení.

Budete také potřebovat časovou značku zohledňující časové pásmo. Uložte doložený místní čas zveřejnění a správně jej převeďte; pevný posun UTC pro New York nebude fungovat při změnách letního času. Vaše budoucí já vám za tuhle drobnou laskavost poděkuje. Zářijové já by nemělo muset luštit sloupec březnového já s názvem date_actual_final2.

U klouzavých příznaků potřebujete celou historii verzí

Představte si, že pevnou hranici nahradíte pravidlem „růst počtu pracovních míst přesahuje průměr za předchozích dvanáct měsíců“. Teď potřebujete předchozí pozorování v podobě, jakou měla v okamžiku daného rozhodnutí, včetně revizí zveřejněných do té doby.

Pokud budete navždy používat první zveřejněný údaj za každý měsíc, definujete jiný příznak. Takový přístup může být legitimní, pokud výslovně chcete historii původních oznámení. Nerekonstruuje ale ekonomickou historii viditelnou v konkrétní ráno, protože tehdejší soubor informací už mohl zahrnovat revize dřívějších měsíců.

Pokud měsíční změny počtu pracovních míst odvozujete z úrovně zaměstnanosti, před výpočtem rozdílů zrekonstruujte řadu úrovní pro příslušnou verzi dat. Smícháním nově zveřejněné úrovně se starší verzí úrovně za předchozí měsíc můžete vytvořit změnu, která se nevyskytovala v žádném zveřejněném snímku.

Musíte tedy určit, co váš příznak znamená: původní oznámení, nejnovější dostupný obraz ekonomiky, nebo samotné revize. Pojem „růst počtu pracovních míst“ ponechává příliš mnoho věcí nevyjasněných.

Opravte jedno zveřejnění, než znovu spustíte desetiletou historii

Začít můžete s ALFRED, který poskytuje historii verzí mnoha ekonomických řad. Ověřte si pokrytí přesně pro vaši řadu a období. Samotné datum verze nedokládá dostupnost během dne; než jej použijete pro signál v den zveřejnění, spojte ho s doloženým časem zveřejnění.

Pro první audit vyberte jedno zveřejnění a zrekonstruujte ho ručně:

1. Najděte archivované zveřejnění a zaznamenejte čas zveřejnění, referenční měsíc a původní hodnotu.
2. Zrekonstruujte snímek vstupních dat, který by vaše strategie obdržela před vstupem.
3. Ručním výpočtem zjistěte signál a porovnejte ho s přehráním strategie.
4. Přidejte do úložiště pozdější revizi dat a ověřte, že dřívější rozhodnutí zůstalo stejné.

Poslední kontrola se hodí zvlášť v automatizovaném výzkumném procesu. Poskytněte svému výzkumnému agentovi hranici snímku i vybrané identifikátory verzí spolu s hodnotami příznaků. Potřebujete dostatek podkladů, abyste mohli obchod dohledat až ke konkrétnímu zveřejnění, i když se původní databáze rozroste.

Jakmile se podaří zopakovat toto jediné rozhodnutí, znovu spusťte celou historii a před porovnáním výnosů porovnejte rozdíly v signálech. Spočítejte, kolik vstupů oprava vytvořila, odstranila nebo posunula. Změněná rozhodnutí vám řeknou víc než samotné Sharpe před opravou a po ní.

Váš únorový obchod musí obstát na základě únorových informací. Dubnovou revizi nechte v dubnu.