21 Νοέμβριος 2026 · έρευνα

Μια καλύτερη στρατηγική μπορεί να φαίνεται χειρότερη όταν προσθέτετε περισσότερα δεδομένα

Μια καλύτερη στρατηγική μπορεί να φαίνεται χειρότερη όταν προσθέτετε περισσότερα δεδομένα

Τα πιο λεπτομερή δεδομένα αγοράς μπορούν να κάνουν ένα backtest στρατηγικής λιγότερο αξιόπιστο. Τα δεδομένα συναλλαγών προσφέρουν περισσότερες γραμμές, αλλά και περισσότερους τρόπους να εκλάβετε τη λεπτομέρεια της μέτρησης ως γνώση για το τι θα μπορούσατε να είχατε διαπραγματευτεί.

Αυτό ακούγεται παράδοξο αν έχετε δει ποτέ ένα τεστ βασισμένο σε μπάρες να χάνει ένα stop, μια διεύρυνση του spread ή ένα στιγμιαίο άγγιγμα της τιμής ορίου σας. Αυτά είναι πραγματικά προβλήματα. Το ερώτημα είναι αν τα λεπτομερέστερα δεδομένα τα επιλύουν πράγματι ή απλώς επιτρέπουν στον προσομοιωτή να αφηγηθεί μια πιο πειστική ιστορία.

Τι μπορούν να δουν τα δεδομένα συναλλαγών σε ένα backtest;

Μια μπάρα 1 λεπτού συμπυκνώνει μια ακολουθία συναλλαγών σε τέσσερις τιμές και ένα σύνολο όγκου. Μόνο από τη μπάρα, συνήθως δεν μπορείτε να καταλάβετε αν το υψηλό προηγήθηκε του χαμηλού, πόση ώρα παρέμεινε η τιμή κοντά σε κάποιο από τα δύο άκρα ή αν πραγματοποιήθηκαν αρκετές συναλλαγές σε μια συγκεκριμένη τιμή ώστε να υποστηριχθεί η εντολή σας.

Τα ticks συναλλαγών αποκαθιστούν τη σειρά των αναφερόμενων συναλλαγών. Οι προσφορές προσθέτουν τις εμφανιζόμενες τιμές bid και ask με την πάροδο του χρόνου. Με τα δύο είδη δεδομένων, μπορείτε να θέσετε ακριβέστερα ερωτήματα για το spread, τις αλλαγές στις προσφορές και το αν μια εμπορεύσιμη εντολή θα περνούσε το βιβλίο εντολών σε εύλογη τιμή.

Όμως μια καταγεγραμμένη συναλλαγή δεν αποκαλύπτει τη θέση σας στην ουρά. Αν η εντολή σας σε αναμονή θα τοποθετούνταν σε επίπεδο με 18 BTC ήδη μπροστά της, το ότι βλέπετε συναλλαγή 0.3 BTC σε εκείνο το επίπεδο δεν αποδεικνύει ότι εκτελέστηκε η εντολή σας. Η ροή συναλλαγών δείχνει τι συνέβη στην αγορά· σπάνια αποκαλύπτει ακριβώς πού βρισκόταν η υποθετική εντολή σας.

Πού μπορούν τα λεπτομερέστερα δεδομένα να χειροτερέψουν το αποτέλεσμα;

Ο πρώτος κίνδυνος είναι η άνιση κάλυψη. Τα αρχεία ticks συχνά έχουν κενά χρονικά διαστήματα, ελλείψεις σε χρηματιστήρια, αλλαγές συμβόλων ή διαφορετικά χρονικά όρια διατήρησης μεταξύ αγορών. Μια στρατηγική που δοκιμάζεται μόνο εκεί όπου ο πάροχος διαθέτει πλήρες ιστορικό μπορεί σιωπηρά να καταλήξει να αφορά τα περιουσιακά στοιχεία και τις περιόδους που μετρώνται ευκολότερα.

Ο δεύτερος κίνδυνος είναι ο χρονισμός. Οι χρονοσημάνσεις μπορεί να αντιστοιχούν στον χρόνο του συμβάντος στο χρηματιστήριο, στον χρόνο λήψης από τον πάροχο ή στη στιγμή δημιουργίας ενός αρχείου. Αν ο προσομοιωτής σας ταξινομεί συμβάντα από διαφορετικές ροές σαν τα ρολόγια τους να ήταν τέλεια συγχρονισμένα, μπορεί να αντιδράσει σε μια προσφορά πριν αυτή γίνει διαθέσιμη στη διεργασία σας.

Και οι περισσότερες γραμμές διευκολύνουν την απόκρυψη σφαλμάτων υλοποίησης. Μια στρατηγική με μπάρες μπορεί να λαμβάνει μία απόφαση ανά λεπτό. Μια έκδοση που βασίζεται σε ticks μπορεί να κάνει δεκάδες συναλλαγές μέσα σε εκείνο το λεπτό, πληρώνοντας κάθε φορά spread, προμήθειες και επίπτωση στην αγορά. Αν ο προσομοιωτής υποθέτει ότι κάθε σήμα μπορεί να εκτελεστεί στην επόμενη παρατηρούμενη τιμή, η ακρίβειά του είναι διακοσμητική.

60παρατηρήσεις ανά δευτερόλεπτο μέσα σε ένα λεπτό
1μπάρα 1 λεπτού με τη σύνοψη του ίδιου διαστήματος

Οι 60 παρατηρήσεις δεν αντιστοιχούν αυτομάτως σε 60 ανεξάρτητες ευκαιρίες για συναλλαγή. Μπορεί όλες να περιγράφουν την ίδια εξελισσόμενη προσφορά, ενώ η εντολή σας μπορεί να επηρεάσει τη διαθέσιμη ρευστότητα για εκτέλεση. Μια προσομοίωση υψηλής συχνότητας χρειάζεται μοντέλο εντολών και καθυστέρησης που αξιοποιεί με ειλικρίνεια την επιπλέον λεπτομέρεια.

Πότε αξίζει το κόστος των δεδομένων συναλλαγών;

Ξεκινήστε από το ερώτημα που δεν μπορείτε να απαντήσετε με τα τρέχοντα δεδομένα σας. Αν είναι «ποιο ενεργοποιήθηκε πρώτο, το stop μου ή ο στόχος μου;», τα ticks συναλλαγών μπορεί να βοηθήσουν. Αν είναι «πόσο μου κόστισε το spread κατά την είσοδο;», τα δεδομένα προσφορών είναι πιο σχετικά. Αν είναι «θα είχε εκτελεστεί η παθητική μου εντολή;», μπορεί να χρειαστείτε βάθος αγοράς και παραδοχές για την ουρά, και ακόμη κι αυτά σπάνια αναπαριστούν πλήρως την ιστορική ουρά.

Ερευνητικό ερώτημαΧρήσιμα δεδομέναΤι δεν μπορούν να αποδείξουν
Έγινε συναλλαγή σε ένα όριο πριν από ένα άλλο;Ticks συναλλαγώνΌτι η εντολή σας εκτελέστηκε σε κάποιο από τα δύο όρια
Ποιο spread διέσχισε μια εντολή αγοράς;Χρονοσημασμένες προσφορές bid και askΌτι το εμφανιζόμενο μέγεθος παρέμεινε διαθέσιμο
Θα μπορούσε να εκτελεστεί μια παθητική εντολή;Προσφορές, βάθος και μοντέλο ουράςΤην ακριβή θέση σας στη ζωντανή ουρά

Για ένα ημερήσιο σήμα που διατηρείται για εβδομάδες, οι μπάρες 1 λεπτού μπορεί ήδη να είναι λεπτομερέστερες απ’ όσο χρειάζεται η διαδικασία λήψης αποφάσεων. Για μια στρατηγική της οποίας το πλεονέκτημα εξαρτάται από την εκτέλεση μέσα σε δευτερόλεπτα, οι μπάρες μπορεί να εξαφανίσουν ακριβώς το φαινόμενο που μελετάτε. Αντιστοιχίστε την ανάλυση των δεδομένων στον ορίζοντα λήψης αποφάσεων και εκτέλεσης της στρατηγικής.

Πώς μπορώ να διαπιστώσω αν βοήθησε η επιπλέον λεπτομέρεια;

Κρατήστε σταθερές τη στρατηγική και την περίοδο δοκιμής. Συγκρίνετε τις εκδόσεις με μπάρες και με λεπτομερέστερα δεδομένα, διατηρώντας τις ίδιες αποφάσεις όπου είναι δυνατό. Παρακολουθήστε τις μεταβολές στις εκτελέσεις, τον κύκλο εργασιών, το spread που πληρώθηκε, τις προμήθειες και την επίπτωση στην αγορά, παράλληλα με τις στατιστικές απόδοσης και κινδύνου. Αν το Sharpe αυξηθεί ενώ ο αριθμός συναλλαγών τριπλασιάζεται και το μοντέλο εκτέλεσης εξακολουθεί να εκτελεί στην επόμενη καταγεγραμμένη τιμή, η βελτίωση πρέπει να αντιμετωπιστεί με επιφύλαξη.

Έπειτα, υποβαθμίστε σκόπιμα τα λεπτομερή δεδομένα. Αφαιρέστε τυχαία ένα μικρό ποσοστό συμβάντων, προσθέστε ρεαλιστική καθυστέρηση στη ροή δεδομένων και αυξήστε το υποτιθέμενο spread ή την επίπτωση στην αγορά. Ένα αποτέλεσμα που καταρρέει με καθυστέρηση λίγων χιλιοστών του δευτερολέπτου μπορεί να οφείλεται στη σειρά συμβάντων του προσομοιωτή και όχι σε ένα διαχρονικό χαρακτηριστικό της στρατηγικής.

Ένα απόγευμα, είχα περάσει κάποτε ώρες αναζητώντας την αιτία μιας θεαματικής βελτίωσης και τη βρήκα σε μια ροή δεδομένων που είχε διπλασιάσει μια σύντομη ακολουθία καταγεγραμμένων συναλλαγών. Το μοντέλο είχε μάθει να συναλλάσσεται με τα διπλότυπα. Τα περισσότερα δεδομένα έκαναν το σφάλμα να μοιάζει με πλεονέκτημα.

Οι επικριτές των μπαρών έχουν δίκιο ότι η συγκεντρωτική απεικόνιση μπορεί να αποκρύψει εκτέλεση που εξαρτάται από τη διαδρομή της τιμής. Δεν μπορεί να καθοριστεί από τα OHLC ποιο ενεργοποιήθηκε πρώτο, ένα stop ή ένας στόχος μέσα στην ίδια μπάρα, ενώ στιγμιότυπα του spread μπορεί να παραλείψουν σύντομες στρεβλώσεις. Τα δεδομένα ticks και προσφορών μπορούν να απαντήσουν σε αυτά τα ερωτήματα με μεγαλύτερη ακρίβεια, όταν η ροή είναι πλήρης και ο προσομοιωτής λαμβάνει υπόψη τον χρονισμό των συμβάντων.

Το πρακτικό κριτήριο είναι απλό: αγοράστε περισσότερη λεπτομέρεια μόνο όταν αλλάζει μια απόφαση που μπορείτε να περιγράψετε, και δείξτε ποιες παραδοχές επιτρέπουν σε αυτή τη λεπτομέρεια να οδηγήσει σε εκτέλεση. Διαφορετικά, έχετε μεγαλύτερο σύνολο δεδομένων και ένα backtest που φαίνεται ακριβέστερο, χωρίς καλύτερες ενδείξεις ότι η στρατηγική θα μπορούσε να συναλλαχθεί.

μηχανική δεδομένωνbacktestingμικροδομή αγοράςέρευνα στρατηγικών
ΚοινοποίησηXLinkedInFacebookRedditHacker NewsWhatsAppTelegramEmail
← Όλα τα άρθρα