21. marraskuu 2026 · tutkimus

Parempi strategia voi näyttää huonommalta, kun lisäät dataa

Parempi strategia voi näyttää huonommalta, kun lisäät dataa

Tarkempi markkinadata voi heikentää strategian backtestin luotettavuutta. Tick-data tuo lisää rivejä, mutta samalla myös lisää tapoja erehtyä pitämään mittauksen yksityiskohtaisuutta tietona siitä, mitä olisimme voineet käydä kauppaa.

Tämä kuulostaa nurinkuriselta, jos olet joskus nähnyt bar-dataan perustuvan testin ohittavan stopin, spreadin levenemisen tai lyhyen kosketuksen limit-hintaan. Nämä ovat todellisia ongelmia. Kysymys kuuluu, ratkaiseeko tarkempi data ne oikeasti vai saako se simulaattorin vain kertomaan itsevarmemman tarinan.

Mitä tick-data antaa backtestin nähdä?

Yhden minuutin bar tiivistää kauppojen sarjan neljäksi hinnaksi ja volyymin kokonaissummaksi. Pelkän barin perusteella et yleensä voi tietää, tuliko huippu ennen pohjaa, kuinka kauan hinta pysyi kummankin ääriarvon lähellä tai käytiinkö tietyllä hinnalla kauppaa riittävällä koolla, jotta toimeksiantosi olisi voinut toteutua.

Kauppatickit palauttavat raportoitujen kauppojen järjestyksen. Noteeraukset puolestaan näyttävät osto- ja myyntihinnan ajan kuluessa. Näiden avulla voit kysyä tarkemmin spreadista, noteerausten muutoksista ja siitä, olisiko markkinatoimeksianto ylittänyt kirjan uskottavaan hintaan.

Kauppatuloste ei kuitenkaan kerro paikkaasi jonossa. Jos lepäävä toimeksiantosi olisi liittynyt tasolle, jossa sen edellä oli jo 18 BTC, havainto 0.3 BTC:n kaupasta sillä tasolla ei todista, että toimeksiantosi olisi toteutunut. Nauha kertoo, mitä markkinoilla tapahtui; harvoin se kertoo tarkasti, missä kuvitteellinen toimeksiantosi olisi ollut.

Milloin tarkempi data voi heikentää tulosta?

Ensimmäinen riski on kattavuuden epätasaisuus. Tick-arkistoista puuttuu usein aikavälejä, kaupankäyntipaikkoja tai symboleja voi vaihtua, ja markkinoiden säilytysajat voivat erota toisistaan. Jos strategiaa testataan vain siellä, missä toimittajalla on täydellinen historia, siitä voi huomaamatta tulla strategia helpoimmin mitattaville omaisuuserille ja jaksoille.

Toinen riski liittyy ajoitukseen. Aikaleima voi kuvata pörssin tapahtuma-aikaa, toimittajan vastaanottoaikaa tai hetkeä, jolloin tiedosto koottiin. Jos simulaattori järjestää eri syötteiden tapahtumat ikään kuin niiden kellot olisivat täysin synkronoituja, se voi reagoida noteeraukseen ennen kuin noteeraus oli prosessisi saatavilla.

Lisärivit helpottavat myös toteutusvirheiden piilottamista. Bar-strategia voi tehdä yhden päätöksen minuutissa. Tick-datan ohjaama versio voi käydä kauppaa kymmeniä kertoja saman minuutin aikana ja maksaa joka kerta spreadin, kulut ja markkinavaikutuksen. Jos simulaattori olettaa, että jokainen signaali voidaan toteuttaa seuraavaan havaittuun hintaan, sen tarkkuus on vain koristeellista.

60yhden sekunnin havaintoa minuutissa
1minuutin bar, joka tiivistää saman aikavälin

Havainnot 60 sekunnilta eivät automaattisesti tarkoita 60 toisistaan riippumatonta kaupankäyntimahdollisuutta. Ne voivat kaikki kuvata samaa kehittyvää noteerausta, ja toimeksiantosi voi vaikuttaa siihen, mitä toteutuksia on vielä saatavilla. Korkeataajuinen simulaatio tarvitsee toimeksianto- ja viivemallin, joka hyödyntää lisätiedot rehellisesti.

Milloin tick-data kannattaa hankkia?

Aloita kysymyksestä, johon et pysty vastaamaan nykyisellä datallasi. Jos kysymys on ”kumpi tuli ensin, stop vai tavoitehinta?”, kauppatickit voivat auttaa. Jos kysymys on ”kuinka paljon spread maksoi sisäänmenossa?”, noteerausdata on olennaisempaa. Jos kysymys on ”olisiko passiivinen toimeksiantoni toteutunut?”, saatat tarvita syvyystietoa ja jono-oletuksia, mutta niilläkään ei yleensä saada palautettua koko historiallista jonoa.

TutkimuskysymysHyödyllinen dataMitä se ei silti voi todistaa
Käytiinkö yhdellä kynnystasolla ennen toista?KauppatickitEttä toimeksiantosi toteutui kummallakaan tasolla
Minkä spreadin markkinatoimeksianto ylitti?Aikaleimatut osto- ja myyntinoteerauksetEttä näytetty koko oli yhä saatavilla
Olisiko passiivinen toimeksianto voinut toteutua?Noteeraukset, syvyys ja jonon malliTarkkaa paikkaasi reaaliaikaisessa jonossa

Päiväsignaalille, jota pidetään viikkoja, minuutin bar-data voi olla jo tarkempaa kuin päätöksentekoprosessi tarvitsee. Strategialle, jonka etu riippuu sekuntien aikana toteutumisesta, bar-data voi hävittää juuri tutkittavan vaikutuksen. Sovita datan tarkkuus strategian päätös- ja toteutushorisonttiin.

Mistä tiedän, auttoivatko lisätiedot?

Pidä strategia ja testijakso samoina. Vertaa bar-dataan perustuvaa versiota tarkempaan dataan perustuvaan versioon samoissa päätöksissä aina kun mahdollista. Seuraa toteutusten, vaihtuvuuden, maksetun spreadin, kulujen ja markkinavaikutuksen muutoksia tuotto- ja riskitilastojen rinnalla. Jos Sharpe nousee, vaikka kauppojen määrä kolminkertaistuu ja toteutusmalli täyttää yhä toimeksiannot seuraavaan tulosteeseen, parannukseen kannattaa suhtautua epäillen.

Heikennä sitten tarkkaa dataa tarkoituksella. Pudota satunnaisesti pieni osa tapahtumista, lisää realistinen syöteviive ja kasvata oletettua spreadia tai markkinavaikutusta. Tulos, joka romahtaa muutaman millisekunnin viiveestä, voi johtua simulaattorin tapahtumajärjestyksestä eikä strategian kestävästä ominaisuudesta.

Käytin kerran erään iltapäivän jäljittääkseni huikeaa parannusta syötteeseen, joka oli kopioinut lyhyen tulosteiden ryöpyn. Malli oli oppinut käymään kauppaa kopion perusteella. Lisädata sai virheen näyttämään edulta.

Bar-datan arvostelijat ovat oikeassa siinä, että aggregointi voi peittää polusta riippuvan toteutumisen. Stopin ja tavoitehinnan järjestystä saman barin sisällä ei voi päätellä pelkästä OHLC-datasta, ja spreadin tilannekuvat voivat ohittaa lyhyet häiriöt. Tick- ja noteerausdata voivat vastata näihin kysymyksiin uskollisemmin, kun syöte on täydellinen ja simulaattori huomioi tapahtumien ajoituksen.

Käytännön periaate on yksinkertainen: hanki lisätietoja vain, kun ne muuttavat päätöstä, jonka pystyt kuvaamaan, ja osoita, millä oletuksilla tiedot johtavat toteutukseen. Muuten sinulla on suurempi datasetti ja tarkemmalta näyttävä backtest, mutta ei parempaa näyttöä siitä, että strategialla voisi käydä kauppaa.

datatekniikkabacktestausmarkkinamikrorakennestrategiatutkimus
← Kaikki kirjoitukset