अधिक बारीक बाज़ार डेटा किसी रणनीति के बैकटेस्ट को कम भरोसेमंद बना सकता है। टिक डेटा से आपके पास ज़्यादा पंक्तियाँ आती हैं, लेकिन साथ ही माप के ब्योरे को इस बात का ज्ञान समझ बैठने के ज़्यादा मौके भी मिलते हैं कि आप वास्तव में क्या ट्रेड कर सकते थे।
अगर आपने कभी बार-आधारित टेस्ट में स्टॉप छूटते, स्प्रेड चौड़ा होते या आपकी लिमिट कीमत को पल भर छूकर निकलते देखा है, तो यह बात उलटी लग सकती है। ये वास्तविक समस्याएँ हैं। सवाल यह है कि क्या बारीक डेटा सचमुच इनका समाधान करता है, या बस सिम्युलेटर को ज़्यादा भरोसे के साथ कहानी सुनाने देता है।
टिक डेटा बैकटेस्ट को क्या देखने देता है?
1-मिनट का बार ट्रेडों के क्रम को चार कीमतों और कुल वॉल्यूम में समेट देता है। सिर्फ़ बार देखकर आम तौर पर आप नहीं जान सकते कि ऊँचा स्तर पहले आया या नीचा, कीमत किसी चरम के पास कितनी देर रही, या किसी खास कीमत पर आपके ऑर्डर के लिए पर्याप्त मात्रा में ट्रेड हुआ या नहीं।
ट्रेड टिक, रिपोर्ट किए गए ट्रेडों का क्रम फिर से दिखाते हैं। कोट समय के साथ दिखाए गए बिड और आस्क जोड़ते हैं। दोनों साथ हों, तो आप स्प्रेड, कोट में बदलाव और इस बारे में अधिक सटीक सवाल पूछ सकते हैं कि बाज़ार में तुरंत निष्पादित होने वाला ऑर्डर क्या उचित कीमत पर ऑर्डर बुक पार कर पाता।
लेकिन किसी ट्रेड का प्रिंट आपकी कतार में जगह नहीं बताता। अगर आपका लंबित ऑर्डर उस स्तर पर पहले से मौजूद 18 BTC के पीछे लगता, तो वहाँ 0.3 BTC का ट्रेड दिखना यह साबित नहीं करता कि आपका ऑर्डर भर जाता। टेप बताता है कि बाज़ार में क्या हुआ; वह शायद ही कभी ठीक-ठीक बताता है कि आपका काल्पनिक ऑर्डर कहाँ लगा होता।
बारीक डेटा नतीजे को कहाँ बदतर बना सकता है?
पहला जोखिम है असमान कवरेज। टिक आर्काइव में अक्सर कुछ अंतराल गायब होते हैं, एक्सचेंज कवरेज में खाली जगहें होती हैं, सिंबल बदलते हैं या अलग-अलग बाज़ारों के लिए डेटा अलग अवधि तक ही रखा जाता है। अगर किसी रणनीति का टेस्ट सिर्फ़ वहीं किया जाए जहाँ वेंडर के पास पूरा इतिहास है, तो वह चुपचाप उन एसेट और अवधियों की रणनीति बन सकती है जिन्हें मापना सबसे आसान है।
दूसरा जोखिम है समय का। टाइमस्टैम्प एक्सचेंज पर घटना का समय, वेंडर को डेटा मिलने का समय या फ़ाइल तैयार होने का समय दिखा सकते हैं। अगर आपका सिम्युलेटर अलग-अलग फ़ीड की घटनाओं को ऐसे क्रम में लगाता है मानो उनकी घड़ियाँ पूरी तरह मिली हुई हों, तो वह किसी कोट पर उसके आपके सिस्टम तक पहुँचने से पहले प्रतिक्रिया दे सकता है।
और ज़्यादा पंक्तियों में कार्यान्वयन की गलतियाँ छिपाना आसान हो जाता है। बार-आधारित रणनीति हर मिनट एक फ़ैसला ले सकती है। टिक पर चलने वाला संस्करण उसी मिनट में दर्जनों ट्रेड कर सकता है और हर बार स्प्रेड, फ़ीस और बाज़ार प्रभाव की लागत उठा सकता है। अगर सिम्युलेटर मान ले कि हर सिग्नल अगली दिखी कीमत पर निष्पादित हो सकता है, तो उसकी सटीकता सिर्फ़ दिखावा है।
ये 60 अवलोकन अपने-आप ट्रेड करने के 60 स्वतंत्र मौके नहीं बन जाते। हो सकता है वे सब एक ही बदलते कोट का ब्यौरा दे रहे हों, और आपका ऑर्डर यह बदल सकता है कि निष्पादन के लिए कितनी मात्रा बची है। हाई-फ़्रीक्वेंसी सिम्युलेशन को ऐसे ऑर्डर और लेटेंसी मॉडल की ज़रूरत है जो अतिरिक्त ब्योरे का ईमानदारी से इस्तेमाल करे।
टिक डेटा की लागत कब वसूल होती है?
उस सवाल से शुरुआत करें जिसका जवाब आप अपने मौजूदा डेटा से नहीं दे सकते। अगर सवाल है, “मेरा स्टॉप पहले लगा या मेरा लक्ष्य?”, तो ट्रेड टिक मदद कर सकते हैं। अगर सवाल है, “एंट्री पर स्प्रेड की कितनी लागत लगी?”, तो कोट डेटा अधिक प्रासंगिक है। अगर सवाल है, “क्या मेरा पैसिव ऑर्डर भरता?”, तो आपको डेप्थ और कतार संबंधी मान्यताओं की ज़रूरत पड़ सकती है; उनसे भी शायद ही कभी पूरी ऐतिहासिक कतार फिर से बनाई जा सके।
| शोध का सवाल | उपयोगी डेटा | यह फिर भी क्या साबित नहीं कर सकता |
|---|---|---|
| क्या एक थ्रेशोल्ड का ट्रेड दूसरे थ्रेशोल्ड से पहले हुआ? | ट्रेड टिक | कि आपका ऑर्डर किसी भी थ्रेशोल्ड पर भरता |
| बाज़ार ऑर्डर ने कितना स्प्रेड पार किया? | टाइमस्टैम्प वाले बिड और आस्क कोट | कि दिखाई गई मात्रा उपलब्ध बनी रही |
| क्या पैसिव ऑर्डर भर सकता था? | कोट, डेप्थ और कतार मॉडल | लाइव कतार में आपकी ठीक-ठीक जगह |
अगर दैनिक सिग्नल कई हफ़्तों तक रखा जाता है, तो 1-मिनट के बार शायद फ़ैसला लेने की प्रक्रिया की ज़रूरत से पहले ही पर्याप्त बारीक हों। अगर रणनीति का लाभ सेकंडों में निष्पादन पर निर्भर करता है, तो बार उसी प्रभाव को मिटा सकते हैं जिसका आप अध्ययन कर रहे हैं। डेटा का रिज़ॉल्यूशन रणनीति की फ़ैसला लेने और निष्पादन की समयावधि के अनुरूप रखें।
मैं कैसे जानूँ कि अतिरिक्त ब्योरे से मदद मिली?
रणनीति और टेस्ट अवधि को तय रखें। जहाँ संभव हो, बार-आधारित और बारीक डेटा वाले संस्करणों की तुलना उन्हीं फ़ैसलों पर करें। रिटर्न और जोखिम के आँकड़ों के साथ फ़िल, टर्नओवर, चुकाए गए स्प्रेड, फ़ीस और बाज़ार प्रभाव में बदलाव भी दर्ज करें। अगर Sharpe बढ़ता है, ट्रेडों की संख्या तीन गुनी हो जाती है और निष्पादन मॉडल फिर भी अगली प्रिंट पर फ़िल करता है, तो उस सुधार पर शक करना चाहिए।
फिर बारीक डेटा को जानबूझकर कमज़ोर करके देखें। घटनाओं का एक छोटा, यादृच्छिक हिस्सा हटा दें, फ़ीड में वास्तविक जैसी देरी जोड़ें और माने गए स्प्रेड या बाज़ार प्रभाव को बढ़ाएँ। अगर कुछ मिलीसेकंड की देरी से नतीजा ढह जाए, तो यह रणनीति की टिकाऊ विशेषता के बजाय सिम्युलेटर में घटनाओं के क्रम का असर हो सकता है।
एक बार मैं एक दोपहर शानदार दिख रहे सुधार की वजह ढूँढ़ता रहा। पता चला कि एक फ़ीड ने प्रिंट के छोटे-से दौर को दोहरा दिया था। मॉडल ने उसी दोहराव पर ट्रेड करना सीख लिया था। ज़्यादा डेटा ने बग को बढ़त जैसा दिखा दिया था।
बार के आलोचक सही हैं कि समेकन से रास्ते पर निर्भर निष्पादन की जानकारी छिप सकती है। एक ही बार के भीतर स्टॉप और लक्ष्य, सिर्फ़ OHLC से क्रम में नहीं रखे जा सकते; स्प्रेड के कुछ स्नैपशॉट भी पल भर की असामान्य हलचल चूक सकते हैं। जब फ़ीड पूरा हो और सिम्युलेटर घटनाओं के समय का सम्मान करे, तो टिक और कोट डेटा इन सवालों का अधिक विश्वसनीय जवाब दे सकते हैं।
व्यावहारिक कसौटी सरल है: ज़्यादा ब्योरा तभी लें जब उससे कोई ऐसा फ़ैसला बदले जिसे आप साफ़-साफ़ बता सकें, और यह भी दिखाएँ कि किन मान्यताओं के कारण वह ब्योरा फ़िल में बदलता है। वरना आपके पास बड़ा डेटासेट और अधिक सटीक दिखने वाला बैकटेस्ट होगा, लेकिन इस बात का कोई बेहतर प्रमाण नहीं कि रणनीति सचमुच ट्रेड कर सकती थी।
← सभी पोस्ट


