आपके बैकटेस्ट का स्लिपेज मॉडल जानबूझकर गलत होना चाहिए

सबसे ईमानदार स्लिपेज मॉडल अक्सर जानबूझकर गलत होता है। मोटे ऐतिहासिक डेटा से निष्पादन लागत का एक सटीक आँकड़ा दिखाने वाला बैकटेस्ट ऐसा दावा कर रहा है जिसका आधार डेटा नहीं देता।

सुनने में यह मोटे अनुमानों की वकालत लग सकती है। बात इसके उलट है: ऐसा सरल मॉडल अपनाएँ जिसे आप समझा सकें, फिर उसे अपने ही अनुमानों से टकराएँ। अगर कोई रणनीति सिर्फ एक सुविधाजनक, अनुकूल फिल अनुमान के तहत काम करती है, तो अनिश्चितता भी नतीजे का हिस्सा है।

स्लिपेज का सटीक अनुमान भ्रामक क्यों हो सकता है?

मान लीजिए आपके पास 1-minute OHLCV बार हैं और आप 2,000 शेयर का मार्केट ऑर्डर भेजते हैं। बार आपको 1 मिनट के दौरान भाव की रेंज और कुल वॉल्यूम बताता है। यह नहीं बताता कि ऑर्डर पहुँचने पर बिड और आस्क क्या थे, आपके आगे कतार में कितने ऑर्डर थे, उस मिनट में वॉल्यूम कैसे बँटा था या आपके ऑर्डर से उसका कितना हिस्सा खप जाता।

फिर भी आप स्लिपेज का एक आँकड़ा तय कर सकते हैं। मसलन, अगले बार के ओपन पर एक तय बेसिस-पॉइंट लागत जोड़कर फिल मान लें, या ऑर्डर के आकार को बार के वॉल्यूम से भाग देकर लागत तय करें। ये उपयोगी अनुमान हैं, प्रत्यक्ष अवलोकन नहीं। नतीजे को “स्लिपेज: 3.2 बेसिस पॉइंट” बताने से मॉडल का चुनाव माप जैसा दिखने लगता है।

एक उदाहरण लें: कोई रणनीति ऐसे शेयर में प्रति ऑर्डर $20,000 का कारोबार करती है जिसके अगले बार का वॉल्यूम $400,000 है। उसकी भागीदारी दर 5% है। 2 बेसिस पॉइंट लेने वाला मॉडल प्रति ऑर्डर $4 की लागत दिखाता है, जबकि 10 बेसिस पॉइंट वाला मॉडल $20। 500 राउंड ट्रिप में कमीशन से पहले यह अंतर $16,000 है। अगर रणनीति का बैकटेस्ट किया गया सकल मुनाफ़ा $18,000 है, तो निष्पादन की धारणा का असर सिग्नल जितना ही बड़ा है।

ऐसी रेंज बनाएँ जो दिखाए कि आपका डेटा क्या बता सकता है

ऐसे बेसलाइन से शुरू करें जो रणनीति के ऑर्डर प्रकार और डेटा के रिज़ॉल्यूशन के अनुरूप हो। मार्केट ऑर्डर के लिए स्प्रेड और इम्पैक्ट चाहिए। लिमिट ऑर्डर के लिए यह तय करने का नियम चाहिए कि ऑर्डर भरेगा भी या नहीं; छुए गए हर भाव पर फिल मान लेना निष्पादन की एक अलग गलती है।

फिर उसी बैकटेस्ट को कुछ साफ़ तौर पर परिभाषित मामलों में चलाएँ। सिग्नल, साइज़िंग और टाइमस्टैम्प एक जैसे रखें, ताकि बदलाव का कारण निष्पादन हो:

जब तक आपने इन्हें सांख्यिकीय रूप से कैलिब्रेट न किया हो, ये विश्वास अंतराल नहीं हैं। ये परिदृश्य जाँचें हैं। रिपोर्ट में इनका अर्थ साफ़ बताएँ और इन्हें जोड़कर मनगढ़ंत “अपेक्षित स्लिपेज” न निकालें, जब तक उन संभावनाओं के समर्थन में सबूत न हो।

मॉडल को ऑर्डर के हिसाब से बदलने दें

छोटे ऑर्डर के लिए एक तय बेसिस-पॉइंट लागत शुरुआती अनुमान के तौर पर ठीक हो सकती है। भागीदारी बढ़ने पर यह कमजोर अनुमान बन जाती है। कम से कम ऑर्डर का नोटional, उपलब्ध बार वॉल्यूम और भागीदारी दर दर्ज करें। रणनीति अगर फ़्यूचर्स में ट्रेड करती है, तो कॉन्ट्रैक्ट मूल्य और संबंधित वॉल्यूम इकाइयाँ भी दर्ज करें; अगर स्पॉट क्रिप्टो में ट्रेड करती है, तो कोट करेंसी और वेन्यू स्पष्ट करें।

इम्पैक्ट का एक सरल वक्र ऑर्डर बुक की हूबहू नकल करने का दावा किए बिना क्षमता पर दबाव दिखा सकता है। उदाहरण के लिए, लागत को बेसलाइन स्प्रेड लागत और भागीदारी के वर्गमूल के साथ बढ़ने वाले इम्पैक्ट घटक के रूप में तय करें। इसके पैरामीटर तभी फिट करें जब आपके पास उपयुक्त निष्पादन डेटा हो। वरना पैरामीटर बदलकर दिखाएँ कि नतीजा कितनी तेज़ी से बिगड़ता है।

फिल मॉडल को चुपचाप रणनीति बचाने न दें। तेज़ उछाल के बाद पहुँचे लॉन्ग सिग्नल को बार का लो सिर्फ इसलिए न मिले कि वह कैंडल के भीतर है। कारण के अनुसार फिल का नियम अपनाएँ, फिर भाव पर दबाव डालें और फिल में देरी करें। अगर देरी से ऑर्डर मूव चूक जाता है, तो वह निष्पादन का नतीजा है, कोई ऐसी परेशानी नहीं जिसे औसत करके छिपा दें।

रेंज को कसने के लिए पेपर ट्रेडिंग का इस्तेमाल करें

पेपर ट्रेडिंग यह नहीं बता सकती कि लाइव मैचिंग इंजन में आपका ऑर्डर किस भाव पर भरा होता। फिर भी यह बता सकती है कि बैकटेस्ट में बने ऑर्डरों का प्रवाह सिस्टम के वास्तविक फ़ैसलों से मेल खाता है या नहीं: ऑर्डर कब बनते हैं, उनका आकार कितना है और वे कितनी देर तक कार्रवाई योग्य रहते हैं।

सिम्युलेट किए गए ऑर्डर भाव की तुलना उसी समय के कोट या पेपर सिस्टम द्वारा दर्ज किए गए किसी भी बाज़ार डेटा से करें। इंस्ट्रूमेंट, दिन के समय, ऑर्डर आकार और ऑर्डर प्रकार के हिसाब से अंतर ट्रैक करें। इन अवलोकनों से उस सेटअप के अनुमान संकरे हो सकते हैं। वे अपने आप किसी दूसरे वेन्यू, बाज़ार की अलग स्थिति या बड़े ऑर्डर पर लागू नहीं होते।

आलोचकों की बात सही है कि निराशावादी परिदृश्य मनमाने हो सकते हैं। जानबूझकर कठोर मॉडल किसी टिकाऊ रणनीति को खारिज कर सकता है, जैसे अनुकूल मॉडल कमज़ोर रणनीति को बेहतर दिखा सकता है। इसलिए सबसे कठोर मामले को सच न मानें। धारणाएँ प्रकाशित करें, संवेदनशीलता दिखाएँ और अनुमानों की जगह कैलिब्रेट किए गए आकलन लाने के लिए ज़रूरी डेटा जुटाएँ।

कैंडल से बैकटेस्ट को ऐतिहासिक कतार में अपनी जगह का पता नहीं चल सकता। वह यह दिखा सकता है कि जब निष्पादन उन तरीकों से खराब होता है जिन्हें आपका डेटा नकार नहीं सकता, तब भी विचार तर्कसंगत लगता है या नहीं। यह दशमलव के एक और अंक से ज़्यादा उपयोगी जवाब है।