टिक डेटा आपका बैकटेस्ट नहीं बचाएगा — ज़्यादातर रणनीतियों के लिए यह चीज़ें और बिगाड़ता है

आम सलाह यह है: अगर ईमानदार बैकटेस्ट चाहिए, तो टिक डेटा लें। मुझे लगता है कि ज़्यादातर रणनीतियों के लिए यह सलाह गलत है, और इसे मानने से आम तौर पर बैकटेस्ट बेहतर होने के बजाय और खराब होता है। इसलिए नहीं कि टिक डेटा गलत है — यह उपलब्ध सबसे सटीक डेटा है — बल्कि इसलिए कि ज़्यादातर लोग इसका इस्तेमाल कठोरता की जगह ज़्यादा रिज़ॉल्यूशन को रखकर करते हैं, जबकि दोनों एक ही चीज़ नहीं हैं।

यहाँ गड़बड़ी का तरीका देखिए। एक शोधकर्ता 1-मिनट बार पर रणनीति बनाता है, उसे मनपसंद Sharpe मिलता है, और फिर कोई — मेंटर, फ़ोरम पोस्ट या उसका अपना लगातार बना रहने वाला संदेह — कहता है कि बार पर बना होने के कारण बैकटेस्ट ईमानदार नहीं है। तो वह पूरी पाइपलाइन टिक डेटा पर दोबारा बनाता है: हर ट्रेड, हर कोट अपडेट, माइक्रोसेकंड तक का टाइमस्टैम्प। बैकटेस्ट धीमा हो जाता है, कोड तीन गुना जटिल हो जाता है, और Sharpe... मुश्किल से बदलता है, या ऐसी दिशा में बदलता है जिसे कोई समझा नहीं पाता। फिर भी वे इसे जारी कर देते हैं, क्योंकि टिक डेटा ज़्यादा कठोर लगता है; कठोर लगना और कठोर होना एक बात नहीं है।

टिक रिज़ॉल्यूशन से वास्तव में क्या मिलता है

टिक डेटा आपको हर ट्रेड का क्रम और कीमत बताता है, और (अगर आप इसके लिए भुगतान करें तो) हर ऑर्डर-बुक अपडेट भी। यह असली जानकारी है। इससे आप क्यू में अपनी जगह फिर से बना सकते हैं, किसी कीमत स्तर पर फ़िल होने की संभावना का अनुमान लगा सकते हैं, और प्रतिकूल चयन देख सकते हैं — यानी आपके काल्पनिक फ़िल के ठीक बाद बाज़ार आपके खिलाफ़ चलता है या नहीं। यह सब तब बहुत मायने रखता है, जब आपकी होल्डिंग अवधि सेकंडों में हो और आपका एज टिक के अंशों में मापा जाता हो।

लेकिन Stratmill में हमें दिखने वाली — और रिटेल तथा सेमी-प्रो शोधकर्ताओं द्वारा वास्तव में चलाई जाने वाली — ज़्यादातर रणनीतियाँ मिनटों से दिनों तक पोज़िशन रखती हैं। उस समयावधि में आपके बैकटेस्ट की ईमानदारी इस बात से तय नहीं होती कि आपने किसी मिनट के भीतर 40वें ट्रेड का मॉडल बनाया या नहीं। यह इस बात से तय होती है कि आपने स्प्रेड, फ़ंडिंग रेट, स्लिपेज कर्व और इस तथ्य का मॉडल बनाया या नहीं कि आपका लिमिट ऑर्डर क्यू में दूसरों के ऑर्डरों के पीछे लगता है। टिक डेटा पर आप इन चारों को गलत और 1-मिनट बार पर इन चारों को सही मॉडल कर सकते हैं। रिज़ॉल्यूशन और ईमानदारी का एक-दूसरे से सीधा संबंध नहीं है।

आख़िरी संख्या को लोग ज़रूरत से कम महत्व देते हैं। टिक-स्तर का बैकटेस्ट सिर्फ़ “वही बैकटेस्ट, बस ज़्यादा पंक्तियों के साथ” नहीं है। ज़्यादातर एक्सचेंजों पर ट्रेड आपके इनजेशन टाइमस्टैम्प के हिसाब से क्रम से बाहर आते हैं, बाद में सुधारे जाते हैं, कई मैचिंग-इंजन शार्ड में बँट जाते हैं, और जिन कई वेन्यू से हमने डेटा लिया है, वहाँ री-कनेक्ट के दौरान कभी-कभी डुप्लिकेट हो जाते हैं या पूरी तरह छूट जाते हैं। ऐसा टिक पाइपलाइन बनाना जो अच्छी तरह बनी बार पाइपलाइन से वास्तव में ज़्यादा सही हो, सिर्फ़ ज़्यादा बारीक नहीं, एक असली सिस्टम्स प्रोजेक्ट है। ज़्यादातर टीमें वह प्रोजेक्ट नहीं करतीं। वे बैकटेस्टर को वेंडर की टिक फ़ाइल से जोड़कर काम पूरा मान लेती हैं। इसका मतलब है कि उन्होंने अनुमानों के एक ज्ञात और दर्ज समूह (OHLCV) को अज्ञात और बिना दर्ज समूह से बदल दिया है (यानी खराब दिन पर वेंडर का टिक डेटा मिलाने वाला लॉजिक जो भी कर दे)।

आप जो शोर खरीद रहे हैं

एक दूसरी लागत भी है, जिसका संबंध इंजीनियरिंग से कम और सांख्यिकी से ज़्यादा है। अलग-अलग ट्रेड प्रिंट बिड और आस्क के बीच उछलते रहते हैं — इसे बिड-आस्क बाउंस कहते हैं, और 1980 के दशक से मार्केट माइक्रोस्ट्रक्चर के शोध में इसे एक ज्ञात आर्टिफ़ैक्ट माना जाता रहा है। अगर आपका सिग्नल कुछ सेकंड से तेज़ काम करता है, तो टिक-स्तर का बैकटेस्ट आपको वहाँ पैटर्न दिखा सकता है जहाँ असल में सिर्फ़ बाउंस है। मैंने एक शोधकर्ता को ट्रेड-दर-ट्रेड डेटा में शानदार मीन-रिवर्ज़न पैटर्न ढूँढ़ते देखा, जो 5-सेकंड बार पर डेटा एग्रीगेट करते ही गायब हो गया — क्योंकि वह पैटर्न बाउंस ही था।

मेरे परिचित एक क्वांट — पहले मार्केट-मेकिंग में थे, अब छोटा क्रिप्टो बुक चलाते हैं — ने इसे यूँ समझाया: “टिक डेटा आवर्धक काँच है। इसे अपने एज पर रखें, तो बढ़िया। इसे अपने शोर पर रखेंगे, तो छह महीने अपने शोर का सुंदर मॉडल बनाने में लगा देंगे।” अब वे लगभग हर चीज़ का बैकटेस्ट 1-सेकंड या 1-मिनट बार पर करते हैं, और सिर्फ़ इस खास सवाल के लिए टिक डेटा इस्तेमाल करते हैं: “क्या यह लिमिट ऑर्डर वास्तव में फ़िल होता?” यह फ़िल-प्रायिकता का सवाल है, सिग्नल का नहीं।

यह बँटवारा सही सोच है, और टिक डेटा के ज़्यादातर समर्थक इसी बात को छोड़ देते हैं। टिक डेटा का ईमानदार इस्तेमाल पूरी रणनीति को उस पर चलाना नहीं है — बल्कि चुनिंदा तौर पर उन एक-दो सवालों के लिए इस्तेमाल करना है जिनका जवाब बार डेटा सचमुच नहीं दे सकता।

आलोचक कब सही होते हैं

यह सब कहने के बाद, कुछ रणनीतियाँ ऐसी हैं जिनमें टिक डेटा वैकल्पिक नहीं है; इसका उलटा दिखाना मामले को बढ़ा-चढ़ाकर कहना होगा। अगर आप मार्केट-मेकिंग जैसी कोई चीज़ चला रहे हैं — दोनों तरफ़ कोट देना, हर टिक पर इन्वेंटरी संभालना, किसी खास कीमत स्तर पर क्यू में अपनी जगह की परवाह करना — तो बार डेटा आपकी समस्या को दिखा ही नहीं सकता। उस रणनीति का पूरा अर्थशास्त्र मिनट के भीतर घटता है, मिनटों के बीच नहीं। यही बात वेन्यू के बीच लेटेंसी-संवेदनशील सांख्यिकीय आर्बिट्राज पर लागू होती है, जहाँ सवाल सचमुच यह होता है कि “पहले कौन-सा ट्रेड हुआ”, और बड़े साइज़ के आसपास ऑप्शंस मार्केट-मेकिंग पर भी, जहाँ प्रिंट के बाद प्रतिकूल चयन के कुछ सौ मिलीसेकंड ही पूरा खेल होते हैं। ऐसी स्थितियों में बार पर बैकटेस्ट करना सरलीकरण नहीं, श्रेणी की भूल है — आप अपनी रणनीति के कम रिज़ॉल्यूशन वाले रूप को नहीं परख रहे; आप एक अलग रणनीति परख रहे हैं जिसका असली रणनीति से बस नाम मिलता है।

तो दावा यह नहीं है कि “टिक डेटा खराब है।” बात यह है कि अक्सर उसकी ओर बढ़ना एक कठिन और कम चमकदार सवाल से बचने का तरीका होता है: क्या मेरा लागत मॉडल सही है? क्या फ़िल संबंधी मेरी धारणा सही है? क्या यह ऑर्डर वास्तव में फ़िल हुआ होता, या मैं ऐसी कीमत पर फ़िल मान रहा हूँ जो बुक ने मुझे कभी सच में दी ही नहीं? अगर आप क्यू में अपनी जगह और स्प्रेड को ईमानदारी से ध्यान में रखें, तो इन सवालों के जवाब 1-मिनट या यहाँ तक कि 1-सेकंड बार से भी मिल सकते हैं। टिक डेटा से जवाब ज़्यादा सटीकता से मिलते हैं, लेकिन इंजीनियरिंग लागत कई गुना होती है; और जिन रणनीतियों में यह अतिरिक्त सटीकता निष्कर्ष नहीं बदलती, उनमें इसका कोई फ़ायदा नहीं। अतिरिक्त मेहनत वहाँ लगाएँ जहाँ रणनीति की अवधि सचमुच इसकी माँग करती है, और बाकी जगह छोड़ दें — यह उपलब्ध सबसे बारीक डेटा को सिर्फ़ इसलिए चुन लेने से बेहतर है कि बारीक डेटा ज़्यादा कठोर लगता है।