A legőszintébb csúszási modell gyakran szándékosan pontatlan. Ha a visszateszt durva felbontású történelmi adatokból egyetlen pontos végrehajtási költséget közöl, olyasmit állít, amit az adatok nem támasztanak alá.
Ez elsőre a durva feltételezések mellett szóló érvnek hangozhat. Épp ellenkezőleg: használj egyszerű, elmagyarázható modellt, majd futtasd le úgy is, hogy ellentmondjon önmagának. Ha egy stratégia csak egy kényelmesen kedvező teljesülési árbecsléssel működik, akkor a bizonytalanság is az eredmény része.
Miért lehet félrevezető a pontos csúszásbecslés?
Tegyük fel, hogy 1 perces OHLCV-gyertyáid vannak, és 2,000 részvényre adsz piaci megbízást. A gyertya megmutatja az adott perc ársávját és teljes forgalmát. Arról nem árulkodik, hogy a megbízásod beérkezésekor mennyi volt a vételi és az eladási ár, hány megbízás állt előtted a sorban, hogyan oszlott el a forgalom a percen belül, vagy a megbízásod abból mennyit vett volna fel.
A csúszáshoz ettől még rendelhetsz egy számot. Például a következő gyertya nyitóárán teljesülhet a megbízás egy rögzített bázispontköltséggel növelve, vagy a költséget arányosíthatod a megbízás mérete és a gyertya forgalma közötti aránnyal. Ezek hasznos közelítések. Nem megfigyelések. Ha az eredményt úgy közlöd, hogy „csúszás: 3.2 bázispont”, a modellválasztás mérésnek tűnik.
Nézzünk egy konkrét példát. Egy stratégia megbízásonként $20,000 értékben kereskedik egy részvénnyel, amelynek következő gyertyára jutó forgalma $400,000. A részvételi arány 5%. A 2 bázispontos költséget felszámító modell megbízásonként $4 költséget jelent; a 10 bázispontos modell $20-at. 500 oda-vissza ügylet esetén a különbség $16,000, a jutalékok előtt. Ha a stratégia visszatesztelt bruttó nyeresége $18,000, a végrehajtási feltételezés majdnem akkora súllyal esik latba, mint a jelzés.
Állíts össze az adataid felbontásához illő tartományt
Indulj egy olyan alapértékből, amely illik a stratégia megbízástípusához és az adatok felbontásához. A piaci megbízásnál a spreadet és a piaci hatást is figyelembe kell venni. Limitmegbízásnál azt is meg kell határozni, hogy egyáltalán teljesül-e; ha minden érintett árat teljesülőnek veszel, az egy másik végrehajtási hiba.
Ezután futtasd le ugyanazt a visszatesztet néhány világosan meghatározott esettel. Tartsd változatlanul a jelzéseket, a méretezést és az időbélyegeket, hogy a változásokat a végrehajtásnak tudd tulajdonítani:
| Eset | Végrehajtási feltételezés | Mit vizsgál? |
|---|---|---|
| Kedvező | Alap spread és alacsony piaci hatás | Mennyire függ a stratégia a kedvező kereskedési körülményektől? |
| Alapeset | Tipikus spread és a részvételi aránnyal skálázott piaci hatás | Mit jelent a választott munkafeltételezés? |
| Kedvezőtlen | Szélesebb spread, nagyobb piaci hatás és késleltetett teljesülés | Kitart az előny egy hihetően nehéz piaci helyzetben? |
Ezek nem konfidenciaintervallumok, hacsak statisztikailag nem kalibráltad őket. Forgatókönyv-tesztek. A jelentésben írd le, mit jelentenek, és ne átlagold őket egy kitalált „várható csúszássá”, ha nincs adatod az egyes esetek valószínűségére.
Igazítsd a modellt a megbízáshoz
Kis megbízásoknál első közelítésként megfelelhet egy rögzített bázispontköltség. Nagyobb részvételi aránynál már nem ad jó képet. Legalább a megbízás névértékét, a rendelkezésre álló gyertyaforgalmat és a részvételi arányt rögzítsd. Ha határidős ügyletekkel kereskedsz, jegyezd fel a kontraktus értékét és a releváns forgalmi egységeket; ha azonnali kriptóval, pontosítsd a jegyzési devizát és a tőzsdét.
Egy egyszerű piaci hatásgörbe jelezheti a kapacitáskorlátokat anélkül, hogy úgy tenne, mintha rekonstruálná az ajánlati könyvet. Például határozd meg a költséget egy alap spreadköltség és egy, a részvételi arány négyzetgyökével növekvő piaci hatás összegeként. A paramétereket csak akkor illeszd az adatokra, ha megfelelő végrehajtási adataid vannak. Ellenkező esetben változtasd a paramétereket, és mutasd meg, milyen gyorsan romlik az eredmény.
A teljesülési modell ne mentse ki észrevétlenül a stratégiát. Egy meredek emelkedés után beérkező long jelzés ne kapja meg a gyertya minimumárát csak azért, mert az a gyertya ársávjába esik. Használj oksági teljesülési szabályt, majd stresszteszteld az árat, és késleltesd a végrehajtást. Ha a késleltetett megbízás lemarad az elmozdulásról, az végrehajtási eredmény, nem elsimítandó kellemetlenség.
Hasznos kérdés: mekkora spread, piaci hatás, késleltetés vagy részvételi arány mellett csökken nullára a nettó teljesítmény? Ez a nullszaldós küszöb gyakran többet segít a döntésben, mint egyetlen visszatesztelt Sharpe-érték.
A tartomány pontosításához használj papíralapú kereskedést
A papíralapú kereskedés nem tárja fel, hogy egy éles illesztőmotorban milyen áron teljesült volna a megbízásod. Azt viszont megmutathatja, hogy a visszateszt megbízássorozata hasonlít-e a rendszer tényleges döntéseire: mikor keletkeznek a megbízások, mekkorák, és meddig maradnak végrehajthatók.
Hasonlítsd össze a szimulált megbízási árat az ugyanakkori jegyzésekkel vagy a papíralapú rendszered által rögzített piaci adatokkal. Kövesd az eltérést instrumentum, napszak, megbízásméret és megbízástípus szerint. Ezek a megfigyelések szűkíthetik az adott konfiguráció feltételezéseinek tartományát. Másik tőzsdére, piaci rezsimre vagy nagyobb megbízásra azonban nem vihetők át automatikusan.
A kritikusoknak igazuk van abban, hogy a pesszimista forgatókönyvek önkényesek lehetnek. Egy szándékosan szigorú modell ugyanúgy elvethet egy életképes stratégiát, ahogy egy kedvező modell túl jó színben tüntethet fel egy gyengét. Ne tekintsd hát a legszigorúbb esetet az igazságnak. Tedd közzé a feltételezéseket, mutasd meg az érzékenységet, és gyűjts adatot, hogy a becsléseket kalibrált értékekre cserélhesd.
Egy visszateszt nem tudhatja egy gyertyából, hol állt a megbízásod a történelmi sorban. Azt viszont megmutathatja, hogy a stratégia ötlete akkor is összefüggőnek tűnik-e, ha a végrehajtás olyan módon romlik, amelyet az adataid nem zárhatnak ki. Ez hasznosabb válasz, mint egy tizedesjegy.
← Összes bejegyzés
