Detalizētāki tirgus dati var padarīt stratēģijas atpakaļtestu mazāk uzticamu. Tik dati sniedz vairāk rindu, taču tie paver arī vairāk iespēju sajaukt mērījumu detalizāciju ar zināšanām par to, ko jūs būtu varējuši reāli tirgot.
Tas izklausās pretēji intuīcijai, ja esat redzējuši, kā sveču datos balstīts tests palaiž garām stopu, spreda paplašināšanos vai īslaicīgu pieskaršanos jūsu limita cenai. Tās ir reālas problēmas. Jautājums ir, vai detalizētāki dati tās patiešām atrisina, vai tikai ļauj simulatoram izstāstīt pārliecinošāku stāstu.
Ko tik dati ļauj atpakaļtestam ieraudzīt?
Vienas minūtes svece saspiež darījumu virkni četrās cenās un kopējā apjomā. Pēc sveces vien parasti nevar noteikt, vai maksimums bija pirms minimuma, cik ilgi cena atradās tuvu kādai no galējām vērtībām vai vai par konkrēto cenu tika tirgots pietiekami liels apjoms, lai izpildītu jūsu orderi.
Darījumu tik dati atjauno paziņoto darījumu secību. Kotācijas laika gaitā parāda labāko pirkšanas un pārdošanas cenu. Izmantojot abus datu veidus, varat precīzāk izpētīt spredu un kotāciju izmaiņas, kā arī to, vai tirgus orderis būtu šķērsojis orderu grāmatu par ticamu cenu.
Taču darījuma ieraksts neparāda jūsu vietu rindā. Ja jūsu izvietotajam orderim attiecīgajā līmenī priekšā jau būtu bijuši 18 BTC, fakts, ka tur tika tirgoti 0,3 BTC, nepierāda, ka jūsu orderis tiktu izpildīts. Darījumu lente parāda, kas notika tirgū, bet reti pasaka, kur tieši atrastos jūsu hipotētiskais orderis.
Kā detalizētāki dati var pasliktināt rezultātu?
Pirmais risks ir nevienmērīgs pārklājums. Tik datu arhīvos bieži trūkst intervālu, ir atsevišķu tirdzniecības vietu datu iztrūkumi, mainās simboli vai atšķiras datu glabāšanas periodi dažādos tirgos. Stratēģija, kas testēta tikai tajos periodos, par kuriem pakalpojuma sniedzējam ir pilnīga vēsture, var nemanāmi kļūt par stratēģiju vieglāk izmērāmiem aktīviem un periodiem.
Otrais risks ir laika noteikšana. Laika zīmogi var norādīt biržas notikuma laiku, datu saņemšanas laiku piegādātāja pusē vai brīdi, kad fails tika izveidots. Ja simulators notikumus no dažādām plūsmām sakārto tā, it kā to pulksteņi būtu pilnīgi sinhronizēti, tas var reaģēt uz kotāciju, pirms tā būtu pieejama jūsu sistēmai.
Lielāks rindu skaits arī atvieglo ieviešanas kļūdu noslēpšanu. Sveču stratēģija var pieņemt vienu lēmumu minūtē. Versija, kas darbojas ar tik datiem, tajā pašā minūtē var veikt desmitiem darījumu, katrā maksājot spreda, komisijas un tirgus ietekmes izmaksas. Ja simulators pieņem, ka katru signālu var izpildīt par nākamo novēroto cenu, tā precizitāte ir tikai dekoratīva.
Šie 60 novērojumi automātiski nenozīmē 60 neatkarīgas iespējas tirgot. Tie visi var aprakstīt vienas un tās pašas kotācijas izmaiņas, turklāt jūsu orderis var ietekmēt to, kāds apjoms vēl ir pieejams izpildei. Augstas frekvences simulācijai vajadzīgs orderu un aiztures modelis, kas godprātīgi izmanto papildu detalizāciju.
Kad tik dati ir to izmaksu vērti?
Sāciet ar jautājumu, uz kuru nevarat atbildēt, izmantojot pašreizējos datus. Ja jautājums ir “kas notika vispirms — stopa vai mērķa cenas sasniegšana?”, darījumu tik dati var palīdzēt. Ja jautājums ir “cik izmaksāja spreds, ieejot pozīcijā?”, piemērotākas ir kotāciju datu plūsmas. Ja jautājums ir “vai mans pasīvais orderis būtu izpildīts?”, var būt vajadzīgi tirgus dziļuma dati un pieņēmumi par vietu rindā, taču arī tie reti ļauj atjaunot visu vēsturisko rindu.
| Izpētes jautājums | Noderīgie dati | Ko tie joprojām nepierāda |
|---|---|---|
| Vai viens slieksnis tika sasniegts pirms otra? | Darījumu tik dati | Ka jūsu orderis tiktu izpildīts pie kāda no sliekšņiem |
| Kādu spredu šķērsoja tirgus orderis? | Kotācijas ar laika zīmogiem, kas rāda pirkšanas un pārdošanas cenu | Ka kotācijā norādītais apjoms joprojām bija pieejams |
| Vai pasīvais orderis būtu izpildīts? | Kotācijas, tirgus dziļums un rindas modelis | Jūsu precīzu vietu reālajā rindā |
Dienas signālam, kas tiek turēts vairākas nedēļas, vienas minūtes sveces var būt detalizētākas, nekā vajadzīgs lēmumu pieņemšanas procesam. Stratēģijai, kuras priekšrocība ir atkarīga no izpildes dažu sekunžu laikā, sveces var izdzēst pašu pētāmo efektu. Datu izšķirtspēju pielāgojiet stratēģijas lēmumu pieņemšanas un izpildes periodam.
Kā noteikt, vai papildu detalizācija palīdzēja?
Nemainiet stratēģiju un testa periodu. Ja iespējams, salīdziniet versijas, kas balstītas uz svecēm un detalizētākiem datiem, pieņemot tos pašus lēmumus. Līdzās ienesīgumam un riska rādītājiem sekojiet izmaiņām izpildē, apgrozījumā, samaksātajā spreadā, komisijās un tirgus ietekmē. Ja Sharpe rādītājs pieaug, bet darījumu skaits trīskāršojas un izpildes modelis joprojām paredz izpildi pie nākamā ieraksta, uzlabojums jāvērtē piesardzīgi.
Pēc tam apzināti pasliktiniet detalizētos datus. Nejauši izmetiet nelielu daļu notikumu, pievienojiet reālistisku datu plūsmas aizturi un palieliniet pieņemto spredu vai tirgus ietekmi. Ja rezultāts sabrūk pat pēc dažu milisekunžu aiztures, tas var liecināt par simulatora notikumu secības īpatnību, nevis par noturīgu stratēģijas priekšrocību.
Reiz kādu pēcpusdienu pavadīju, meklējot iemeslu iespaidīgam uzlabojumam, un atklāju, ka datu plūsma bija dublējusi īsu darījumu ierakstu virkni. Modelis bija iemācījies tirgot dublētos ierakstus. Vairāk datu bija licis kļūdai izskatīties pēc priekšrocības.
Sveču kritiķiem ir taisnība, ka apkopošana var noslēpt izpildi, kas atkarīga no cenu secības. Ja stopa un mērķa cena atrodas vienā svecē, pēc OHLC datiem nevar noteikt, kura tika sasniegta vispirms, un spreda momentuzņēmumos var nepamanīt īslaicīgas novirzes. Tik un kotāciju dati var palīdzēt uz šiem jautājumiem atbildēt precīzāk, ja datu plūsma ir pilnīga un simulators ievēro notikumu laiku.
Praktiskais standarts ir vienkāršs: iegādājieties detalizētākus datus tikai tad, ja tie maina lēmumu, ko spējat skaidri aprakstīt, un parādiet, kādi pieņēmumi ļauj šo detalizāciju pārvērst izpildē. Pretējā gadījumā jums ir lielāka datu kopa un precīzāks izskata atpakaļtests, bet nav labāku pierādījumu, ka stratēģiju būtu iespējams tirgot.
← Visi raksti


