Atpakaļtests var izskatīties pārliecinošāks pēc tam, kad esat pasliktinājuši tā datus. Izmetiet neglītos cenas ierakstus, aizpildiet robus ar kārtīgām cenām, un Sharpe koeficients var pieaugt. Šāds uzlabojums var būt brīdinājums: tīrīšanas noteikums, iespējams, ir izdzēsis tieši tos tirgus apstākļus, kuros jūsu stratēģijai jāspēj izdzīvot.
Datu kvalitātei ir nozīme. Krustenisks kotējums vai dublēts darījums var radīt izpildi, ko neviens nebūtu varējis saņemt. Taču filtrs, kas liek pazust neērtiem novērojumiem, arī ir modeļa izvēle. Uztveriet to ar tādām pašām aizdomām kā jaunu signāla pazīmi.
Kad slikta cena patiesībā ir slikti dati?
Vispirms pajautājiet, ko šis novērojums atspoguļo. Darījums, kura cena būtiski atšķiras no tobrīdējā tirgus, var būt bojāts ieraksts, īsts darījums ar zemu likviditāti vai konkrētai tirdzniecības platformai raksturīgs notikums. 1 minūtes svece ar nulles apjoma stabiņu var nozīmēt, ka darījumu nebija, savukārt trūkstoša svece var liecināt par datu plūsmas kļūmi. Šie gadījumi jāapstrādā atšķirīgi.
Aplūkosim vienkāršu vidējās vērtības atgriešanās stratēģiju, kas pērk, kad cena nokrītas par 1% zem īstermiņa mainīgā vidējā, un aizver pozīciju, kad cena atgriežas pie vidējā. Nakts stundās, kad likviditāte ir zema, viena darījuma cena ir par 1,2% zemāka nekā iepriekšējā, un tad tirgus strauji atgūstas. Ja šis cenas ieraksts ir īsts, stratēģijas pasīvais limita orderis varētu būt izpildīts. Ja tas ir kļūdains cenas ieraksts, ko neatbalstīja neviena izpildāma kotācija, ieskaitot šo izpildi, mēs izdomājam priekšrocību.
Stabiņa dzēšana pati par sevi nav drošāka rīcība. Stratēģijas orderis joprojām varēja atrasties tirgū, un nākamais īstais darījums to varēja izpildīt. Pamatotai tirgus gaitas atkārtošanai jāmodelē, ko stratēģija varēja novērot un pret ko tās orderi ticami varēja izpildīt.
Kā tīrīšanas noteikums ietekmē rezultātu?
Palaidiet stratēģiju, izmantojot skaidri definētus datu apstrādes variantus, un salīdziniet izmaiņas. Saglabājiet sākotnējo avotu un reģistrējiet katru izslēgto vai laboto ierakstu, norādot iemeslu. Pēc tam ziņojiet, cik lielā mērā rezultāts ir atkarīgs no šiem lēmumiem.
| Datu apstrāde | Iespējamais ieguvums | Atpakaļtesta risks |
|---|---|---|
| Izņemt ierakstu, kas neatbilst dokumentētam biržas kļūdu diapazonam | Neļauj zināmi nederīgam ierakstam radīt ekstrēmu vērtību | Noteikums strauja tirgus apstākļos var kļūdaini klasificēt likumīgus darījumus |
| Trūkstošā intervālā saglabāt pēdējo cenu | Neļauj indikatoriem nedarboties datu robu dēļ | Rada cenu, par kuru, iespējams, nav noticis neviens darījums |
| Pēdējo darījumu vietā izmantot apvienotos kotējumus | Sniedz labāku priekšstatu par attēlotajām izpildes cenām | Joprojām ir svarīgi kotējuma apjoms, piekļuve platformai un vieta rindā |
| Izmest visus noviržu stabiņus, izmantojot statistisku slieksni | Mazina jutību pret ekstrēmām vērtībām | Var izņemt īstus stresa periodus, kuros stratēģija zaudē visvairāk |
Pieņemsim, ka nefiltrēta atpakaļtesta Sharpe koeficients ir 0,9, bet, izslēdzot 0,8% stabiņu, tas pieaug līdz 1,4. Tas pats par sevi vēl nenozīmē, ka datu kvalitāte ir uzlabojusies. Pārbaudiet, vai izņemtie stabiņi sakrīt ar svārstīguma lēcieniem, vai tie veido būtisku P&L daļu un vai izslēgšanas noteikums tika definēts, pirms redzējāt rezultātu.
Uzturiet datu izņēmumu reģistru: avots, laika zīmogs, skartie lauki, rīcības iemesls un tas, vai lēmums pieņemts pirms vai pēc stratēģijas veiktspējas pārskatīšanas.
Kā pārbaudīt, vai tīrīšana ir mainījusi priekšrocību?
Fiksējiet stratēģiju un salīdziniet vairākus ticamus apstrādes variantus par vieniem un tiem pašiem datumiem. Ja iespējams, iekļaujiet atkārtojumu ar neapstrādātiem datiem, dokumentētu labojumu kopu un piesardzīgu izpildes scenāriju novērojumiem, kas joprojām ir neskaidri. Katrā atkārtojumā līdzās Sharpe koeficientam ziņojiet darījumu skaitu, apgrozījumu, kapitāla kritumu un skarto intervālu P&L ieguldījumu.
Pēc tam pārbaudiet darījumus, kas mainās. Ja stratēģijas lielākie ieguvumi pazūd, izslēdzot nelielu grupu aizdomīgu cenu ierakstu, aplūkojiet šos ierakstus pa vienam. Ja pazūd zaudējumi, rūpīgi pārbaudiet arī tos. Noteikums, kam pievērš uzmanību tikai tad, kad tas pasliktina atpakaļtestu, jau tiek izmantots pētniecībā.
Lai pētījumu varētu atkārtot, saglabājiet piegādātāja failu versijas vai to kontrolsummas, tīrīšanas kodu un izņēmumu sarakstu. Piegādātājs var pārskatīt vēsturiskos datus; nākamajam atkārtojumam jāļauj noteikt, vai mainījās stratēģija vai ievaddati.
Bet vai tīrīšana nav nepieciešama?
Jā. Acīmredzami bojāta ieraksta saglabāšana var radīt neesošu darījumu, sagrozīt svārstīgumu vai salauzt indikatoru. Un nevajadzētu izlikties, ka neapstrādāta datu plūsma ir neapstrīdama patiesība. Praktiskais secinājums ir konkrētāks: tīrīšanai vajadzīgi pierādījumi, fiksēts noteikums un jutīguma pārbaude, jo tā var mainīt to, kādu tirgu atpakaļtests apgalvo atspoguļojam.
Kad datu labojums uzlabo veiktspēju, pajautājiet, kurš novērojums tika izņemts un vai būtu pieņēmuši to pašu lēmumu, neredzot kapitāla līkni. Ja neesat pārliecināti, saglabājiet abas versijas pētījuma dokumentācijā. Atšķirība starp tām ir daļa no rezultāta.
← Visi raksti
