Model gelinciran yang paling jujur selalunya sengaja tersasar. Backtest yang melaporkan satu kos pelaksanaan yang tepat daripada data sejarah beresolusi rendah membuat dakwaan yang tidak dapat disokong oleh data tersebut.
Kedengarannya seperti hujah untuk andaian kasar. Sebenarnya sebaliknya: gunakan model ringkas yang boleh anda terangkan, kemudian biarkan model itu bercanggah dengan dirinya sendiri. Jika strategi hanya berkesan dengan satu anggaran isian yang kebetulan menguntungkan, ketidakpastian itu sebahagian daripada hasilnya.
Mengapa anggaran gelinciran yang tepat boleh mengelirukan?
Katakan anda mempunyai bar OHLCV 1 minit dan menghantar pesanan pasaran untuk 2,000 saham. Bar itu menunjukkan julat harga dan jumlah volum sepanjang seminit. Bar itu tidak memberitahu anda harga bida dan tawar apabila pesanan anda tiba, giliran pesanan di hadapan anda, taburan volum sepanjang minit itu, atau berapa banyak volum yang akan digunakan oleh pesanan anda.
Anda masih boleh menetapkan nilai gelinciran. Anda mungkin mengisi pada harga pembukaan bar seterusnya ditambah kos tetap dalam mata asas, atau menskalakan kos mengikut saiz pesanan berbanding volum bar. Itu anggaran yang berguna. Namun, itu bukan pemerhatian. Melaporkan hasil sebagai “gelinciran: 3.2 mata asas” menjadikan pilihan model kelihatan seperti ukuran.
Sebagai contoh terperinci, katakan strategi berdagang sebanyak $20,000 bagi setiap pesanan dalam saham yang volum bar seterusnya ialah $400,000. Kadar penyertaannya ialah 5%. Model yang mengenakan 2 mata asas berharga $4 setiap pesanan; model yang mengenakan 10 mata asas berharga $20. Bagi 500 transaksi pergi balik, jurangnya ialah $16,000 sebelum komisen. Jika keuntungan kasar backtest strategi ialah $18,000, andaian pelaksanaan hampir sama besar pengaruhnya dengan isyarat.
Bina julat yang mencerminkan perkara yang dapat dilihat oleh data anda
Mulakan dengan garis dasar yang sepadan dengan jenis pesanan strategi dan resolusi data. Pesanan pasaran memerlukan spread dan impak. Pesanan had memerlukan peraturan untuk menentukan sama ada pesanan diisi; mengandaikan setiap harga yang disentuh akan diisi ialah satu lagi kesilapan pelaksanaan.
Kemudian jalankan backtest yang sama dengan beberapa senario yang dinyatakan secara jelas. Kekalkan isyarat, saiz dan cap masa supaya anda boleh mengaitkan perubahan dengan pelaksanaan:
| Senario | Andaian pelaksanaan | Perkara yang diuji |
|---|---|---|
| Menguntungkan | Spread garis dasar dan impak rendah | Sejauh mana strategi bergantung pada keadaan dagangan yang baik? |
| Asas | Spread dan impak lazim yang diskalakan mengikut kadar penyertaan | Apakah yang ditunjukkan oleh andaian kerja yang dipilih? |
| Tidak menguntungkan | Spread lebih lebar, impak lebih tinggi dan isian tertangguh | Adakah kelebihan strategi bertahan dalam pasaran mencabar yang munasabah? |
Ini bukan selang keyakinan melainkan anda telah menentukurnya secara statistik. Ini ialah ujian senario. Nyatakan maksudnya dalam laporan dan jangan puratakannya menjadi “gelinciran jangkaan” rekaan tanpa bukti tentang kebarangkaliannya.
Jadikan model bertindak balas terhadap pesanan
Caj mata asas tetap boleh menjadi langkah awal yang munasabah untuk pesanan kecil. Ia menjadi gambaran yang lemah apabila kadar penyertaan meningkat. Sekurang-kurangnya, rekodkan nilai nosional pesanan, volum bar yang tersedia dan kadar penyertaan. Jika strategi berdagang niaga hadapan, rekodkan nilai kontrak dan unit volum yang berkaitan; jika berdagang kripto spot, nyatakan mata wang sebut harga dan bursa dengan jelas.
Keluk impak ringkas boleh mendedahkan tekanan kapasiti tanpa berpura-pura meniru buku pesanan. Contohnya, takrifkan kos sebagai caj spread garis dasar ditambah komponen impak yang meningkat mengikut punca kuasa dua kadar penyertaan. Laraskan parameternya hanya jika anda mempunyai data pelaksanaan yang sesuai. Jika tidak, ubah parameternya dan tunjukkan betapa cepatnya hasil merosot.
Pastikan juga model isian tidak diam-diam menyelamatkan strategi. Isyarat beli yang tiba selepas kenaikan mendadak tidak sepatutnya mendapat harga terendah bar hanya kerana harga itu berada dalam lilin. Gunakan kaedah isian yang berpandukan sebab-akibat, kemudian uji tekanan pada harga dan tangguhkan isian. Jika pesanan tertangguh terlepas pergerakan itu, itulah hasil pelaksanaan, bukannya gangguan yang perlu dilicinkan.
Soalan yang berguna: pada spread, impak, kelewatan atau kadar penyertaan berapakah prestasi bersih mencecah sifar? Titik pulang modal itu selalunya lebih berguna untuk tindakan berbanding satu nilai Sharpe backtest.
Gunakan dagangan kertas untuk mengecilkan julat
Dagangan kertas tidak akan mendedahkan isian yang akan anda terima dalam enjin padanan langsung. Namun, ia masih boleh memberitahu sama ada aliran pesanan backtest menyerupai keputusan sebenar sistem: bila pesanan dijana, saiznya dan tempoh pesanan itu masih boleh dilaksanakan.
Bandingkan harga pesanan simulasi dengan sebut harga pada masa yang sama atau apa-apa data pasaran yang direkodkan oleh sistem dagangan kertas anda. Jejaki jurang mengikut instrumen, waktu, saiz pesanan dan jenis pesanan. Pemerhatian itu boleh mengecilkan andaian untuk tetapan tersebut. Andaian itu tidak semestinya sesuai untuk bursa, rejim pasaran atau pesanan yang lebih besar.
Pengkritik betul bahawa senario pesimistik boleh dibuat sesuka hati. Model yang sengaja keras boleh menolak strategi yang berdaya maju, sama seperti model yang menguntungkan boleh menyanjung strategi yang lemah. Jadi, jangan anggap senario paling keras sebagai kebenaran. Terbitkan andaian, tunjukkan kepekaan dan kumpulkan data yang diperlukan untuk menggantikan tekaan dengan anggaran terkalibrasi.
Backtest tidak dapat mengetahui kedudukan giliran pesanan sejarahnya daripada sebatang lilin. Namun, backtest boleh menunjukkan sama ada idea itu masih kelihatan munasabah apabila pelaksanaan menjadi lebih buruk dengan cara yang tidak dapat diketepikan oleh data anda. Itu jawapan yang lebih berguna daripada satu angka perpuluhan.
← Semua catatan
