21 listopada 2026 · badania

Lepsza strategia może wyglądać gorzej po dodaniu większej ilości danych

Lepsza strategia może wyglądać gorzej po dodaniu większej ilości danych

Bardziej szczegółowe dane rynkowe mogą obniżyć wiarygodność backtestu strategii. Dane tickowe dają więcej wierszy, ale też więcej okazji, by pomylić szczegółowość pomiaru z wiedzą o tym, co dałoby się faktycznie zrealizować.

Brzmi to na opak, jeśli zdarzyło Ci się obserwować, jak test oparty na świecach pomija stop, rozszerzenie spreadu albo krótkotrwałe dotknięcie ceny Twojego zlecenia limit. To realne problemy. Pytanie brzmi, czy dokładniejsze dane rzeczywiście je rozwiązują, czy tylko pozwalają symulatorowi opowiedzieć bardziej przekonującą historię.

Co dane tickowe pozwalają dostrzec w backteście?

Świeca jednominutowa sprowadza sekwencję transakcji do czterech cen i łącznego wolumenu. Na podstawie samej świecy zwykle nie da się ustalić, czy maksimum wystąpiło przed minimum, jak długo cena utrzymywała się blisko któregoś z ekstremów ani czy po danej cenie zawarto transakcje o wystarczającym wolumenie, by zrealizować Twoje zlecenie.

Dane tickowe transakcji odtwarzają sekwencję zgłoszonych transakcji. Kwotowania pokazują w czasie najlepszą widoczną ofertę kupna i sprzedaży. Mając oba rodzaje danych, można dokładniej analizować spread, zmiany kwotowań oraz to, czy zlecenie rynkowe przeszłoby przez arkusz po wiarygodnej cenie.

Jednak zapis transakcji nie mówi, jakie miejsce w kolejce zajmowało zlecenie. Jeśli Twoje oczekujące zlecenie dołączyłoby na poziomie, na którym przed nim stało już 18 BTC, informacja, że zawarto tam transakcje na 0.3 BTC, nie dowodzi, że Twoje zlecenie zostałoby zrealizowane. Taśma pokazuje, co wydarzyło się na rynku; rzadko mówi dokładnie, gdzie znajdowałoby się Twoje hipotetyczne zlecenie.

Kiedy dokładniejsze dane mogą pogorszyć wynik?

Pierwsze ryzyko to nierówny zakres danych. Archiwa tickowe często mają brakujące przedziały, luki dla poszczególnych giełd, zmiany symboli lub różne okresy przechowywania danych na różnych rynkach. Strategia testowana tylko tam, gdzie dostawca ma pełną historię, może po cichu stać się strategią dla aktywów i okresów, które najłatwiej zmierzyć.

Drugie ryzyko dotyczy czasu. Znaczniki czasu mogą oznaczać czas zdarzenia na giełdzie, czas otrzymania danych przez dostawcę albo moment skompletowania pliku. Jeśli symulator sortuje zdarzenia z różnych źródeł tak, jakby ich zegary były idealnie zsynchronizowane, może zareagować na kwotowanie, zanim stało się ono dostępne dla Twojego systemu.

Większa liczba wierszy ułatwia też ukrycie błędów implementacji. Strategia oparta na świecach może podejmować jedną decyzję na minutę. Wersja reagująca na ticki może zawierać dziesiątki transakcji w tej samej minucie, za każdym razem ponosząc koszt spreadu, opłat i wpływu na rynek. Jeśli symulator zakłada, że każdy sygnał można zrealizować po następnej zaobserwowanej cenie, jego precyzja jest wyłącznie ozdobą.

60obserwacji co sekundę w ciągu minuty
1świeca minutowa z podsumowaniem tego samego przedziału

Te 60 obserwacji nie oznaczają automatycznie 60 niezależnych okazji do zawarcia transakcji. Mogą opisywać to samo zmieniające się kwotowanie, a Twoje zlecenie może wpływać na to, jaka płynność pozostanie dostępna do realizacji. Symulacja o wysokiej częstotliwości wymaga modelu zleceń i opóźnień, który uczciwie wykorzystuje dodatkowe szczegóły.

Kiedy warto ponieść koszt danych tickowych?

Zacznij od pytania, na które nie potrafisz odpowiedzieć przy użyciu obecnych danych. Jeśli brzmi ono: „co nastąpiło pierwsze — stop czy poziom realizacji zysku?”, dane tickowe transakcji mogą pomóc. Jeśli pytasz: „ile kosztował spread przy wejściu?”, bardziej przydatne będą dane o kwotowaniach. Jeśli pytasz: „czy moje pasywne zlecenie zostałoby zrealizowane?”, możesz potrzebować danych o głębokości rynku i założeń dotyczących kolejki, a nawet one rzadko pozwalają odtworzyć całą historyczną kolejkę.

Pytanie badawczePrzydatne daneCzego nadal nie da się dowieść
Czy jeden próg został osiągnięty przed drugim?Dane tickowe transakcjiŻe Twoje zlecenie zostałoby zrealizowane przy którymkolwiek z tych progów
Jaki spread pokonało zlecenie rynkowe?Kwotowania bid i ask ze znacznikami czasuŻe widoczny wolumen pozostał dostępny
Czy pasywne zlecenie mogłoby zostać zrealizowane?Kwotowania, głębokość rynku i model kolejkiTwojej dokładnej pozycji w aktywnej kolejce

W przypadku sygnału dziennego utrzymywanego przez tygodnie świece jednominutowe mogą już oferować większą szczegółowość, niż wymaga proces decyzyjny. W strategii, której przewaga zależy od realizacji zleceń w ciągu sekund, świece mogą wymazać właśnie ten efekt, który chcesz zbadać. Dopasuj rozdzielczość danych do horyzontu decyzji i realizacji zleceń w strategii.

Jak sprawdzić, czy dodatkowe szczegóły pomogły?

Nie zmieniaj strategii ani okresu testowego. Tam, gdzie to możliwe, porównaj wersje oparte na świecach i dokładniejszych danych, podejmujące te same decyzje. Oprócz stopy zwrotu i statystyk ryzyka śledź zmiany w realizacji zleceń, obrocie, zapłaconym spreadzie, opłatach i wpływie na rynek. Jeśli Sharpe rośnie, liczba transakcji potraja się, a model realizacji nadal przyjmuje wypełnienie po kolejnej transakcji, wynik powinien wzbudzić podejrzenia.

Następnie celowo pogorsz jakość dokładnych danych. Usuń losowo niewielką część zdarzeń, dodaj realistyczne opóźnienie źródła danych i zwiększ zakładany spread lub wpływ na rynek. Wynik, który załamuje się przy opóźnieniu rzędu kilku milisekund, może wynikać z kolejności zdarzeń w symulatorze, a nie z trwałej cechy strategii.

Pewnego popołudnia spędziliśmy kiedyś czas na tropieniu spektakularnej poprawy, która okazała się skutkiem tego, że źródło danych zdublowało krótką serię zapisów transakcji. Model nauczył się handlować na duplikatach. Większa ilość danych sprawiła, że błąd wyglądał jak przewaga.

Krytycy świec mają rację, że agregacja może ukrywać zależną od przebiegu cen realizację zleceń. Na podstawie samego OHLC nie da się ustalić kolejności osiągnięcia stopa i poziomu realizacji zysku znajdujących się w obrębie tej samej świecy, a migawki spreadu mogą nie uchwycić krótkotrwałych zaburzeń. Dane tickowe i kwotowania pozwalają wierniej odpowiedzieć na te pytania, jeśli źródło jest kompletne, a symulator uwzględnia czas zdarzeń.

Praktyczna zasada jest prosta: sięgaj po dokładniejsze dane tylko wtedy, gdy zmieniają decyzję, którą potrafisz opisać, i pokaż, jakie założenia pozwalają przełożyć te szczegóły na realizację zlecenia. W przeciwnym razie masz większy zbiór danych i backtest, który wygląda na dokładniejszy, ale nie daje lepszych dowodów na to, że strategia mogłaby być zrealizowana.

inżynieria danychbacktestingmikrostruktura rynkubadania nad strategiami
← Wszystkie wpisy