Un backtest poate părea mai convingător după ce îi înrăutățești datele. Elimină cotațiile urâte, completează golurile cu prețuri ordonate, iar Sharpe poate crește. Această îmbunătățire poate fi un semnal de alarmă: regula de curățare ar fi putut șterge exact condițiile de piață în care strategia ta trebuie să reziste.
Calitatea datelor contează. O cotație cu bid și ask inversate sau o tranzacție duplicată poate crea o execuție pe care nimeni n-ar fi putut-o obține. Dar un filtru care face să dispară observațiile incomode este și el o alegere de modelare. Privește-l cu aceeași suspiciune ca pe o nouă caracteristică de semnal.
Când este un preț incorect, de fapt, o dată eronată?
Începe prin a te întreba ce reprezintă observația. O tranzacție mult îndepărtată de piața curentă poate fi o înregistrare coruptă, o execuție reală prin lichiditate redusă sau un eveniment specific unei platforme. O lumânare de 1 minut cu volum zero poate însemna că nu s-au efectuat tranzacții, în timp ce o lumânare lipsă poate indica o defecțiune a fluxului de date. Aceste situații trebuie tratate diferit.
Să luăm o strategie simplă de revenire la medie, care cumpără când prețul scade cu 1% sub o medie mobilă pe termen scurt și iese la nivelul mediei. Într-o perioadă nocturnă cu lichiditate redusă, o tranzacție se execută cu 1.2% sub prețul anterior, apoi piața revine brusc. Dacă tranzacția este reală, o strategie cu un ordin limită pasiv ar fi putut fi executată. Dacă este un tick eronat, nesusținut de nicio cotație executabilă, includerea execuției inventează un avantaj.
Ștergerea lumânării nu este automat mai sigură. Este posibil ca strategia să fi avut în continuare un ordin în piață, iar următoarea tranzacție reală să-l fi executat. O reluare defensibilă trebuie să modeleze ce putea observa strategia și la ce tranzacții ar fi putut, în mod plauzibil, să se execute ordinul.
Cum afectează regula de curățare rezultatul?
Rulează strategia folosind tratamente explicite ale datelor și compară schimbările. Păstrează sursa brută și înregistrează fiecare excludere sau corecție, împreună cu motivul. Apoi raportează în ce măsură rezultatul depinde de aceste decizii.
| Tratamentul datelor | Beneficiu potențial | Risc pentru backtest |
|---|---|---|
| Elimină o tranzacție din afara intervalului documentat de erori al platformei | Împiedică o înregistrare cunoscută ca invalidă să stabilească o valoare extremă | Regula poate clasifica greșit tranzacții legitime în perioadele de mișcare rapidă a pieței |
| Menține ultimul preț pe durata unui interval lipsă | Împiedică indicatorii să dea erori din cauza golurilor | Creează un preț la care este posibil să nu se fi executat nicio tranzacție |
| Folosește cotații consolidate în locul ultimelor tranzacții | Oferă o imagine mai bună a prețurilor de execuție afișate | Dimensiunea cotației, accesul la platformă și poziția în coadă contează în continuare |
| Elimină toate lumânările aberante folosind un prag statistic | Reduce sensibilitatea la valorile extreme | Poate elimina perioade reale de stres în care strategia înregistrează cele mai mari pierderi |
Să presupunem că o rulare fără filtre are un Sharpe de 0.9, iar o rulare care exclude 0.8% dintre lumânări ajunge la 1.4. Acest lucru nu dovedește, de unul singur, că datele sunt mai bune. Verifică dacă lumânările eliminate se concentrează în jurul vârfurilor de volatilitate, dacă reprezintă o parte semnificativă din P&L și dacă regula de excludere a fost definită înainte să vezi rezultatul.
Păstrează un registru al excepțiilor de date: sursa, marca temporală, câmpurile afectate, motivul acțiunii și dacă decizia a fost luată înainte sau după examinarea performanței strategiei.
Cum verific dacă procesul de curățare a schimbat avantajul strategiei?
Blochează strategia și compară mai multe tratamente plauzibile pe aceleași date. Include, pe cât posibil, reluarea pe datele brute, un set documentat de corecții și un scenariu conservator de execuție pentru observațiile care rămân ambigue. Pentru fiecare rulare, raportează numărul de tranzacții, rulajul, drawdown-ul și contribuția la P&L a intervalelor afectate, alături de Sharpe.
Apoi examinează tranzacțiile care se modifică. Dacă cele mai profitabile tranzacții ale strategiei dispar când excluzi un grup mic de cotații suspecte, analizează acele înregistrări individual. Dacă dispar în schimb pierderile, aplică aceeași rigoare. O regulă care primește atenție doar când dăunează backtestului deja influențează cercetarea.
Pentru un studiu reproductibil, păstrează versiunile fișierelor furnizorului sau sumele lor de control, codul de curățare și lista de excepții. Un furnizor poate revizui istoricul; următoarea rulare ar trebui să-ți permită să afli dacă s-a schimbat strategia sau dacă s-au schimbat datele de intrare.
Dar curățarea nu este necesară?
Ba da. Păstrarea unei înregistrări evident corupte poate fabrica o tranzacție, distorsiona volatilitatea sau strica un indicator. Și nimeni nu ar trebui să pretindă că un flux brut de date este adevărul absolut. Ideea practică este mai restrânsă: curățarea are nevoie de dovezi, de o regulă fixată și de o verificare a sensibilității, fiindcă poate schimba piața pe care backtestul pretinde că o reprezintă.
Când o corecție a datelor îmbunătățește performanța, întreabă-te ce observație a eliminat și dacă ai fi luat aceeași decizie fără să vezi curba capitalului. Dacă nu ești sigur, păstrează ambele versiuni în dosarul de cercetare. Diferența dintre ele face parte din rezultat.
← Toate articolele
