ট্রেডিং শর্তাবলীর মডেল তৈরি করুন
ব্যাকটেস্টগুলি ঐতিহাসিক ডেটা, কনফিগার করা ভেন্যু ফি এবং প্রযোজ্য এক্সিকিউশন অনুমান ব্যবহার করে। ডেটা কভারেজ, ফান্ডিং, স্লিপেজ এবং ইমপ্যাক্ট ফলাফলকে উল্লেখযোগ্যভাবে বদলে দিতে পারে।
ব্যাকটেস্টিং ও ভ্যালিডেশন
ফ্যাক্টরি কনফিগার করা ফি এবং এক্সিকিউশন-সংক্রান্ত অনুমানের ভিত্তিতে ঐতিহাসিক ডেটায় স্ট্র্যাটেজি কোড পরীক্ষা করে। অপ্টিমাইজেশন টুল প্যারামিটারের স্থিতিশীলতা যাচাই করে, আর AI বিশ্লেষক প্রমাণ মূল্যায়ন করে পরবর্তী পদক্ষেপের সুপারিশ করেন।
backtest_review.pynet_pnl = gross_pnl - fees
peak = equity.cummax()
drawdown = equity / peak - 1
assert train_end < test_start
দৃষ্টান্তমূলক উদাহরণ · লাইভ ফলাফল নয়
দৃষ্টান্তমূলক উদাহরণ · লাইভ ফলাফল নয়
AI এজেন্টরা আইডিয়া উন্নত করে, কোড লেখে এবং পরীক্ষার ফলাফল মূল্যায়ন করে। পর্যালোচনার ফলাফল স্ট্র্যাটেজিটিকে আরও একটি পুনরাবৃত্তির জন্য ফিরিয়ে দিতে পারে।
একটি দৃষ্টান্তমূলক ইকুইটি কার্ভ পথের মাঝে বাধাগুলো প্রকাশ করে। ফলাফল ব্যাখ্যা করার আগে ড্রডাউন ও ট্রেডিং খরচ পরীক্ষা করুন।
অ্যাকাউন্ট ইকুইটিকে ক্লোজড-ট্রেড ব্যালেন্সের সাথে তুলনা করুন। ট্রেড বন্ধ হওয়ার আগেই একটি খোলা পজিশন ইকুইটি পরিবর্তন করতে পারে।
ব্যাকটেস্টগুলি ঐতিহাসিক ডেটা, কনফিগার করা ভেন্যু ফি এবং প্রযোজ্য এক্সিকিউশন অনুমান ব্যবহার করে। ডেটা কভারেজ, ফান্ডিং, স্লিপেজ এবং ইমপ্যাক্ট ফলাফলকে উল্লেখযোগ্যভাবে বদলে দিতে পারে।
ইকুইটি কার্ভ, ড্রডাউন, রিটার্ন বিতরণ এবং পৃথক ট্রেড পড়ুন। হেডলাইন মেট্রিকের পাশাপাশি সময়কাল, নমুনার আকার এবং অনুমানগুলি যাচাই করুন।
সংবেদনশীলতা বিশ্লেষণ, ওয়াক-ফরওয়ার্ড অপ্টিমাইজেশন এবং হোল্ডআউট যাচাইকরণ নির্বাচিত প্যারামিটার এবং প্রশিক্ষণ উইন্ডোর বাইরে ফলাফল কীভাবে পরিবর্তিত হয় তা পরীক্ষা করে।
একটি আকর্ষণীয় চার্ট পর্যালোচনার একটি সূচনাবিন্দু মাত্র। প্রত্যাশিত সুবিধার সাথে ট্রেডিং খরচ তুলনা করুন, আউট-অফ-স্যাম্পল আচরণ পরীক্ষা করুন এবং সীমিত সংখ্যক ট্রেড বা সময়কালে কেন্দ্রীভূত হওয়ার লক্ষণ খুঁজুন।
ডেটার সময়কাল, ভেন্যু, ফি
ব্যাকটেস্ট, ওয়াক-ফরওয়ার্ড, হোল্ডআউট
মেট্রিক, ট্রেড, পর্যালোচনার নোট
ওয়াক-ফরওয়ার্ড পরীক্ষা একটি আগের উইন্ডোতে ফিট করে এবং পরের একটিতে মূল্যায়ন করে। সংরক্ষিত হোল্ডআউট অপ্টিমাইজেশন উইন্ডোগুলির বাইরে রাখা হয়।
প্রকৃত বিভাজন তারিখ এবং ট্রেড সংখ্যা পড়ুন। বহু প্রচেষ্টায় হোল্ডআউট প্রতিক্রিয়া পুনরায় ব্যবহার করলে তার স্বাধীনতা দুর্বল হতে পারে।
একটি স্ট্র্যাটেজি যত বেশি ট্রেড করে, তার ফলাফল তত বেশি এক্সিকিউশন অনুমানের উপর নির্ভরশীল হয়। বিভিন্ন খরচের অধীনে একই গ্রস ফলাফল দেখতে স্লিপেজ কন্ট্রোল সরান।
উদাহরণ অনুমান: 12% গ্রস রিটার্ন, প্রারম্ভিক ইকুইটির 40 গুণের সমান সামগ্রিক ট্রেড করা নোশনাল, এবং প্রতি ট্রেড করা নোশনালে 2 bps ফি। খরচ = টার্নওভার × (ফি + স্লিপেজ); 1 bp = 0.01%। এটি একটি লিনিয়ার দৃষ্টান্ত; কম্পাউন্ডিং, ফান্ডিং এবং মার্কেট ইমপ্যাক্ট বাদ দেওয়া হয়েছে।
না। ব্যাকটেস্টগুলি কাল্পনিক এবং ডেটা, অনুমান এবং নির্বাচনের প্রতি সংবেদনশীল। যাচাইকরণ দুর্বলতা খুঁজে দেখতে সহায়তা করে; এটি ট্রেডিং ঝুঁকি দূর করে না।
না। এগুলি কনফিগার করা সিমুলেশন ডিফল্ট। আপনার এক্সচেঞ্জ টিয়ার এবং ইনস্ট্রুমেন্ট নিয়ম ভিন্ন হতে পারে। ফলাফল ব্যাখ্যা করার আগে অনুমানগুলি পর্যালোচনা করুন।
ওয়াক-ফরওয়ার্ড পরীক্ষা বারবার আগের ডেটায় ফিট করে এবং পরের উইন্ডোতে মূল্যায়ন করে। হোল্ডআউট যাচাইকরণ ওই অপ্টিমাইজেশন উইন্ডোগুলির বাইরে একটি সংরক্ষিত সময়কালে নির্বাচিত প্যারামিটার পরীক্ষা করে। প্রকৃত তারিখ, ট্রেড সংখ্যা এবং রিপোর্টগুলি পরীক্ষা করুন; হোল্ডআউট প্রতিক্রিয়া বারবার ব্যবহার করলে তার স্বাধীনতা দুর্বল হতে পারে।
ড্রডাউন, ট্রেডিং খরচ, ট্রেডের সংখ্যা ও বিতরণ, হোল্ডিং পিরিয়ড এবং আউট-অফ-স্যাম্পল ফলাফল পর্যালোচনা করুন। সীমিত সংখ্যক ট্রেড বা একটি মার্কেট পিরিয়ডের উপর নির্ভরতা খুঁজুন। একা একটি উচ্চ রিটার্ন স্ট্র্যাটেজি কীভাবে তা উপার্জন করেছে বা এর পথে কী ক্ষতি হয়েছে তা ব্যাখ্যা করে না।
একটি সেটিং যা অত্যন্ত ভালো দেখায় কিন্তু তার আশেপাশের সেটিংগুলি খারাপ পারফর্ম করে, তা দুর্বল বা অস্থিতিশীল হতে পারে। সংবেদনশীলতা বিশ্লেষণ দেখায় নির্বাচিত প্যারামিটারের চারপাশে ফলাফল কীভাবে পরিবর্তিত হয়। প্যাটার্নটি একটি নির্বাচিত ফলাফলের চেয়ে বিস্তৃত কিনা তা মূল্যায়নের জন্য এটি ওয়াক-ফরওয়ার্ড এবং হোল্ডআউট প্রমাণের সাথে ব্যবহার করুন।
বিভিন্ন ইনস্ট্রুমেন্ট, ডেটার সময়কাল, বার ইন্টারভাল, এন্ট্রি ও এক্সিট নিয়ম, ফি বা এক্সিকিউশন অনুমান ফলাফল বদলে দিতে পারে। একটি পার্থক্যকে উন্নতি বলে ব্যাখ্যা করার আগে কনফিগারেশন এবং উপলভ্য ডেটাকে ট্রেড রেকর্ডের পাশাপাশি তুলনা করুন।
অপ্টিমাইজেশনের আগে পুরো ইতিহাসের বেসলাইন পর্যালোচনা করুন। বিশ্লেষক প্রমাণের ভিত্তিতে প্যারামিটার অনুসন্ধান নির্ধারণ করেন; প্রশিক্ষণ-সংক্রান্ত ডায়াগনস্টিকস নমুনার বাইরের কার্যকারিতা প্রমাণ করে না।
অপ্টিমাইজেশন দেখুনকৌশলটি অনুসন্ধান করতে Backtest Lab ব্যবহার করুন, তবে পরীক্ষাটিকে নতুন পেপার বা লাইভ অনুমোদন হিসেবে বিবেচনা করবেন না। ফলাফলের পাশাপাশি কোড, ডেটার সময়সীমা ও খরচ পর্যালোচনা করুন।
Backtest Lab ঘুরে দেখুনইতিবাচক ব্যাকটেস্টেও স্বতন্ত্র পর্যবেক্ষণের সংখ্যা খুব কম হতে পারে। কম-আস্থার পেপার গবেষণায় সেই লেবেল বজায় থাকে এবং এটি কখনোই স্বয়ংক্রিয়ভাবে প্রকৃত অর্থে লেনদেনের অনুমতি দেয় না।
যাচাইকরণ নির্দেশিকা পড়ুনপ্রকাশিত স্ট্র্যাটেজিগুলো অন্বেষণ করুন, অথবা AI এজেন্টদের সহায়তায় নিজের স্ট্র্যাটেজি তৈরি, পরীক্ষা ও পর্যবেক্ষণের জন্য একটি ওয়ার্কস্পেস খুলুন।
Stratmill একটি AI ট্রেডিং-স্ট্র্যাটেজি প্ল্যাটফর্ম—এটি আর্থিক পরামর্শ বা ব্রোকার নয়। ব্যাকটেস্ট ও পেপার-ট্রেডিংয়ের ফলাফল কাল্পনিক। ট্রেডিংয়ে ক্ষতির ঝুঁকি রয়েছে।
ব্যাকটেস্ট ল্যাব
একটি কৌশল বেছে নিন, এর প্যারামিটার সমন্বয় করুন এবং ব্যাকটেস্ট বা অপ্টিমাইজেশন শুরু করার আগে আনুমানিক ক্রেডিট খরচ পর্যালোচনা করুন।
পণ্যের ভেতরে
পর্যালোচনার পর এই সর্বজনীন কৌশলটি প্রত্যাখ্যাত হয়েছিল। এর অনুমান ও নথিভুক্ত অনুসন্ধান দেখুন—শিরোনামে ইতিবাচক রিটার্ন থাকাই কেন যথেষ্ট নয়, তা বুঝতে পারবেন।
সর্বজনীন প্রতিবেদন পড়ুন
ডেটার প্রাপ্যতা, ইন্সট্রুমেন্টের ইতিহাস, ফি এবং অর্ডার পূরণের অনুমান ভেন্যুভেদে ভিন্ন হয়। আপনার রানের জন্য নথিভুক্ত ডেটা কভারেজ ও অনুমানগুলো পর্যালোচনা করুন।
বাজারের তথ্য অন্বেষণ করুনব্যাকটেস্ট অতীতের অনুকরণ করে। পেপার ট্রেডিং ভবিষ্যৎমুখী পর্যবেক্ষণ যোগ করে। কম আত্মবিশ্বাসের ফলাফল পরিসংখ্যানগতভাবে প্রমাণিত নয়, এবং এগুলোর কোনোটিই রিটার্নের নিশ্চয়তা দেয় না।
পেপার ট্রেডিং দেখুনকর্মক্ষেত্র খোলা, কোড ইম্পোর্ট করা বা ব্যাকটেস্ট শুরু করা—কোনোটিই প্রকৃত অর্থে অর্ডার দেওয়ার অনুমোদন নয়। লাইভ এক্সিকিউশনের জন্য আপনার অনুমোদন এবং সমর্থিত সংযুক্ত অ্যাকাউন্ট প্রয়োজন।
লাইভ ট্রেডিং অন্বেষণ করুন