सामग्री पर जाएं

बैकटेस्टिंग और वैलिडेशन

विचार को परखें। साक्ष्य की जांच करें।

फ़ैक्टरी कॉन्फ़िगर की गई फीस और निष्पादन संबंधी मान्यताओं के साथ ऐतिहासिक डेटा पर रणनीति कोड का परीक्षण करती है। अनुकूलन उपकरण पैरामीटर की स्थिरता की जाँच करते हैं, जबकि AI विश्लेषक साक्ष्यों का आकलन करके अगला कदम सुझाता है।

ड्रॉडाउन और परिणाम वितरण के साथ वैलिडेशन विंडो में ऐतिहासिक स्ट्रैटेजी पथ

रणनीति फ़ैक्टरी को सक्रिय रूप से काम करते हुए देखें।

उदाहरणात्मक उदाहरण · लाइव परिणाम नहीं

देखें कि AI एजेंट रणनीति कैसे बनाते और उसकी समीक्षा करते हैं।

AI एजेंट विचार विकसित करते हैं, कोड लिखते हैं और परीक्षण परिणामों का आकलन करते हैं। समीक्षा के निष्कर्ष रणनीति को एक और पुनरावृत्ति के लिए वापस भेज सकते हैं।

  1. बताइए
  2. बनाएँ व सत्यापित करें
  3. बैकटेस्ट
  4. स्ट्रेस-टेस्ट
  5. पेपर-ट्रेड
01

ट्रेडिंग स्थितियों का मॉडल बनाएं

बैकटेस्ट ऐतिहासिक डेटा, कॉन्फ़िगर की गई वेन्यू फ़ीस और लागू निष्पादन अनुमानों का उपयोग करते हैं। डेटा कवरेज, फ़ंडिंग, स्लिपेज और इम्पैक्ट परिणाम को काफ़ी हद तक बदल सकते हैं।

02

सिर्फ़ रिटर्न से ज़्यादा जांचें

इक्विटी कर्व, ड्रॉडाउन, रिटर्न वितरण और व्यक्तिगत ट्रेड पढ़ें। हेडलाइन मीट्रिक के साथ-साथ अवधि, सैंपल साइज़ और अनुमानों की जांच करें।

03

रोबस्टनेस जांचें

सेंसिटिविटी विश्लेषण, वॉक-फ़ॉरवर्ड ऑप्टिमाइज़ेशन और होल्डआउट वैलिडेशन यह जांचते हैं कि चुने गए पैरामीटर और ट्रेनिंग विंडो के बाहर परिणाम कैसे बदलते हैं।

अनुमानों को परिणाम के साथ ही रखें।

एक आकर्षक चार्ट समीक्षा के लिए बस एक शुरुआती बिंदु है। ट्रेडिंग लागतों की तुलना अपेक्षित एज से करें, आउट-ऑफ़-सैंपल व्यवहार की जांच करें, और यह देखें कि कहीं परिणाम मुट्ठी भर ट्रेड या समयावधियों में सिमट तो नहीं गया है।

  1. इनपुट

    डेटा अवधि, वेन्यू, फ़ीस

  2. टेस्ट

    बैकटेस्ट, वॉक-फ़ॉरवर्ड, होल्डआउट

  3. प्रमाण

    मीट्रिक, ट्रेड, समीक्षा नोट्स

बाद के डेटा को पहले के चयनों को चुनौती देने दें।

वॉक-फ़ॉरवर्ड परीक्षण एक पहले की खिड़की पर फ़िट करता है और बाद की खिड़की पर मूल्यांकन करता है। आरक्षित होल्डआउट को अनुकूलन खिड़कियों से बाहर रखा जाता है।

वास्तविक विभाजन तिथियों और ट्रेड संख्याओं को पढ़ें। कई प्रयासों में होल्डआउट प्रतिक्रिया का बार-बार उपयोग इसकी स्वतंत्रता को कमज़ोर कर सकता है।

फ़िटसत्यापनहोल्डआउट
योजनाबद्ध चित्रण: तीन फ़िट-और-सत्यापन खिड़कियाँ समय के साथ आगे बढ़ती हैं; होल्डआउट दाईं ओर आरक्षित रहता है। खिड़की की लंबाई और अंतराल कॉन्फ़िगरेशन पर निर्भर करते हैं।

एक छोटी सी लागत एक बड़े एज को समाप्त कर सकती है।

एक रणनीति जितना अधिक ट्रेड करती है, उसका परिणाम उतना ही अधिक निष्पादन धारणाओं पर निर्भर करता है। समान सकल परिणाम को अलग-अलग लागतों के तहत देखने के लिए स्लिपेज नियंत्रण को हिलाएँ।

टर्नओवर
प्रारंभिक इक्विटी के सापेक्ष कुल ट्रेडेड नोशनल; हर खरीद और बिक्री गिनी जाती है।
शुल्क और स्लिपेज
वास्तविक रिपोर्ट में कॉन्फ़िगर किए गए वेन्यू शुल्क और मूल्य धारणाओं की जाँच करें।
शुद्ध परिणाम
शेष बचे एज की तुलना ड्रॉडाउन, नमूना आकार और आउट-ऑफ़-सैंपल परिणामों से करें।

देखें कि निष्पादन लागतें परिणाम को कैसे बदलती हैं।

सकल रिटर्न12.0%
मॉडल की गई लागतें2.0%
इन लागतों के बाद शुद्ध10.0%

उदाहरण धारणाएँ: 12% सकल रिटर्न, प्रारंभिक इक्विटी के 40 गुना के बराबर संचयी ट्रेडेड नोशनल, और प्रति ट्रेडेड नोशनल 2 bps शुल्क। लागतें = टर्नओवर × (शुल्क + स्लिपेज); 1 bp = 0.01%। यह एक रैखिक चित्रण है; इसमें चक्रवृद्धि, फंडिंग और बाज़ार प्रभाव शामिल नहीं हैं।

सवाल, जिनके जवाब मिले।

और सवाल और जवाब
क्या एक अच्छा बैकटेस्ट भविष्य के रिटर्न की गारंटी देता है?

नहीं। बैकटेस्ट काल्पनिक होते हैं और डेटा, अनुमानों और चयन के प्रति संवेदनशील होते हैं। वैलिडेशन कमज़ोरियों की जांच में मदद करता है; यह ट्रेडिंग जोखिम को खत्म नहीं करता।

क्या फ़ीस मेरे खाते के लिए लाइव कोट्स हैं?

नहीं। ये कॉन्फ़िगर की गई सिमुलेशन डिफ़ॉल्ट्स हैं। आपका एक्सचेंज टियर और इंस्ट्रूमेंट नियम अलग हो सकते हैं। परिणाम की व्याख्या करने से पहले अनुमानों की समीक्षा करें।

वॉक-फॉरवर्ड परीक्षण और होल्डआउट सत्यापन में क्या अंतर है?

वॉक-फॉरवर्ड परीक्षण बार-बार पहले के डेटा पर फिट होता है और बाद की विंडो पर मूल्यांकन करता है। होल्डआउट सत्यापन उन ऑप्टिमाइज़ेशन विंडो से बाहर आरक्षित अवधि पर चुने गए पैरामीटर की जांच करता है। वास्तविक तारीखों, ट्रेड की संख्या और रिपोर्टों का निरीक्षण करें; होल्डआउट फीडबैक का बार-बार उपयोग करने से इसकी स्वतंत्रता कमज़ोर हो सकती है।

कुल रिटर्न के अलावा मुझे कौन-से परिणाम पढ़ने चाहिए?

ड्रॉडाउन, ट्रेडिंग लागत, ट्रेड की संख्या और वितरण, होल्डिंग अवधि और आउट-ऑफ़-सैंपल परिणामों की समीक्षा करें। थोड़े से ट्रेड या एक ही बाज़ार अवधि पर निर्भरता की तलाश करें। केवल एक उच्च रिटर्न यह नहीं बताता कि रणनीति ने इसे कैसे अर्जित किया या रास्ते में हुए नुकसान कैसे थे।

सबसे अच्छी सेटिंग बनाए रखने के बजाय आस-पास के पैरामीटर का परीक्षण क्यों करें?

एक ऐसी सेटिंग जो उत्कृष्ट दिखती है जबकि उसके आस-पास की सेटिंग्स खराब प्रदर्शन करती हैं, नाज़ुक हो सकती है। संवेदनशीलता विश्लेषण दिखाता है कि चुने गए पैरामीटर के आसपास परिणाम कैसे बदलता है। यह आकलन करते समय कि क्या पैटर्न एक चुने गए परिणाम से व्यापक है, इसे वॉक-फॉरवर्ड और होल्डआउट प्रमाण के साथ उपयोग करें।

समान विचार के दो बैकटेस्ट असहमत क्यों हो सकते हैं?

अलग-अलग इंस्ट्रूमेंट्स, डेटा अवधि, बार अंतराल, प्रवेश और निकास नियम, फीस या निष्पादन धारणाएं परिणाम को बदल सकती हैं। किसी अंतर को सुधार मानकर व्याख्या करने से पहले ट्रेड रिकॉर्ड के साथ-साथ कॉन्फ़िगरेशन और उपलब्ध डेटा की तुलना करें।

एक ऐसे सवाल से शुरुआत करें जो टेस्ट किए जाने लायक हो।

प्रकाशित रणनीतियों का अन्वेषण करें, या AI एजेंटों के साथ अपनी रणनीति बनाने, परीक्षण करने और निगरानी रखने के लिए वर्कस्पेस खोलें।

Stratmill एक AI आधारित ट्रेडिंग रणनीति प्लेटफ़ॉर्म है। यह न तो वित्तीय सलाह देता है और न ही ब्रोकर है। बैकटेस्ट और पेपर ट्रेडिंग के परिणाम काल्पनिक हैं। ट्रेडिंग में नुकसान का जोखिम होता है।