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।
बैकटेस्टिंग और वैलिडेशन
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।
backtest_review.pynet_pnl = gross_pnl - fees
peak = equity.cummax()
drawdown = equity / peak - 1
assert train_end < test_start
उदाहरणात्मक उदाहरण · लाइव परिणाम नहीं
उदाहरणात्मक उदाहरण · लाइव परिणाम नहीं
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।
एक उदाहरणात्मक इक्विटी वक्र (equity curve) राह में आने वाली बाधाओं को दर्शाता है। किसी परिणाम की व्याख्या करने से पहले ड्रॉडाउन और ट्रेडिंग लागतों की जाँच करें।
खाता इक्विटी की तुलना क्लोज़्ड-ट्रेड बैलेंस से करें। ट्रेड बंद होने से पहले एक ओपन पोज़िशन इक्विटी को बदल सकती है।
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।
इक्विटी कर्व, ड्रॉडाउन, रिटर्न वितरण और व्यक्तिगत ट्रेड पढ़ें। हेडलाइन मीट्रिक के साथ-साथ अवधि, सैंपल साइज़ और अनुमानों की जांच करें।
सेंसिटिविटी विश्लेषण, वॉक-फ़ॉरवर्ड ऑप्टिमाइज़ेशन और होल्डआउट वैलिडेशन यह जांचते हैं कि चुने गए पैरामीटर और ट्रेनिंग विंडो के बाहर परिणाम कैसे बदलते हैं।
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।
डेटा अवधि, वेन्यू, फ़ीस
बैकटेस्ट, वॉक-फ़ॉरवर्ड, होल्डआउट
मीट्रिक, ट्रेड, समीक्षा नोट्स
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।
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।
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।
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।
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 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।
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।
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।
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।
अनुकूलन से पहले पूरे इतिहास की बेसलाइन देखें। विश्लेषक साक्ष्यों के आधार पर पैरामीटर खोज तय करता है; प्रशिक्षण निदान नमूने से बाहर के प्रदर्शन को स्थापित नहीं करते।
ऑप्टिमाइज़ेशन देखेंकिसी रणनीति की जाँच के लिए Backtest Lab का उपयोग करें, लेकिन इस प्रयोग को पेपर ट्रेडिंग या लाइव ट्रेडिंग की नई स्वीकृति न समझें। परिणाम के साथ कोड, डेटा अवधि और लागतों की भी समीक्षा करें।
Backtest Lab देखेंसकारात्मक बैकटेस्ट में भी स्वतंत्र अवलोकन बहुत कम हो सकते हैं। कम-विश्वास वाले पेपर शोध पर उसका लेबल बना रहता है और वह कभी भी वास्तविक धन से ट्रेडिंग की स्वतः अनुमति नहीं देता।
सत्यापन मार्गदर्शिका पढ़ेंप्रकाशित 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।
बैकटेस्ट लैब
कोई रणनीति चुनें, उसके पैरामीटर समायोजित करें और बैकटेस्ट या ऑप्टिमाइज़ेशन शुरू करने से पहले अनुमानित क्रेडिट लागत की समीक्षा करें।
उत्पाद के भीतर
समीक्षा के बाद इस सार्वजनिक रणनीति को अस्वीकार कर दिया गया। इसकी परिकल्पना और दर्ज निष्कर्ष देखें कि सकारात्मक मुख्य रिटर्न का आँकड़ा ही पर्याप्त क्यों नहीं है।
सार्वजनिक रिपोर्ट पढ़ें
डेटा की उपलब्धता, इंस्ट्रूमेंट का इतिहास, शुल्क और ऑर्डर भरने की मान्यताएँ अलग-अलग प्लेटफ़ॉर्म पर भिन्न होती हैं। अपने रन के लिए दर्ज कवरेज और मान्यताओं की समीक्षा करें।
बाज़ार डेटा का अन्वेषण करेंबैकटेस्ट अतीत का अनुकरण करते हैं। पेपर ट्रेडिंग आगे के अवलोकन जोड़ती है। कम विश्वास वाले परिणाम सांख्यिकीय रूप से सिद्ध नहीं होते, और न ही इनमें से कोई रिटर्न का वादा है।
पेपर ट्रेडिंग देखेंकार्यस्थल खोलने, कोड आयात करने या बैकटेस्ट शुरू करने से वास्तविक धन के ऑर्डर अधिकृत नहीं होते। लाइव निष्पादन के लिए आपकी मंज़ूरी और समर्थित कनेक्टेड खाते की आवश्यकता होती है।
लाइव ट्रेडिंग का अन्वेषण करें