Modelkan kondisi trading
Backtest menggunakan data historis, biaya venue yang dikonfigurasi, dan asumsi eksekusi yang berlaku. Jangkauan data, funding, slippage, dan impact dapat secara signifikan mengubah hasil.
Backtesting & validasi
Uji gagasan dan telaah buktinya
Pabrik menguji kode strategi pada data historis dengan biaya dan asumsi eksekusi yang dikonfigurasi. Alat optimisasi menguji stabilitas parameter, sementara analis AI mengevaluasi bukti dan merekomendasikan langkah berikutnya.
backtest_review.pynet_pnl = gross_pnl - fees
peak = equity.cummax()
drawdown = equity / peak - 1
assert train_end < test_start
Contoh ilustratif · bukan hasil langsung
Lihat pabrik strategi bekerja.
Contoh ilustratif · bukan hasil langsung
Saksikan agen AI membangun dan meninjau strategi.
Agen AI mengembangkan ide, menulis kode, dan menilai hasil pengujian. Temuan peninjauan dapat mengembalikan strategi untuk iterasi berikutnya.
Amati jalurnya, bukan hanya titik akhirnya.
Kurva ekuitas ilustratif menunjukkan hambatan di sepanjang jalan. Periksa drawdown dan biaya transaksi sebelum menafsirkan suatu hasil.
Sertakan posisi terbuka dalam gambaran.
Bandingkan ekuitas akun dengan saldo transaksi yang telah ditutup. Posisi terbuka dapat mengubah ekuitas sebelum transaksi ditutup.
- Jelaskan
- Bangun & verifikasi
- Backtest
- Uji ketahanan
- Paper trading
EkuitasSaldo transaksi tertutupDrawdown
Return bersih—
Drawdown maks—
Checkpoint—
Periksa lebih dari sekadar return
Baca kurva ekuitas, drawdown, distribusi return, dan trade masing-masing. Periksa periode, ukuran sampel, dan asumsi bersama dengan metrik utama.
Uji ketahanan (robustness)
Analisis sensitivitas, walk-forward optimization, dan validasi holdout menyelidiki bagaimana hasil berubah di luar parameter dan periode pelatihan yang dipilih.
Simpan asumsi bersama hasilnya.
Grafik yang menarik hanyalah titik awal untuk peninjauan. Bandingkan biaya trading dengan keunggulan yang diharapkan, periksa perilaku out-of-sample, dan cari konsentrasi pada sejumlah kecil trade atau periode.
Input
Periode data, venue, biaya
Pengujian
Backtest, walk-forward, holdout
Bukti
Metrik, trade, catatan tinjauan
Biarkan data yang lebih baru menguji pilihan sebelumnya.
Pengujian walk-forward melakukan fitting pada jendela waktu sebelumnya dan mengevaluasinya pada jendela berikutnya. Holdout yang dicadangkan tetap berada di luar jendela optimisasi.
Bacalah tanggal pemisahan dan jumlah transaksi yang sebenarnya. Menggunakan kembali umpan balik holdout pada banyak percobaan dapat melemahkan independensinya.
FitValidasiHoldout
Biaya kecil dapat menghabiskan keunggulan yang besar.
Semakin sering sebuah strategi bertransaksi, semakin besar hasilnya bergantung pada asumsi eksekusi. Geser kontrol slippage untuk melihat hasil kotor yang sama pada biaya yang berbeda.
- Turnover
- Total nilai nosional yang diperdagangkan relatif terhadap ekuitas awal; setiap pembelian dan penjualan dihitung.
- Biaya & slippage
- Periksa biaya venue yang dikonfigurasi dan asumsi harga pada laporan yang sebenarnya.
- Hasil bersih
- Bandingkan keunggulan yang tersisa dengan drawdown, ukuran sampel, dan hasil out-of-sample.
Lihat bagaimana biaya eksekusi mengubah hasil.
Imbal hasil kotor
Biaya yang dimodelkan
Bersih setelah biaya ini
Contoh asumsi: imbal hasil kotor 12%, nilai nosional kumulatif yang diperdagangkan setara 40 kali ekuitas awal, dan biaya 2 bps per nilai nosional yang diperdagangkan. Biaya = turnover × (biaya + slippage); 1 bp = 0,01%. Ilustrasi linear; tidak termasuk pemajemukan, funding, dan dampak pasar.
Pertanyaan, terjawab.
Pertanyaan dan jawaban lainnyaApakah backtest yang baik menjamin return di masa depan?
Tidak. Backtest bersifat hipotetis dan sensitif terhadap data, asumsi, dan seleksi. Validasi membantu menyelidiki kelemahan; validasi tidak menghilangkan risiko trading.
Apakah biayanya adalah kuotasi langsung untuk akun saya?
Tidak. Biaya tersebut adalah nilai default simulasi yang dikonfigurasi. Tingkatan exchange dan aturan instrumen Anda mungkin berbeda. Tinjau asumsinya sebelum menafsirkan hasilnya.
Apa perbedaan antara pengujian walk-forward dan validasi holdout?
Pengujian walk-forward berulang kali melakukan fitting pada data sebelumnya dan mengevaluasi pada jendela waktu berikutnya. Validasi holdout memeriksa parameter yang dipilih pada periode cadangan di luar jendela optimasi tersebut. Periksa tanggal aktual, jumlah transaksi, dan laporannya; penggunaan berulang atas umpan balik holdout dapat melemahkan independensinya.
Hasil apa yang harus saya baca selain total return?
Tinjau drawdown, biaya transaksi, jumlah dan distribusi transaksi, periode kepemilikan, serta hasil out-of-sample. Waspadai ketergantungan pada sejumlah kecil transaksi atau satu periode pasar. Return yang tinggi saja tidak menjelaskan bagaimana strategi tersebut menghasilkan keuntungan atau kerugian di sepanjang jalan.
Mengapa menguji parameter di sekitarnya alih-alih mempertahankan pengaturan terbaik?
Pengaturan yang terlihat sangat baik sementara nilai di sekitarnya berkinerja buruk mungkin rapuh. Analisis sensitivitas menunjukkan bagaimana hasil berubah di sekitar parameter yang dipilih. Gunakan bersama bukti walk-forward dan holdout saat menilai apakah pola tersebut lebih luas daripada satu hasil yang dipilih.
Mengapa dua backtest dari ide yang mirip bisa tidak sejalan?
Instrumen, periode data, interval bar, aturan masuk dan keluar, biaya, atau asumsi eksekusi yang berbeda dapat mengubah hasilnya. Bandingkan konfigurasi dan data yang tersedia beserta catatan transaksi sebelum menafsirkan perbedaan tersebut sebagai peningkatan.
Pahami apa yang dibuktikan oleh setiap hasil
Riset baseline dan parameter
Tinjau baseline seluruh riwayat sebelum optimisasi. Analis menggunakan bukti untuk menentukan pencarian parameter; diagnostik pelatihan tidak membuktikan kinerja di luar sampel.
Jelajahi optimisasiEksperimen terpisah
Gunakan Backtest Lab untuk menyelidiki strategi tanpa menganggap eksperimen itu sebagai persetujuan baru untuk paper trading atau trading live. Tinjau kode, rentang data, dan biaya bersama hasilnya.
Jelajahi Backtest LabBukti bisa tetap belum meyakinkan
Backtest positif tetap bisa memiliki terlalu sedikit pengamatan independen. Riset paper trading dengan tingkat keyakinan rendah tetap diberi label tersebut dan tidak pernah secara otomatis mengizinkan trading dengan uang sungguhan.
Baca panduan validasiMulai dengan pertanyaan yang layak diuji.
Jelajahi strategi yang telah dipublikasikan, atau buka workspace untuk membangun, menguji, dan memantau strategi Anda sendiri dengan agen AI.
Stratmill adalah platform strategi trading berbasis AI, bukan nasihat keuangan atau broker. Hasil backtest dan paper trading bersifat hipotetis. Trading memiliki risiko kerugian.
Lab Backtest
Jalankan pengujian dari ruang kerja Anda.
Pilih strategi, sesuaikan parameternya, dan tinjau perkiraan jumlah kredit yang akan digunakan sebelum memulai backtest atau optimasi.
Di dalam produk
Buka catatan riset nyata.
Strategi publik ini ditolak setelah peninjauan. Tinjau hipotesis dan temuan yang tercatat untuk melihat mengapa imbal hasil utama yang positif saja tidak cukup.
Baca laporan publik
Pahami hal yang dapat disimpulkan dari bukti.
Periksa input
Ketersediaan data, riwayat instrumen, biaya, dan asumsi pengisian pesanan berbeda-beda menurut tempat perdagangan. Tinjau cakupan dan asumsi yang tercatat untuk pengujian Anda.
Jelajahi data pasarPisahkan pengujian dari bukti prospektif
Backtest mensimulasikan masa lalu. Paper trading menambahkan pengamatan prospektif. Hasil dengan tingkat keyakinan rendah belum terbukti secara statistik, dan hasil apa pun bukan jaminan imbal hasil.
Jelajahi paper tradingOtorisasikan trading live secara terpisah
Membuka ruang kerja, mengimpor kode, atau memulai backtest tidak mengotorisasi pesanan dengan uang sungguhan. Eksekusi live memerlukan persetujuan Anda dan akun terhubung yang didukung.
Jelajahi perdagangan live