Backtesting Trading กลยุทธ์ รูปแบบไฟล์ Pdf

Backtesting: การตีความย้อนหลังการทำ Backtesting เป็นองค์ประกอบสำคัญของการพัฒนาระบบการค้าที่มีประสิทธิภาพ สามารถทำได้โดยการสร้างใหม่โดยใช้ข้อมูลทางประวัติศาสตร์การค้าที่เกิดขึ้นในอดีตโดยใช้กฎที่กำหนดโดยกลยุทธ์ที่กำหนด ผลเสนอสถิติที่สามารถใช้ในการวัดประสิทธิภาพของกลยุทธ์ การใช้ข้อมูลนี้ผู้ค้าสามารถเพิ่มประสิทธิภาพและปรับปรุงกลยุทธ์หาข้อบกพร่องด้านเทคนิคหรือทฤษฎีและได้รับความมั่นใจในกลยุทธ์ของตนก่อนนำไปใช้กับตลาดจริง ทฤษฎีพื้นฐานคือกลยุทธ์ใด ๆ ที่ทำงานได้ดีในอดีตมีแนวโน้มที่จะทำงานได้ดีในอนาคตและตรงกันข้ามกลยุทธ์ใด ๆ ที่มีประสิทธิภาพต่ำในอดีตน่าจะมีผลในทางที่ไม่ดีในอนาคต บทความนี้จะกล่าวถึงสิ่งที่แอ็พพลิเคชันใช้เพื่อทำ backtest ชนิดของข้อมูลที่ได้มาและวิธีการนำไปใช้ข้อมูลและเครื่องมือ Backtesting สามารถให้ข้อเสนอแนะทางสถิติที่มีคุณค่ามากมายเกี่ยวกับระบบที่กำหนดได้ สถิติย้อนหลังแบบทั่วไปบางอย่าง ได้แก่ : กำไรสุทธิหรือขาดทุน - กำไรหรือขาดทุนสุทธิเพิ่มขึ้น กรอบเวลา - วันที่ผ่านมาซึ่งเกิดการทดสอบ จักรวาล - คลังที่รวมอยู่ในการทดสอบหลังการขาย มาตรการความผันผวน - เปอร์เซ็นต์ upside และ downside สูงสุด ค่าเฉลี่ย - เปอร์เซ็นต์เฉลี่ยที่ได้รับและการสูญเสียเฉลี่ยเฉลี่ยที่จัดขึ้น การได้รับสาร - เปอร์เซ็นต์ของเงินลงทุนที่ลงทุน (หรือถูกนำออกสู่ตลาด) อัตราส่วน - อัตราส่วนการชนะในการขาดทุน ผลตอบแทนต่อปี - ผลตอบแทนร้อยละต่อปี ผลตอบแทนที่ปรับเปลี่ยนตามความเสี่ยง - อัตราผลตอบแทนเป็นเปอร์เซ็นต์ตามความเสี่ยง โดยปกติซอฟต์แวร์ backtesting จะมีหน้าจอสองหน้าจอที่มีความสำคัญ ข้อแรกช่วยให้พ่อค้าสามารถกำหนดการตั้งค่า backtesting ได้ การปรับแต่งเหล่านี้ประกอบด้วยทุกอย่างตั้งแต่ช่วงเวลาจนถึงค่าคอมมิชชั่น นี่คือตัวอย่างของหน้าจอดังกล่าวใน AmiBroker: หน้าจอที่สองคือรายงานผลการทำ backtesting ที่เกิดขึ้นจริง นี่คือที่ที่คุณสามารถดูข้อมูลทั้งหมดที่กล่าวมาข้างต้นได้ นี่คือตัวอย่างของหน้าจอนี้ใน AmiBroker: โดยทั่วไปซอฟต์แวร์ซื้อขายส่วนใหญ่มีองค์ประกอบที่คล้ายคลึงกัน บางโปรแกรมระดับไฮเอนด์ยังมีฟังก์ชันเพิ่มเติมในการปรับขนาดตำแหน่งอัตโนมัติการเพิ่มประสิทธิภาพและคุณลักษณะขั้นสูงอื่น ๆ อีกด้วย 10 บัญญัติมีหลายปัจจัยที่ผู้ค้าต้องใส่ใจกับกลยุทธ์การซื้อขายย้อนหลัง นี่คือรายการ 10 สิ่งที่สำคัญที่สุดที่ควรจดจำขณะที่ทำย้อนหลังการทดสอบ: คำนึงถึงแนวโน้มตลาดในระยะเวลาที่กำหนดกลยุทธ์ที่กำหนดไว้ ตัวอย่างเช่นถ้ากลยุทธ์มีการตรวจสอบย้อนหลังเฉพาะช่วงปี 2542-2543 แต่อาจไม่ดีเท่าที่ควรในตลาดหมี บ่อยครั้งที่ควรทำ backtest ในกรอบเวลาที่ยาวนานซึ่งครอบคลุมเงื่อนไขตลาดหลายประเภท คำนึงถึงจักรวาลที่เกิดขึ้นในการทำ backtesting ตัวอย่างเช่นหากมีการทดสอบระบบตลาดแบบกว้าง ๆ กับจักรวาลซึ่งประกอบด้วยหุ้นเทคโนโลยีอาจทำให้ไม่ดีขึ้นในหลายภาคส่วน ตามกฎทั่วไปหากกลยุทธ์มีการกำหนดเป้าหมายไปยังประเภทเฉพาะของหุ้น จำกัด จักรวาลประเภท แต่ในกรณีอื่น ๆ ทั้งหมดรักษาจักรวาลขนาดใหญ่เพื่อการทดสอบ มาตรการความผันผวนเป็นสิ่งสำคัญอย่างยิ่งที่จะต้องพิจารณาในการพัฒนาระบบการซื้อขาย โดยเฉพาะอย่างยิ่งสำหรับบัญชีที่ใช้ประโยชน์ซึ่งอยู่ภายใต้การเรียกหลักประกันหากส่วนของผู้ถือหุ้นลดลงต่ำกว่าจุดหนึ่ง ผู้ค้าควรพยายามทำให้ความผันผวนต่ำเพื่อลดความเสี่ยงและช่วยให้สามารถเข้าและออกได้ง่ายขึ้น จำนวนบาร์โดยเฉลี่ยที่จัดขึ้นเป็นสิ่งที่สำคัญมากในการเฝ้าดูเมื่อมีการพัฒนาระบบการซื้อขาย แม้ว่าซอฟต์แวร์การทำ backtesting ส่วนใหญ่จะมีค่าคอมมิชชั่นในการคำนวณขั้นสุดท้ายไม่ได้หมายความว่าคุณควรละเลยสถิตินี้ ถ้าเป็นไปได้การเพิ่มจำนวนบาร์โดยเฉลี่ยที่จัดขึ้นสามารถลดค่าคอมมิชชั่นและปรับปรุงผลตอบแทนโดยรวมของคุณได้ การเปิดรับแสงเป็นดาบสองคม ความเสี่ยงที่เพิ่มขึ้นอาจนำไปสู่ผลกำไรที่สูงขึ้นหรือความสูญเสียที่สูงขึ้นในขณะที่ความเสี่ยงที่ลดลงหมายถึงกำไรที่ลดลงหรือความสูญเสียที่ลดลง อย่างไรก็ตามโดยทั่วไปแล้วควรเก็บความเสี่ยงไว้ต่ำกว่า 70 เพื่อลดความเสี่ยงและทำให้สามารถเข้าและออกจากสต็อกได้ง่ายขึ้น สถิติ gainloss เฉลี่ยบวกกับอัตราส่วนที่ชนะต่อขาดทุนจะเป็นประโยชน์ในการกำหนดตำแหน่งและการจัดการเงินที่ดีที่สุดโดยใช้เทคนิคเช่น Kelly Criterion (ดูการบริหารเงินโดยใช้เกณฑ์ Kelly) ผู้ค้าสามารถทำตำแหน่งที่มีขนาดใหญ่ขึ้นและลดค่าใช้จ่ายด้านค่าคอมมิชชั่นโดยการเพิ่มผลกำไรโดยเฉลี่ยและเพิ่มอัตราส่วนการชนะต่อขาดทุน ผลตอบแทนเป็นรายปีเป็นสิ่งสำคัญเพราะถูกใช้เป็นเครื่องมือในการเปรียบเทียบประสิทธิภาพของระบบกับสถานที่การลงทุนอื่น ๆ เป็นสิ่งสำคัญไม่เพียง แต่จะดูที่ผลตอบแทนต่อปีโดยรวม แต่ยังคำนึงถึงความเสี่ยงที่เพิ่มขึ้นหรือลดลง ซึ่งสามารถทำได้โดยดูจากผลตอบแทนที่ได้รับการปรับความเสี่ยงซึ่งเป็นปัจจัยเสี่ยงต่างๆ ก่อนที่ระบบการซื้อขายจะถูกนำมาใช้จะต้องมีประสิทธิภาพดีกว่าสถานที่ลงทุนอื่น ๆ ทั้งหมดที่มีความเสี่ยงเท่ากับหรือน้อยกว่า การปรับแต่งการทำ backtesting เป็นเรื่องสำคัญมาก แอ็พพลิเคชัน backtesting จำนวนมากมีการป้อนข้อมูลสำหรับจำนวนเงินที่ได้รับค่าคอมมิชชั่นจำนวนล็อต (หรือเศษส่วน) ขนาดล็ใหญ่ขนาดขีดความต้องการของอัตราดอกเบี้ยอัตราดอกเบี้ยสมมติฐานการลื่นไถลกฎการจัดตำแหน่งตำแหน่งกฎการออกจากแถบเดียวกันการตั้งค่าการหยุดชะงัก (ต่อท้าย) และอื่น ๆ อีกมากมาย ได้ผลการทำ backtesting ที่ถูกต้องที่สุด i t เป็นสิ่งสำคัญในการปรับแต่งการตั้งค่าเหล่านี้เพื่อเลียนแบบโบรกเกอร์ที่จะใช้เมื่อระบบทำงานได้ การทำ Backtesting บางครั้งอาจนำไปสู่สิ่งที่เรียกว่าการเพิ่มประสิทธิภาพมากเกินไป นี่เป็นเงื่อนไขที่ผลการดำเนินงานได้รับการปรับให้เข้ากับอดีตมากจนไม่เป็นที่คาดหมายในอนาคตอีกต่อไป โดยทั่วไปแล้วควรใช้หลักเกณฑ์ที่ใช้กับหุ้นทั้งหมดหรือเลือกกลุ่มเป้าหมายที่เลือกและไม่ได้รับการปรับให้เหมาะกับขอบเขตที่ผู้สร้างไม่สามารถเข้าใจได้อีกต่อไป Backtesting ไม่ใช่วิธีที่ถูกต้องที่สุดในการวัดประสิทธิภาพของระบบการซื้อขายที่กำหนด บางครั้งยุทธศาสตร์ที่ทำงานได้ดีในอดีตไม่สามารถทำได้ดีในปัจจุบัน ผลการดำเนินงานที่ผ่านมาไม่ได้บ่งบอกถึงผลการดำเนินงานในอนาคต ตรวจสอบให้แน่ใจว่าได้ทำการค้ากระดาษเป็นระบบที่ได้รับการตรวจสอบย้อนกลับสำเร็จแล้วก่อนที่จะมีการดำเนินชีวิตเพื่อให้มั่นใจว่ากลยุทธ์ยังคงใช้ในทางปฏิบัติ บทสรุปการทำ Backtesting เป็นส่วนสำคัญที่สุดในการพัฒนาระบบการซื้อขาย หากสร้างและตีความอย่างถูกต้องจะช่วยให้ผู้ค้าสามารถเพิ่มประสิทธิภาพและปรับปรุงกลยุทธ์หาข้อบกพร่องด้านเทคนิคหรือทฤษฎีรวมทั้งได้รับความเชื่อมั่นในกลยุทธ์ของตนก่อนนำไปใช้กับตลาดโลกแห่งความจริง การพัฒนาระบบการค้าระดับ high-end AmiBroker (amibroker) - การพัฒนาระบบการค้าการลงทุนด้านงบประมาณ ทฤษฎีเศรษฐศาสตร์ของการใช้จ่ายทั้งหมดในระบบเศรษฐกิจและผลกระทบต่อผลผลิตและอัตราเงินเฟ้อ เศรษฐศาสตร์ของเคนส์ได้รับการพัฒนา การถือครองสินทรัพย์ในพอร์ตลงทุน การลงทุนในพอร์ทจะทำโดยคาดหวังว่าจะได้รับผลตอบแทนจากการลงทุน นี้. อัตราส่วนที่พัฒนาขึ้นโดย Jack Treynor ว่ามาตรการผลตอบแทนที่ได้รับเกินกว่าที่อาจได้รับในความเสี่ยง การซื้อหุ้นคืน (Repurchase) ของ บริษัท เพื่อลดจำนวนหุ้นในตลาด บริษัท การคืนเงินภาษีคือการคืนเงินภาษีที่จ่ายให้กับบุคคลหรือครัวเรือนเมื่อหนี้สินภาษีที่เกิดขึ้นจริงน้อยกว่าจำนวนเงิน มูลค่าทางการเงินของสินค้าสำเร็จรูปและบริการที่ผลิตภายในพรมแดนของประเทศในระยะเวลาที่กำหนดผู้บุกเบิกธุรกิจซื้อขายวันพรุ่งนี้ทำงานอย่างไรสร้างอัลกอริทึมในเบราว์เซอร์ IDE โดยใช้กลยุทธ์เทมเพลตและการออกแบบข้อมูลฟรีและทดสอบกลยุทธ์ของคุณเกี่ยวกับฟรีของเรา ข้อมูลและเมื่อคุณพร้อมที่จะใช้งานกับนายหน้าซื้อขายหลักทรัพย์ของคุณ รหัสในภาษาการเขียนโปรแกรมหลายภาษาและใช้กลุ่มเซิร์ฟเวอร์นับร้อย ๆ เครื่องของเราเพื่อวิเคราะห์ผลการทดสอบของคุณเพื่อวิเคราะห์กลยุทธ์ของคุณใน Equities, FX, CFD, Options หรือ Futures Markets QuantConnect คือการปฏิวัติครั้งต่อไปในการซื้อขายแบบคลาวด์โดยรวมการประมวลผลแบบคลาวด์และการเข้าถึงข้อมูลแบบเปิด ความเร็วที่ไม่เหมือนใครใช้ประโยชน์จากเซิร์ฟเวอร์ของเราสำหรับความเร็วของสถาบันจากคอมพิวเตอร์เดสก์ท็อปของคุณ คุณสามารถย้ำถึงความคิดของคุณได้เร็วกว่าที่คุณเคยทำมาก่อน Massive Data Library เราให้บริการห้องสมุดข้อมูลความละเอียด 400TB ฟรีที่ครอบคลุมหุ้นสหรัฐฟิวเจอร์ฟิวเจอร์ปัจจัยพื้นฐาน CFD และ Forex ตั้งแต่ปีพ. ศ. 2541 การดำเนินการระดับโลกอัลกอริธึมการซื้อขายหลักทรัพย์แบบสดของเราจะอยู่ร่วมกับเซิร์ฟเวอร์ตลาดใน Equinix (NY7) สำหรับการดำเนินการที่รวดเร็วปลอดภัยและลดน้ำหนักให้กับตลาด เริ่มต้นใช้งานอัลกอริธึมของคุณ Professional Quality เปิดไลบรารีข้อมูลเปิดกลยุทธ์การออกแบบด้วยไลบรารีข้อมูลที่ได้รับการจัดระเบียบอย่างรอบคอบครอบคลุมตลาดโลกตั้งแต่ติ๊กจนถึงความละเอียดประจำวัน ข้อมูลได้รับการอัปเดตเกือบทุกวันเพื่อให้คุณสามารถทำข้อมูลย้อนหลังได้จากข้อมูลล่าสุดที่เป็นไปได้และมีความลำเอียงในการรอดชีวิตฟรี เรามีข้อมูลการติ๊กของ Equities ย้อนหลังไปถึงเดือนมกราคมปี 2541 สำหรับสัญลักษณ์ที่ซื้อขายกันทุกรูปแบบรวมทั้งสิ้นกว่า 29,000 หุ้น ราคาถูกจัดโดย QuantQuote นอกจากนี้เรายังมีข้อมูลพื้นฐาน Morning Star สำหรับสัญลักษณ์ยอดนิยม 8,000 สัญลักษณ์สำหรับตัวชี้วัด 900 ตัวนับตั้งแต่ปี พ. ศ. 2541 เป็นต้นมา FOREX amp CFD เรามีคู่สกุลเงิน 100 คู่และสัญญา CFD จำนวน 70 คู่ครอบคลุมทุกเศรษฐกิจที่สำคัญของ FXCM และ OANDA ข้อมูลเริ่มต้นตั้งแต่เดือนเมษายน 2550 และมีการอัพเดททุกวัน เรามีการซื้อขายสัญญาซื้อขายล่วงหน้าล่วงหน้าตั้งแต่เดือนมกราคม 2552 ถึงปัจจุบันสำหรับทุกสัญญาที่ซื้อขายใน CME, COMEX และ GLOBEX ข้อมูลได้รับการอัปเดตทุกสัปดาห์และมีให้โดย AlgoSeek เรานำเสนอการซื้อขายตัวเลือกและคำพูดลงไปที่ความละเอียดนาทีสำหรับตัวเลือกทุกซื้อขายใน ORPA ตั้งแต่ปี 2007 ครอบคลุมล้านสัญญา ข้อมูลมีการปรับปรุงภายใน 48 ชั่วโมงและมีให้โดย AlgoSeek การทำงานร่วมกันของทีมค้นหาเพื่อนใหม่ ๆ ในชุมชนและทำงานร่วมกันพร้อมกับคุณลักษณะการเขียนโค้ดของทีมแบ่งปันโครงการและดูรหัสของตนเองได้ทันทีที่พิมพ์ คุณสามารถให้สิทธิ์การเข้าถึงแบบสดและควบคุมอัลกอริทึมแบบสดพร้อมกันได้ ใช้การส่งข้อความโต้ตอบแบบทันทีภายในของเราเพื่อค้นหาสมาชิกในทีมที่จะมาร่วมสมทบกองกำลัง Secure Intellectual Property จุดเด่นของเราคือการจัดหาแพลตฟอร์มการซื้อขายอัลกอริทึมที่ดีที่สุดเท่าที่จะเป็นไปได้และปกป้องทรัพย์สินทางปัญญาอันมีค่าของคุณ เราจะเป็นผู้ให้บริการโครงสร้างพื้นฐานและเทคโนโลยีเสมอมาก่อน เมื่อ youre พร้อมสำหรับการซื้อขายสดดีมีความสุขช่วยให้คุณดำเนินการผ่านโบรกเกอร์ของคุณเลือก ดำเนินการผ่าน บริษัท นายหน้าชั้นนำที่รวมกับโบรกเกอร์ชั้นนำของโลกเพื่อให้การดำเนินการที่ดีที่สุดและค่าบริการต่ำสุดแก่ชุมชน กลยุทธ์การขับเคลื่อนด้วยกิจกรรมการออกแบบอัลกอริทึมจะง่ายกว่า มีเพียงสองหน้าที่ที่จำเป็นเท่านั้นและเราดูแลทุกสิ่งทุกอย่างคุณเพิ่งเริ่มต้นใช้งาน () กลยุทธ์ของคุณและจัดการกับข้อมูลที่คุณต้องการ คุณสามารถสร้างตัวบ่งชี้ชั้นเรียนโฟลเดอร์และไฟล์ใหม่ ๆ ได้โดยใช้คอมไพเลอร์ C เต็มตามเว็บและกรอกข้อมูลอัตโนมัติ เรามุ่งมั่นที่จะมอบประสบการณ์การออกแบบขั้นตอนวิธีที่ดีที่สุดแก่คุณ ใช้ประโยชน์จากศักยภาพของคุณการเลือกใช้ผู้ใช้สามารถนำเสนอกลยุทธ์ของพวกเขาแก่ลูกค้า hedgefund ในหน้าแดชบอร์ดกลยุทธ์ระดับมืออาชีพโปร่งใส กลยุทธ์จะได้รับการตรวจสอบโดย QuantConnects backtesting และการซื้อขายแบบสดๆทำให้คุณได้รับการตรวจสอบรหัสของบุคคลที่สามเป็นกลาง hedgefunds ที่สนใจสามารถติดต่อคุณโดยตรงผ่าน QuantConnect เพื่อเสนอการจ้างงานหรือการระดมทุนสำหรับกลยุทธ์ของคุณเข้าร่วมชุมชนของเราเรามีชุมชนการค้าเชิงปริมาณที่ใหญ่ที่สุดแห่งหนึ่งในโลกการสร้างแบ่งปันและอภิปรายกลยุทธ์ต่างๆผ่านทางชุมชนของเรา สนทนากับจิตใจที่ฉลาดที่สุดในโลกในขณะที่เราสำรวจอาณาจักรใหม่ด้านวิทยาศาสตร์คณิตศาสตร์และการเงิน Strategy backtesting backtesting กลยุทธ์เป็นเครื่องมือสำคัญในการดูว่ากลยุทธ์ของคุณทำงานได้หรือไม่ ซอฟต์แวร์การทำ backtesting จำลองกลยุทธ์ของคุณเกี่ยวกับข้อมูลที่ผ่านมาและให้รายงาน backtesting ซึ่งช่วยให้คุณสามารถวิเคราะห์ระบบการซื้อขายได้อย่างถูกต้อง รุ่น 64 บิตช่วยให้คุณสามารถโหลดข้อมูลได้มากเท่าที่ต้องการสำหรับการทำ backtesting ที่แม่นยำที่สุด สำหรับข้อมูลทางเทคนิคเกี่ยวกับคุณลักษณะนี้ให้ดูที่หน้าวิกิพีเดียที่เกี่ยวข้อง ความถูกต้องเป็นกุญแจสำคัญ MultiCharts เป็นโซลูชันที่สร้างขึ้นเฉพาะสำหรับการพัฒนากลยุทธ์และการทำ backtesting ปรัชญาของเราคือการทำ backtesting ของกลยุทธ์ควรเป็นไปตามความเป็นจริงตามที่เทคโนโลยีสมัยใหม่ได้รับ Multicharts 64-bit ทำให้สามารถจัดการกับข้อมูล Tick-by-Tick จำนวนมากเพื่อการทำ backtesting ได้อย่างแม่นยำ การทำ backtesting ที่สมจริงแม้ว่าจะไม่มีข้อสรุปใด ๆ ที่สมบูรณ์แบบ 100 ก็ตาม แต่เราได้ทำทุกอย่างเพื่อสร้างเงื่อนไขทางการตลาดที่ผ่านมาและสร้างคำสั่งซื้อขายกลยุทธ์อย่างถูกต้อง เครื่องมือ backtesting ทั่วไปมีข้อสันนิษฐานและทางลัดซึ่งมีผลในการทดสอบที่ไม่สมจริงและผลลัพธ์ที่ไม่น่าเชื่อถือ MultiCharts เป็นแพลตฟอร์มการซื้อขายระดับสถาบันซึ่งช่วยลดสมมติฐานและพิจารณาปัจจัยต่างๆมากมาย เทคโนโลยีขั้นสูงการทดสอบ backtesting มักต้องการข้อมูลจำนวนมากและซอฟต์แวร์ที่สามารถประมวลผลได้ Multi-threading ใช้เมื่อคุณประมวลผล Strategy Optimization ใน MultiCharts จะกระจายงานหลายงานไปเป็นแกนที่แตกต่างกันเพื่อให้ทำงานได้เร็วขึ้นมาก MultiCharts รุ่น 64 บิตช่วยให้คุณสามารถโหลดข้อมูลปีและปีที่ผ่านมาของข้อมูลการติเตียนเพื่อการเคลื่อนไหวราคาได้อย่างละเอียด ง่ายต่อการอ่านคุณสามารถเปลี่ยนวิธีการที่สัญญาณของคุณปรากฏบน chartin ของคุณเพียงไม่กี่คลิก ใบสั่งที่ออกสามารถเชื่อมต่อด้วยบรรทัดที่สามารถมองเห็นได้ทุกบรรทัดคำสั่งซื้อที่เกี่ยวข้องบรรทัดจะเป็นสีเขียวหากการค้าเป็นผลกำไรสีแดงถ้าไม่ หากคุณไม่ชอบสีเหล่านั้นหรือด้านภาพอื่น ๆ คุณสามารถเปลี่ยนได้อย่างง่ายดาย เลือกสกุลเงินของคุณสำหรับ backtesting สกุลเงินหลักช่วยคำนวณผลกำไรและขาดทุนในระหว่างการทำ backtesting กลยุทธ์กับสกุลเงินที่ระบุสำหรับคู่ Forex หรือสัญลักษณ์ที่ไม่ใช่ของสหรัฐฯ หากคุณทำกลยุทธ์กลับด้านบนสัญลักษณ์ที่ใช้สกุลเงินอื่นนอกเหนือจากบัญชีโบรกเกอร์ของคุณคุณอาจต้องการใช้การแปลงสกุลเงิน เพื่อให้ผลลัพธ์ใกล้เคียงกับความสมบูรณ์แบบที่สุดเท่าที่จะเป็นไปได้เราใช้อัตราสกุลเงินที่แท้จริงสำหรับแต่ละวัน การแปลงสกุลเงินทั้งหมดเกิดขึ้นเบื้องหลังเพื่อทำให้การซื้อขายของคุณง่ายขึ้น เราใช้เซิร์ฟเวอร์ของเราเพื่อขอข้อมูลในพื้นหลังและดำเนินการคำนวณที่จำเป็น ปัจจัยสำคัญทั้งหมดที่มีอยู่ในซอฟต์แวร์ backtesting ของเราจะพิจารณาถึงปัจจัยสำคัญต่างๆต่อไปนี้: สภาพคล่องการเปลี่ยนแปลงราคาตลาดโดยการติ๊กราคาขายความแตกต่างของราคาตลาดค่าคอมมิชชั่นการลดลงของเงินทุนเริ่มแรกอัตราดอกเบี้ยและขนาดการค้า การคำนึงถึงสภาพคล่องเมื่อเครื่องยนต์ MultiCharts ทำหน้าที่กลยุทธ์จะรับรู้ว่าคำสั่งซื้อไม่ จำกัด ทั้งหมดจะเต็มไปเนื่องจากขาดสภาพคล่อง ด้วยเหตุนี้คุณจึงมีสิทธิ์เลือกคำสั่งซื้อเมื่อเป้าหมายราคาถูกตีหรือเมื่อเกินจำนวนจุด (จุด) ข้อมูลเพิ่มเติมอยู่ที่หน้า Wiki ของเรา ถามราคาและราคาการค้าการทำ Backtesting คำนึงถึงการซื้อที่แท้จริงเกิดขึ้นเมื่อราคาเสนอขายจริงในราคาเสนอซื้อ ทำให้การจำลองแบบ backtesting ของเราเป็นไปได้อย่างสมจริงที่สุด Backtesting กลยุทธ์ที่แม่นยำสามารถให้ผู้ใช้จำลองเหมือนจริงมากขึ้น ในการทำวิจัยแบบย้อนหลังด้วยกลยุทธ์ความถี่สูงเช่นการเก็งกำไรเชิงสถิติผู้ใช้อาจต้องพิจารณาข้อมูลการเสนอราคาในอดีตนอกเหนือจากข้อมูลการค้าในอดีต Tick-by-tick Bar Magnifier เป็นสิ่งจำเป็นสำหรับการเพิ่มความแม่นยำระหว่างการทำ backtesting MultiCharts สามารถสร้างแท่งที่มีขนาดใหญ่ขึ้นจากชิ้นส่วนที่มีขนาดเล็กลงได้ทั้งแถบที่สองและนาทีจากแท่งกราฟแท่งและแท่งทุกวัน คุณสามารถสร้างการเคลื่อนไหวของราคาได้อย่างแม่นยำภายในแต่ละแถบโดยใช้ Bar Magnifier ตัวอย่างเช่น Bar Magnifier สามารถมองไม่เห็นให้โหลดนาทีที่สร้างขึ้นมาในชั่วโมงและกลยุทธ์จะได้รับการตรวจสอบย้อนหลังเป็นรายนาที เรียนรู้ข้อมูลทางเทคนิคเพิ่มเติมที่นี่ กลยุทธ์สำหรับการปฏิบัติในทันทีเครื่องมือ MultiCharts backtesting จะจำลองการทำธุรกรรมของตลาดหยุดคำสั่งหยุด จำกัด และยกเลิกอีกหนึ่งใบ (OCO) เป้าหมายกำไร, หยุดการขาดทุนและการหยุดชะงักต่อเนื่องเป็นคุณสมบัติ backtesting มาตรฐาน นอกจากนี้ MultiCharts ยังมีกลยุทธ์การใช้งาน EasyLanguage กว่า 80 แบบเพื่อให้คุณสามารถฝึกการทดสอบย้อนหลังได้อย่างถูกต้องผู้ค้าที่ประสบความสำเร็จหลายรายร่วมแบ่งปันนิสัยเดียวกับพวกเขา Backtesting กลยุทธ์การค้าของคุณจะไม่เพียงอย่างเดียวรับประกันได้ว่าคุณจะกลายเป็นผลกำไร แต่มันเป็นขั้นตอนยักษ์ในทิศทางที่ถูกต้อง ในบทความนี้เราจะตรวจสอบอคติบางประการที่อาจเกิดขึ้นในการทำ backtesting ของคุณและเราจะดูวิธีลดผลกระทบของอคติเหล่านี้ มีปัญหามากมายที่อาจเกิดขึ้นเมื่อคุณทำข้อมูลย้อนหลังระบบการซื้อขายของคุณ แต่ปัญหาส่วนใหญ่ตกอยู่ในหนึ่งในสามประเภทคือข้อผิดพลาด postdictive ตัวแปรมากเกินไปหรือไม่สามารถคาดการณ์การเปลี่ยนแปลงที่รุนแรงในตลาดได้ แต่ละข้อผิดพลาดเหล่านี้จะอธิบายพร้อมกับวิธีการหลีกเลี่ยงข้อผิดพลาด คลิกที่นี่เพื่อเรียนรู้วิธีการใช้วง Bollinger Bands ด้วยวิธีการเชิงปริมาณและมีโครงสร้างเพื่อเพิ่มขอบการซื้อขายของคุณและสร้างความได้เปรียบที่มากขึ้นด้วย Trading with Bollinger Bands 8211 A Quantified Guide 1. Postdictive Error ข้อผิดพลาด postdictive เป็นเพียงวิธีแฟนซีบอกว่าคุณได้ใช้ข้อมูลเฉพาะหลังจากที่ 8220a fact8221 เพื่อทดสอบระบบของคุณ เชื่อหรือไม่นี่เป็นข้อผิดพลาดที่พบบ่อยมากเมื่อทดสอบระบบการซื้อขาย ข้อผิดพลาดนี้ทำได้ง่าย ซอฟต์แวร์บางตัวจะช่วยให้คุณสามารถใช้ข้อมูล today8217 ในการทดสอบระบบการซื้อขายซึ่งเป็นข้อผิดพลาดที่เกิดขึ้นในภายหลังเสมอ (เราไม่ทราบว่าข้อมูล today8217s มีประโยชน์สำหรับการทำนายอนาคตหรือไม่ แต่แน่นอนว่าเราทราบดีว่าเป็นประโยชน์ในการคาดการณ์ในอดีตหรือไม่ ) Wouldn8217t คุณชอบที่จะสามารถใช้ราคาปิดของ GBPUSD เพื่อทำนายสิ่งที่ตลาดจะทำวันนี้แน่นอนคุณจะฉันมั่นเหมาะจะ แต่โชคร้ายข้อมูลนี้ไม่สามารถใช้ได้กับเราจนถึงวันที่ผ่านไป ตัวอย่างเช่นคุณอาจมีระบบที่รวมราคาปิดไว้นี้จะเห็นได้ชัดว่าการค้าไม่สามารถเริ่มต้นได้จนกว่าจะถึงวันสิ้นสุด มิฉะนั้นนี่เป็นข้อผิดพลาดที่เกิดขึ้นภายหลัง postdictive อีกตัวอย่างหนึ่งอาจช่วยอธิบายข้อผิดพลาด postdictive ถ้าคุณมีกฎในระบบการค้าของคุณเกี่ยวกับราคาสูงสุดแล้วคุณจะมีข้อผิดพลาด postdictive เนื่องจากราคาสูงสุดมักถูกกำหนดโดยข้อมูลที่มาภายหลังในอนาคต วิธีหลีกเลี่ยงข้อผิดพลาดที่เกิดขึ้นภายหลัง postdictive คือเพื่อให้แน่ใจว่าเมื่อคุณทำข้อมูลย้อนหลังระบบที่มีการใช้ข้อมูลเฉพาะที่มีอยู่ในอดีต ณ จุดนั้นเท่านั้นในการทำ backtesting ด้วยการทำ backtesting ด้วยตนเองหรือ backtesting กับ forex tester คุณสามารถทำได้ง่ายมาก แต่ด้วยการ backtesting อัตโนมัติข้อผิดพลาด postdictive สามารถแอบเข้าไปในระบบการค้าของคุณ 2. ตัวแปรมากเกินไปนี่เรียกว่า 8220Degrees of Freedom8221 bias นี่หมายความว่าคุณมีตัวแปรมากเกินไปหรือตัวชี้วัดการซื้อขายในระบบการซื้อขายของคุณ เป็นไปได้มากที่จะมีระบบการซื้อขายที่สามารถอธิบายถึงพฤติกรรมด้านราคาในอดีตของสกุลเงินคู่ได้ ในความเป็นจริงตัวบ่งชี้เพิ่มเติมที่คุณเพิ่มได้ง่ายขึ้นก็มักจะกลายเป็น ปัญหามาถึงเมื่อคุณต้องการใช้ระบบนี้กับอนาคต บ่อยครั้งที่ระบบการซื้อขายมีตัวบ่งชี้มากเกินไปสามารถคาดการณ์พฤติกรรมของตลาดได้ในช่วงเวลาที่ดีมาก แต่ทุกระบบที่ thats8217s เป็นสิ่งที่ดีเพราะในอนาคตระบบจะตกแยก คำแถลงข้างต้นมักเป็นเรื่องยากสำหรับผู้ค้าที่จะมาจับตามอง แต่ก็เป็นความจริง พิจารณาสิ่งที่ William Eckhardt ของ New Market Wizards ได้กล่าวเกี่ยวกับระบบการซื้อขายโดยทั่วไปการทดสอบที่ละเอียดอ่อนที่นักสถิติใช้เพื่อบีบความสำคัญออกจากข้อมูลร่อแร่มีสถานที่ในการซื้อขายไม่ เราจำเป็นต้องใช้เครื่องมือทางสถิติและเทคนิคที่มีประสิทธิภาพ เห็นได้ชัดว่าเขากำลังเตือนเกี่ยวกับองศาของข้อผิดพลาดในเสรีภาพและแนะนำว่าระบบการซื้อขายที่ง่ายมีแนวโน้มที่จะยืนการทดสอบของเวลา นี่เป็นความจริงอย่างแท้จริง ระบบการซื้อขายที่มีประสิทธิภาพที่สุดบางส่วนสามารถทำได้ง่ายมาก เก็บไว้ในใจขณะที่คุณค้าและในขณะที่คุณพยายามที่จะหาระบบการซื้อขายผลกำไร ผู้ค้าส่วนใหญ่จะพบว่าด้วยประสบการณ์ที่พวกเขามีแนวโน้มที่จะยอมรับมุมมองที่ว่าการซื้อขายที่เรียบง่ายเป็นที่ต้องการมากกว่าวิธีการที่ซับซ้อน 3. การเปลี่ยนแปลงที่รุนแรงในตลาดผู้ค้าหลายรายลืมคาดการณ์เหตุการณ์ที่คาดไม่ถึงซึ่งจะเกิดขึ้นในอนาคต ไม่ได้หมายความว่าคุณ don8217t รู้ว่าสิ่งที่กำลังจะเกิดขึ้นในอนาคต 8211 เพราะคุณรู้เรื่องนี้: จะเกิดขึ้นในอนาคตเมื่อตลาดมีพฤติกรรมผิดพลาด เมื่อเกิดเหตุการณ์เช่นนี้คุณควรจะได้ออกแบบระบบการซื้อขายให้คงอยู่ในช่วงเวลาดังกล่าว บางทีบางตัวอย่างอาจช่วยแก้ปัญหานี้ได้: เมื่อ Saddam Hussein ถูกค้นพบ (ในช่วงวันหยุดสุดสัปดาห์) ตลาดสกุลเงินเริ่มตอบสนองอย่างมากเมื่อเปิดทำการในวันจันทร์ เมื่อวิกฤติการเงินโลกเริ่มคลี่คลายลงในเดือนกันยายน 2551 คู่สกุลเงินส่วนใหญ่มีการซื้อขายที่มีความผันผวนมากขึ้นกว่าปีที่ผ่านมา ความจริงก็คือจะมีเหตุการณ์ที่ไม่คาดฝันในอนาคตและเหตุการณ์เหล่านี้จะส่งผลกระทบต่อตลาดดังนั้นสิ่งที่ดีที่สุดที่คุณควรทำคือการเตรียมพร้อม คุณจะเตรียมพร้อมสำหรับสิ่งที่ไม่คาดคิดได้อย่างไรพิจารณาคำตอบง่ายๆเหล่านี้: 1) ทำให้เกินความคาดหมายของคุณ หากผลการทดสอบย้อนหลังของคุณแสดงผลขาดทุนสูงสุด 5000 ให้ถือว่าการสูญเสียสูงสุด 10,000 ครั้ง ระบบการค้าของคุณจะยังคงเป็นผลกำไรภายใต้เงื่อนไขเหล่านี้ 2) ตัดสินใจเกี่ยวกับระดับความเสี่ยงที่เหมาะสมสำหรับการค้าแต่ละประเภท โปรดจำไว้ว่าแม้ระดับความเสี่ยงนี้จะเกิน หากคุณตัดสินใจที่จะเสี่ยงต่อการค้า 1 ครั้งคุณควรสมมติว่าในอนาคตคุณอาจอยู่ในภาวะการค้าและเหตุการณ์ที่ไม่คาดคิดจะเกิดขึ้นและการค้าของคุณจะไม่สูญเสียไป 1 แต่แทนที่จะสูญหายไป 5 3) คุณควรจะมีแผนฉุกเฉินขึ้นมา นั่นคือคุณจะออกจากการค้าได้อย่างไรหากมีบางสิ่งที่ไม่ดีเกิดขึ้นและคุณไม่สามารถเข้าถึงบัญชีของคุณได้ตัวอย่างเช่นจะเกิดอะไรขึ้นถ้าระบบการซื้อขายของคุณไม่สามารถเข้าถึงได้และคุณต้องการออกจากการซื้อขายหลักทรัพย์ส่วนใหญ่จะเสนอสายโทรศัพท์ให้กับพ่อค้าในกรณีเหล่านี้ คุณมีหมายเลขโทรศัพท์หรือไม่ 4) คุณมีชุดระดับความเสี่ยงสูงสุดนี้จะใช้ได้หรือไม่ถ้าคุณเปิดธุรกิจหลายอย่างพร้อมกัน หากคุณตัดสินใจที่จะเสี่ยงต่อการค้า 1 ครั้งและคุณมี 7 ธุรกิจการค้าที่เปิดพร้อมกันหมายความว่าคุณจะเสี่ยงกับบัญชีของคุณ 7 หรือคุณตัดสินใจที่ระดับความเสี่ยงสูงสุดที่จะกล่าวว่า 3 โปรดจำไว้ว่าสิ่งที่ไม่คาดคิดจะเกิดขึ้น, คุณอาจจะมีระดับความเสี่ยงสูงสุดสำหรับช่วงเวลาเหล่านั้นเมื่อคุณมีธุรกิจการค้าแบบเปิดมากมาย 5) การเบิกจ่ายสูงสุดคืออะไร (จำนวนเงินที่ระบบการซื้อขายของคุณสูญเสียไปในช่วงเวลาที่ยืดออก) คุณยินดีที่จะยอมรับการเก็บรักษาไว้เสมอว่าคุณ (และคุณไม่ได้เป็นคนเดียว) มีแนวโน้มที่จะประเมินค่าความรุนแรงของการเบิกจ่ายเกินกว่าที่คุณ สามารถทนต่อความเป็นจริงได้ ถ้าคุณสูญเสียบัญชีของคุณ 30 คุณจะหยุดการซื้อขายถ้าคุณสูญเสีย 50 หรือถ้าคุณเห็น 70 บัญชีของคุณหายไปอีกครั้งวิธีที่ดีที่สุดในการวางแผนสำหรับการเบิกเงินกู้คือการทำ backtesting อันกว้างขวางเพื่อดูว่าการเบิกทางประวัติศาสตร์ของการซื้อขายของคุณเป็นอย่างไร ประสบการณ์ของระบบแล้ววางแผนที่จะแย่ลงแม้ในอนาคต การคาดการณ์การเปลี่ยนแปลงที่รุนแรงในตลาดเป็นวิธีเดียวที่ดีที่สุดในการรักษาความเท่าเทียมในบัญชีของคุณ ดังนั้นคุณรู้หรือไม่ว่าผู้ค้าที่ประสบความสำเร็จมีพฤติกรรมแบบนี้ 8211 ที่ทำตามกลยุทธ์การซื้อขายของพวกเขา คุณรู้ไหมว่า backtesting แยกผู้ค้าที่มั่งคั่งออกจากผู้ที่เสียเงิน นอกจากนี้คุณยังทราบหลายวิธีในการผสมผสาน backtesting เข้ากับระบบการค้าของคุณ คุณรู้ถึงข้อผิดพลาด 8211 ว่าควรระวัง 8211 เมื่อคุณทำ backtesting เพื่อที่คุณจะได้รับประโยชน์สูงสุดจากกระบวนการนี้ แต่สิ่งที่แน่นอนคุณจะได้รับจาก backtesting ระบบการค้าของคุณในบทความต่อไปฉันจะสำรวจผลข้างเคียงของ backtesting Walter Peters, PhD เป็นผู้ประกอบวิชาชีพ forex มืออาชีพและผู้จัดการกองทุนสำหรับ forex fund นอกจากนี้วอลเตอร์ยังเป็นผู้ร่วมก่อตั้ง Fxjake ด้วย แหล่งข้อมูลสำหรับผู้ค้า forex วอลเตอร์ชอบที่จะได้ยินจากผู้ค้ารายอื่น ๆ เขาสามารถติดต่อได้ทางอีเมลที่ walterfxjake การดำเนินการอย่างมีประสิทธิภาพของการทำ Backtesting ของกลยุทธ์การซื้อขาย Clark, D. E. (เอ็ด): อัลกอริธึมวิวัฒนาการในการออกแบบโมเลกุล Wiley-VCH, Weinheim (2000) Metcalfe, T. S. Charbonneau, P. การสร้างแบบจำลองโครงสร้างดาวฤกษ์โดยใช้อัลกอริธึมพันธุกรรมแบบคู่ขนานในการเพิ่มประสิทธิภาพของโลกเป้าหมาย วารสารฟิสิกส์คำนวณ 185 (1), 176193 (2003) MATH CrossRef Nowostawski, M. Poli, R. อนุกรมวิธานอัลกอริทึมแบบขนาน ใน: Proc ของ 3rd Int การประชุมวิชาการระบบข้อมูลสารสนเทศอัจฉริยะที่มีความรู้ (KES 1999), แอดิเลด, ออสเตรเลีย (1999) Stender, J. อัลกอริทึมเชิงขนานคู่ขนาน: แอพพลิเคชั่นแอพพลิเคชันแอพพลิเคชัน IOS Press, Amsterdam (1993) MATH เกี่ยวกับบทนี้ Title การดำเนินการตามกลยุทธ์การซื้อขายหลักทรัพย์ที่มีประสิทธิภาพหัวข้อที่ใช้การประมวลผลและการประมวลผลแบบขนานและแบบกระจายหนังสือเล่มที่ 3 International Symposium, ISPA 2005, Nanjing, China, 2-5 พฤศจิกายน 2548 การดำเนินการ Pages หน้า 126-131 ลิขสิทธิ์ 2005 DOI 10.10071157623517 พิมพ์ ISBN 978-3-540-29769-7 ISBN 978-3-540-32100-2 Series Title การบรรยายพิเศษในชุด Computer Science ฉบับที่ 3758 ISSN 0302-9743 ผู้จัดพิมพ์ Springer Berlin Heidelberg ผู้ถือลิขสิทธิ์ Springer-Verlag Berlin Heidelberg การเชื่อมโยงเพิ่มเติมเกี่ยวกับหนังสือเล่มนี้หัวข้อการวิเคราะห์และวิเคราะห์ปัญหาขั้นตอนวิธีคอมพิวเตอร์การประยุกต์ใช้งานระบบข้อมูล (รวมอินเทอร์เน็ต) ผลการปฏิบัติงานและการประเมินผลระบบซอฟต์แวร์ภาคอุตสาหกรรมโทรคมนาคมการเงินธุรกิจแอ็กเซส eBook Packages บรรณาธิการวิทยาการคอมพิวเตอร์ Yi Pan (16) Daoxu Chen (17) Minyi Guo (18) Jiannong Cao (19) Jack Dongarra (20) บรรณาธิการ Affiliations 16. แผนก CS, Georgia State University 17. ห้องปฏิบัติการ Key Key สำหรับเทคโนโลยีซอฟต์แวร์ใหม่ Nanjing University 18. ภาควิชาวิทยาการคอมพิวเตอร์และวิศวกรรม Shanghai Jiao Tong มหาวิทยาลัย 19. ภาควิชาคอมพิวเตอร์, มหาวิทยาลัยโพลีเทคนิคฮ่องกง, เกาลูน 20. ภาควิชาวิทยาการคอมพิวเตอร์, มหาวิทยาลัยเทนเนสซี Authors Jiarui Ni (21) Chengqi Zhang (21) ผู้ร่วมก่อตั้ง 21. คณะเทคโนโลยีสารสนเทศมหาวิทยาลัยเทคโนโลยีซิดนีย์, GPO Box 123, Broadway, NSW 2007, Australia อ่านต่อ หากต้องการดูส่วนที่เหลือของเนื้อหานี้โปรดดาวน์โหลดลิงก์ PDF ด้านบน เราใช้คุกกี้เพื่อปรับปรุงประสบการณ์ของคุณในไซต์ของเรา ข้อมูลเพิ่มเติมกว่า 10 ล้านเอกสารทางวิทยาศาสตร์ที่ปลายนิ้วของคุณเนื้อหาของเราไซต์อื่น ๆ ช่วยเหลือ amp รายชื่อติดต่อไม่ได้ลงชื่อเข้าใช้ไม่ได้รับการสนับสนุน 78.109.24.111 สปริงเกอร์สำหรับการพัฒนาแอพพลิเคชั่นการพัฒนา JavaScript ถูกปิดใช้งานอยู่ ไซต์นี้ทำงานได้ดียิ่งขึ้นหากคุณเปิดใช้งาน JavaScript ในเบราเซอร์ของคุณการเป็นผู้บุกเบิกการซื้อขายในวันพรุ่งนี้ทำงานอย่างไรสร้างอัลกอริทึมในเบราว์เซอร์ IDE โดยใช้กลยุทธ์เทมเพลตและการออกแบบข้อมูลฟรีและทดสอบกลยุทธ์ของคุณเกี่ยวกับข้อมูลฟรีของเราและเมื่อคุณพร้อมใช้งานแล้ว นายหน้าซื้อขายหลักทรัพย์ของคุณ รหัสในภาษาการเขียนโปรแกรมหลายภาษาและใช้กลุ่มเซิร์ฟเวอร์นับร้อย ๆ เครื่องของเราเพื่อวิเคราะห์ผลการทดสอบของคุณเพื่อวิเคราะห์กลยุทธ์ของคุณใน Equities, FX, CFD, Options หรือ Futures Markets QuantConnect คือการปฏิวัติครั้งต่อไปในการซื้อขายแบบคลาวด์โดยรวมการประมวลผลแบบคลาวด์และการเข้าถึงข้อมูลแบบเปิด ความเร็วที่ไม่เหมือนใครใช้ประโยชน์จากเซิร์ฟเวอร์ของเราสำหรับความเร็วของสถาบันจากคอมพิวเตอร์เดสก์ท็อปของคุณ คุณสามารถย้ำถึงความคิดของคุณได้เร็วกว่าที่คุณเคยทำมาก่อน Massive Data Library เราให้บริการห้องสมุดข้อมูลความละเอียด 400TB ฟรีที่ครอบคลุมหุ้นสหรัฐฟิวเจอร์ฟิวเจอร์ปัจจัยพื้นฐาน CFD และ Forex ตั้งแต่ปีพ. ศ. 2541 การดำเนินการระดับโลกอัลกอริธึมการซื้อขายหลักทรัพย์แบบสดของเราจะอยู่ร่วมกับเซิร์ฟเวอร์ตลาดใน Equinix (NY7) สำหรับการดำเนินการที่รวดเร็วปลอดภัยและลดน้ำหนักให้กับตลาด เริ่มต้นใช้งานอัลกอริธึมของคุณ Professional Quality เปิดไลบรารีข้อมูลเปิดกลยุทธ์การออกแบบด้วยไลบรารีข้อมูลที่ได้รับการจัดระเบียบอย่างรอบคอบครอบคลุมตลาดโลกตั้งแต่ติ๊กจนถึงความละเอียดประจำวัน ข้อมูลได้รับการอัปเดตเกือบทุกวันเพื่อให้คุณสามารถทำข้อมูลย้อนหลังได้จากข้อมูลล่าสุดที่เป็นไปได้และมีความลำเอียงในการรอดชีวิตฟรี เรามีข้อมูลการติ๊กของ Equities ย้อนหลังไปถึงเดือนมกราคมปี 2541 สำหรับสัญลักษณ์ที่ซื้อขายกันทุกรูปแบบรวมทั้งสิ้นกว่า 29,000 หุ้น ราคาถูกจัดโดย QuantQuote นอกจากนี้เรายังมีข้อมูลพื้นฐาน Morning Star สำหรับสัญลักษณ์ยอดนิยม 8,000 สัญลักษณ์สำหรับตัวชี้วัด 900 ตัวนับตั้งแต่ปี พ. ศ. 2541 เป็นต้นมา FOREX amp CFD เรามีคู่สกุลเงิน 100 คู่และสัญญา CFD จำนวน 70 คู่ครอบคลุมทุกเศรษฐกิจที่สำคัญของ FXCM และ OANDA ข้อมูลเริ่มต้นตั้งแต่เดือนเมษายน 2550 และมีการอัพเดททุกวัน เรามีการซื้อขายสัญญาซื้อขายล่วงหน้าล่วงหน้าตั้งแต่เดือนมกราคม 2552 ถึงปัจจุบันสำหรับทุกสัญญาที่ซื้อขายใน CME, COMEX และ GLOBEX ข้อมูลได้รับการอัปเดตทุกสัปดาห์และมีให้โดย AlgoSeek เรานำเสนอการซื้อขายตัวเลือกและคำพูดลงไปที่ความละเอียดนาทีสำหรับตัวเลือกทุกซื้อขายใน ORPA ตั้งแต่ปี 2007 ครอบคลุมล้านสัญญา ข้อมูลมีการปรับปรุงภายใน 48 ชั่วโมงและมีให้โดย AlgoSeek การทำงานร่วมกันของทีมค้นหาเพื่อนใหม่ ๆ ในชุมชนและทำงานร่วมกันพร้อมกับคุณลักษณะการเขียนโค้ดของทีมแบ่งปันโครงการและดูรหัสของตนเองได้ทันทีที่พิมพ์ คุณสามารถให้สิทธิ์การเข้าถึงแบบสดและควบคุมอัลกอริทึมแบบสดพร้อมกันได้ ใช้การส่งข้อความโต้ตอบแบบทันทีภายในของเราเพื่อค้นหาสมาชิกในทีมที่จะมาร่วมสมทบกองกำลัง Secure Intellectual Property จุดเด่นของเราคือการจัดหาแพลตฟอร์มการซื้อขายอัลกอริทึมที่ดีที่สุดเท่าที่จะเป็นไปได้และปกป้องทรัพย์สินทางปัญญาอันมีค่าของคุณ เราจะเป็นผู้ให้บริการโครงสร้างพื้นฐานและเทคโนโลยีเสมอมาก่อน เมื่อ youre พร้อมสำหรับการซื้อขายสดดีมีความสุขช่วยให้คุณดำเนินการผ่านโบรกเกอร์ของคุณเลือก ดำเนินการผ่าน บริษัท นายหน้าชั้นนำที่รวมกับโบรกเกอร์ชั้นนำของโลกเพื่อให้การดำเนินการที่ดีที่สุดและค่าบริการต่ำสุดแก่ชุมชน กลยุทธ์การขับเคลื่อนด้วยกิจกรรมการออกแบบอัลกอริทึมจะง่ายกว่า มีเพียงสองหน้าที่ที่จำเป็นเท่านั้นและเราดูแลทุกสิ่งทุกอย่างคุณเพิ่งเริ่มต้นใช้งาน () กลยุทธ์ของคุณและจัดการกับข้อมูลที่คุณต้องการ คุณสามารถสร้างตัวบ่งชี้ชั้นเรียนโฟลเดอร์และไฟล์ใหม่ ๆ ได้โดยใช้คอมไพเลอร์ C เต็มตามเว็บและกรอกข้อมูลอัตโนมัติ เรามุ่งมั่นที่จะมอบประสบการณ์การออกแบบขั้นตอนวิธีที่ดีที่สุดแก่คุณ ใช้ประโยชน์จากศักยภาพของคุณการเลือกใช้ผู้ใช้สามารถนำเสนอกลยุทธ์ของพวกเขาแก่ลูกค้า hedgefund ในหน้าแดชบอร์ดกลยุทธ์ระดับมืออาชีพโปร่งใส กลยุทธ์จะได้รับการตรวจสอบโดย QuantConnects backtesting และการซื้อขายแบบสดๆทำให้คุณได้รับการตรวจสอบรหัสของบุคคลที่สามเป็นกลาง hedgefunds ที่สนใจสามารถติดต่อคุณโดยตรงผ่าน QuantConnect เพื่อเสนอการจ้างงานหรือการระดมทุนสำหรับกลยุทธ์ของคุณเข้าร่วมชุมชนของเราเรามีชุมชนการค้าเชิงปริมาณที่ใหญ่ที่สุดแห่งหนึ่งในโลกการสร้างแบ่งปันและอภิปรายกลยุทธ์ต่างๆผ่านทางชุมชนของเรา สนทนากับจิตใจที่ฉลาดที่สุดในโลกในขณะที่เราสำรวจอาณาจักรใหม่ของวิทยาศาสตร์คณิตศาสตร์และการเงินการเริ่มต้นและระบบการค้าสร้างขึ้น ทดสอบแล้ว ค้ามัน CQGs เครื่องมือการตรวจสอบย้อนกลับและเครื่องมือระบบการค้าที่ทันสมัยทำให้คุณสามารถควบคุมกลยุทธ์ของคุณได้ พัฒนาและเพิ่มประสิทธิภาพระบบและสัญญาณของคุณด้วยการจำลองข้อมูลตามปีที่ผ่านมาของข้อมูลที่มีอยู่ เมื่อพร้อมแล้วจะทำการค้าผ่าน CQGs AutoTrader โดยอัตโนมัติ เพิ่มแพคเกจระบบการค้าให้กับ CQG IC Test ความคิดของคุณก่อนที่จะเสี่ยงเงินของคุณแพคเกจระบบการค้าของเราช่วยให้ลูกค้าสามารถวิเคราะห์กิจกรรมการซื้อขายที่ผ่านมาและสร้างกลยุทธ์ขึ้นอยู่กับกิจกรรมดังกล่าว ใช้ประโยชน์จากคุณลักษณะของเราเพื่อปรับแต่งจุดเข้าและออกและทดสอบค่าพารามิเตอร์ที่ผู้ใช้กำหนด ได้รับประโยชน์จากทรัพยากร backtesting จำนวนมากของเราโดยการตรวจสอบกิจกรรมการค้าโดยอิงจากการสร้างธุรกิจการค้าระยะยาวหรือระยะสั้นความหลากหลายของสัญญาณเข้าและออกและค่าคอมมิชชั่นที่พ่อค้าต้องจ่าย ประเมินสัญญาณรายการโดยใช้เงื่อนไขที่คุณโปรดปรานด้วยเครื่องประเมินสัญญาณคุณสามารถวิเคราะห์ประสิทธิภาพในช่วงเวลาหนึ่งโดยใช้สัญญาณการซื้อและขายเฉพาะของคุณเอง การวิเคราะห์ของคุณสามารถนำมาใช้กับทั้งพอร์ตการลงทุนและสินค้าแต่ละรายการ เพิ่มประสิทธิภาพระบบงานของคุณเพิ่มประสิทธิภาพเวิร์กโฟลว์ของคุณโดยใช้ Trade System Optimizer ซึ่งเป็นเครื่องมือการซื้อขายที่มีคุณค่าซึ่งจะทดสอบผลลัพธ์ของระบบการซื้อขายที่ใช้การตั้งค่าต่างๆและการรวมกันของพารามิเตอร์ต่างๆที่รวมอยู่ในสัญญาณการค้า การค้าระบบการค้าของคุณโดยอัตโนมัติตอนนี้คุณมีระบบการซื้อขายของคุณแล้ว CQG จะทำการค้าโดยอัตโนมัติ CQG AutoTrader เป็นเครื่องมือดำเนินการซื้อขายที่เป็นกรรมสิทธิ์ซึ่งช่วยให้ลูกค้าสามารถดำเนินการได้พร้อม ๆ กันหลายระบบพร้อมกันอย่างเที่ยงตรงและมีระเบียบวินัย ในทางกลับกันจะให้ผู้ค้าที่มีความจุและความถูกต้องมากขึ้นในระบบการซื้อขายกับการดำเนินการด้วยตนเอง ผลิตภัณฑ์สนับสนุนประเภทคำสั่งซื้อต่างๆและช่วยให้ลูกค้าสามารถกำหนดค่าพารามิเตอร์การดำเนินการที่เกี่ยวข้องกับราคาขนาดและระยะเวลาในการสั่งซื้อ เพื่อความโปร่งใสสูงสุด CQG AutoTrader จะรวมเข้ากับโมดูลการตรวจสอบตำแหน่งต่างๆเช่นหน้าต่าง Orders and Positions และ ATS ซึ่งลูกค้าสามารถตรวจสอบสัญญาณการซื้อขายและตำแหน่งในแผนภูมิและอินเทอร์เฟซการซื้อขายได้ CQG AutoTrader สามารถใช้ได้ในโหมดการซื้อขายแบบสดหรือแบบสาธิต สาธิต CQG AutoTrader ด้วยการทดลองใช้ฟรีของ CQG IC Backtesting Videos การทำงานอัตโนมัติที่มีประสิทธิภาพ CQG Product Specialist Doug Janson นำเสนอ CQG ICs automation features เรียนรู้วิธีกำหนดสูตรการทดสอบสูตรโดยใช้ Entry Signal Evaluator และสร้างระบบการซื้อขาย ดูตอนนี้ Intelligent Backtesting ผู้เชี่ยวชาญด้านผลิตภัณฑ์ CQG ของ Jim Stavros แสดงให้เห็นถึงประสิทธิภาพของการใช้เครื่องมือระบบการทำ backtesting และระบบการค้าของเรา ดูตอนเปรียบเทียบผลิตภัณฑ์การทดลองใช้ฟรี 2 สัปดาห์ติดต่อเราเปรียบเทียบผลิตภัณฑ์การทดลองใช้ฟรี 2 สัปดาห์ Contact Us การทำ Backtesting ที่เป็นประโยชน์ของกลยุทธ์การซื้อขายขั้นตอนวิธี - ตอนที่ 1 บทความนี้ยังคงใช้ชุดข้อมูลเกี่ยวกับการซื้อขายเชิงปริมาณซึ่งเริ่มจากคู่มือเริ่มต้นใช้งานและการระบุกลยุทธ์ บทความต่อไปนี้มีเนื้อหาเกี่ยวข้องมากขึ้นอีกทั้งยังเป็นที่นิยมอย่างมากดังนั้นฉันจึงดำเนินการต่อในหลอดเลือดดำนี้และให้รายละเอียดเกี่ยวกับหัวข้อการทำ backtesting ของกลยุทธ์ การทำ backtesting อัลกอริธึมต้องอาศัยความรู้ในหลายด้านรวมถึงจิตวิทยาคณิตศาสตร์สถิติการพัฒนาซอฟต์แวร์และโครงสร้างการตลาดแบบแลกเปลี่ยน ฉัน couldnt หวังว่าจะครอบคลุมทุกหัวข้อเหล่านั้นในบทความหนึ่งดังนั้น Im จะแยกพวกเขาออกเป็นสองหรือสามชิ้นเล็ก สิ่งที่เราจะพูดถึงในส่วนนี้คือเริ่มต้นด้วยการกำหนด backtesting แล้วฉันจะอธิบายพื้นฐานของวิธีการดำเนินการ จากนั้นฉันจะอธิบายถึงอคติที่เราได้กล่าวถึงในคู่มือเริ่มต้นเพื่อการซื้อขายเชิงปริมาณ ถัดไปฉันจะนำเสนอการเปรียบเทียบของตัวเลือกซอฟต์แวร์ backtesting ต่างๆ ในบทความต่อไปเราจะดูรายละเอียดเกี่ยวกับการใช้งานกลยุทธ์ที่แทบจะกล่าวถึงหรือละเลย นอกจากนี้เรายังจะพิจารณาวิธีการทำ backtesting ให้เป็นจริงมากขึ้นโดยการรวม idiosyncrasies ของการซื้อขายแลกเปลี่ยน จากนั้นเราจะหารือเกี่ยวกับค่าใช้จ่ายในการทำธุรกรรมและวิธีการสร้างโมเดลเหล่านี้อย่างถูกต้องในการตั้งค่า backtest เราจะจบลงด้วยการอภิปรายเกี่ยวกับประสิทธิภาพการทำงานของ backtests ของเราและในที่สุดก็เป็นตัวอย่างของกลยุทธ์เชิงปริมาณทั่วไปที่รู้จักกันในชื่อการค้าคู่ที่ถอยหลัง ให้เริ่มต้นด้วยการพูดถึงสิ่งที่ backtesting และทำไมเราควรนำมาออกในการซื้อขาย algorithmic ของเรา การทำ Backtesting Algorithmic การซื้อขายคืออะไรนอกเหนือจากประเภทการลงทุนประเภทอื่น ๆ เนื่องจากเราสามารถคาดการณ์ความคาดหวังเกี่ยวกับประสิทธิภาพในอนาคตได้ดีขึ้นจากผลการดำเนินงานในอดีตอันเป็นผลมาจากการมีข้อมูลมากมาย ขั้นตอนการดำเนินการนี้เรียกว่า backtesting ในแง่ที่เรียบง่ายการทำย้อนหลังจะดำเนินการโดยการเปิดเผยอัลกอริธึมกลยุทธ์เฉพาะของคุณไปเป็นข้อมูลทางการเงินในอดีตซึ่งนำไปสู่ชุดของสัญญาณการซื้อขาย การค้าแต่ละครั้ง (ซึ่งเราจะหมายถึงการส่งสัญญาณรอบสองครั้ง) จะมีผลกำไรหรือขาดทุนที่เกี่ยวข้อง การสะสมกำไรนี้ในช่วงระยะเวลาของการทำ backtest ของกลยุทธ์จะนำไปสู่ผลกำไรและขาดทุนทั้งหมด (หรือที่เรียกว่า PL หรือ PnL) นั่นคือสาระสำคัญของความคิดแม้ว่าแน่นอนว่าปีศาจอยู่ในรายละเอียดเสมอสิ่งที่เป็นเหตุผลสำคัญที่ทำให้ backtesting เป็นกลยุทธ์ algorithmic การกรอง - ถ้าคุณจำได้จากบทความเกี่ยวกับ Strategy Identification เป้าหมายของเราในขั้นตอนการวิจัยเบื้องต้นคือการสร้างท่อกลยุทธ์และกรองกลยุทธ์ที่ไม่ตรงกับเกณฑ์บางอย่าง Backtesting ให้กลไกการกรองอื่น ๆ เนื่องจากเราสามารถกำจัดกลยุทธ์ที่ไม่ตรงกับความต้องการของเราได้ การสร้างแบบจำลอง - Backtesting ช่วยให้เราสามารถทดสอบโมเดลใหม่ ๆ ของปรากฏการณ์ตลาดบางอย่างได้อย่างปลอดภัยเช่นค่าใช้จ่ายในการทำธุรกรรมการกำหนดลำดับการสั่งซื้อความล่าช้าสภาพคล่องหรือปัญหาด้านจุลภาคในตลาดอื่น ๆ การเพิ่มประสิทธิภาพ - แม้ว่าการเพิ่มประสิทธิภาพกลยุทธ์จะเต็มไปด้วยอคติการทำ backtesting ช่วยให้เราสามารถเพิ่มประสิทธิภาพของกลยุทธ์ได้โดยการปรับเปลี่ยนปริมาณหรือค่าของพารามิเตอร์ที่เกี่ยวข้องกับกลยุทธ์นั้นและคำนวณสมรรถนะใหม่ การตรวจสอบ - กลยุทธ์ของเรามักมาจากภายนอกโดยใช้กลยุทธ์ทางกลยุทธ์ของเรา การทำย้อนกลับกลยุทธ์ช่วยให้แน่ใจว่าไม่ได้ใช้งานอย่างไม่ถูกต้อง แม้ว่าเราจะไม่ค่อยมีการเข้าถึงสัญญาณที่สร้างโดยกลยุทธ์ภายนอก แต่เรามักจะเข้าถึงเมตริกประสิทธิภาพเช่นอัตราส่วน Sharpe และ Drawdown ดังนั้นเราสามารถเปรียบเทียบกับการใช้งานของเราเองได้ Backtesting มีข้อดีสำหรับการซื้อขายแบบอัลกอลิกึม อย่างไรก็ตามไม่น่าจะเป็นไปได้ที่จะใช้กลยุทธ์อย่างตรงไปตรงมา โดยทั่วไปเมื่อความถี่ของกลยุทธ์เพิ่มขึ้นจะกลายเป็นเรื่องยากขึ้นอย่างถูกต้องเพื่อจำลองผลกระทบโครงสร้างจุลภาคของตลาดและการแลกเปลี่ยน สิ่งนี้นำไปสู่ ​​backtests ที่ไม่น่าเชื่อถือและมีการประเมินผลกลยุทธ์ที่เลือกไว้อย่างเฉียบพลัน นี่คือปัญหาเฉพาะที่ระบบการดำเนินงานเป็นกุญแจสำคัญในการปฏิบัติงานด้านกลยุทธ์เช่นเดียวกับอัลกอริทึมความถี่สูงพิเศษ แต่น่าเสียดายที่ backtesting เต็มไปด้วยอคติทุกประเภท เราได้กล่าวถึงปัญหาบางอย่างในบทความก่อน ๆ แต่ตอนนี้เราจะพูดถึงประเด็นเหล่านี้ในเชิงลึก ความลำเอียงที่มีผลต่อกลยุทธ์ Backtests มีอคติหลายอย่างที่อาจส่งผลต่อประสิทธิภาพของกลยุทธ์ที่ได้รับการสนับสนุน แต่น่าเสียดายที่ความลำเอียงเหล่านี้มีแนวโน้มที่จะขยายผลการดำเนินงานมากกว่าที่จะหักจากนั้น ดังนั้นคุณควรพิจารณา backtest เพื่อให้เป็นข้อ จำกัด ด้านบนที่คาดการณ์ไว้เกี่ยวกับประสิทธิภาพที่แท้จริงของยุทธศาสตร์ เกือบจะเป็นไปไม่ได้ที่จะกำจัดอคติจากการค้าอัลกอริธึมจึงเป็นหน้าที่ของเราในการลดผลกระทบเหล่านี้ให้ดีที่สุดเท่าที่จะเป็นไปได้เพื่อที่จะสามารถตัดสินใจเกี่ยวกับกลยุทธ์เชิงอัลกอริธึมของเราได้ มีอคติสำคัญสี่ประการที่ฉันต้องการจะพูดถึง มองไปข้างหน้าอคติ Survivorship อคติและความอดทนทางจิตวิทยาอคติ Optimisation Bias นี่อาจเป็นข้ออ้างที่สุดในทุกอคติในการทำ backtest การปรับหรือแนะนำพารามิเตอร์การซื้อขายเพิ่มเติมจนกว่าประสิทธิภาพของกลยุทธ์ในชุดข้อมูล backtest จะน่าสนใจมาก อย่างไรก็ตามเมื่ออยู่ประสิทธิภาพของกลยุทธ์สามารถแตกต่างกันอย่างเด่นชัด อีกชื่อหนึ่งสำหรับอคตินี้คือการปรับเส้นโค้งหรือการอายัดข้อมูล ความลำเอียงด้านการเพิ่มประสิทธิภาพเป็นเรื่องยากที่จะกำจัดได้เนื่องจากกลยุทธ์ของอัลกอริธึมมักเกี่ยวข้องกับพารามิเตอร์จำนวนมาก พารามิเตอร์ในกรณีนี้อาจเป็นเกณฑ์เกณฑ์การเข้าออกช่วงเวลามองย้อนกลับช่วงเวลาเฉลี่ย (เช่นพารามิเตอร์การปรับให้เรียบโดยเฉลี่ยเคลื่อนที่) หรือความถี่การวัดความผันผวน ความสามารถในการเพิ่มประสิทธิภาพสามารถลดลงได้โดยการรักษาจำนวนพารามิเตอร์ให้น้อยที่สุดและเพิ่มปริมาณจุดข้อมูลในชุดการฝึกอบรม ในความเป็นจริงอย่างใดอย่างหนึ่งต้องระวังเรื่องหลัง ๆ ด้วยเนื่องจากจุดฝึกอบรมที่เก่ากว่านั้นอาจต้องขึ้นอยู่กับระบอบการปกครองก่อน (เช่นสภาพแวดล้อมด้านกฎระเบียบ) และอาจไม่เกี่ยวข้องกับยุทธศาสตร์ปัจจุบันของคุณ วิธีหนึ่งในการช่วยบรรเทาความลำเอียงนี้คือการทำการวิเคราะห์ความไว ซึ่งหมายถึงการเปลี่ยนแปลงพารามิเตอร์ต่างๆและการวางแผนพื้นผิวของสมรรถนะ เสียงเหตุผลพื้นฐานสำหรับการเลือกพารามิเตอร์ควรคำนึงถึงปัจจัยอื่น ๆ ทั้งหมดนำไปสู่ผิวพารามิเตอร์ที่ราบรื่น หากคุณมีพื้นผิวการทำงานที่ไม่ดีนักมักมีความหมายว่าพารามิเตอร์ไม่ได้สะท้อนถึงปรากฏการณ์และเป็นสิ่งประดิษฐ์ของข้อมูลทดสอบ มีเอกสารมากมายเกี่ยวกับอัลกอริทึมการเพิ่มประสิทธิภาพแบบหลายมิติและเป็นงานวิจัยที่มีการใช้งานสูง ฉันจะไม่ได้อาศัยอยู่ที่นี่ แต่เก็บไว้ในด้านหลังของจิตใจของคุณเมื่อคุณพบกลยุทธ์ที่มี backtest Look-Ahead อคติ Bias มองไปข้างหน้าจะนำเข้าสู่ระบบ backtesting เมื่อข้อมูลในอนาคตจะถูกรวมไว้โดยบังเอิญที่จุดใน จำลองข้อมูลที่จะไม่ได้มีอยู่จริง ถ้าเรากำลังรัน backtest ตามลำดับและเราไปถึงจุดเวลา N แล้วมองไปข้างหน้าอคติเกิดขึ้นถ้าข้อมูลรวมอยู่ในจุด Nk ใดที่ k0 ข้อผิดพลาดเรื่องอคติแบบมองไปข้างหน้าสามารถเบ่งลึกได้อย่างไม่น่าเชื่อ ต่อไปนี้เป็นตัวอย่างสามประการที่แสดงให้เห็นว่าจะสามารถนำเอาอคติแบบมองไปข้างหน้าได้อย่างไร: ข้อบกพร่องทางเทคนิค - อาร์เรย์เวิร์สในโค้ดมักมีตัวทำซ้ำหรือตัวแปรดัชนี การชดเชยที่ไม่ถูกต้องของดัชนีเหล่านี้สามารถนำไปสู่การมองไปข้างหน้าอคติโดยการรวมข้อมูลที่ Nk สำหรับ k ที่ไม่ใช่ศูนย์ การคำนวณพารามิเตอร์ - อีกตัวอย่างหนึ่งของอคติแบบมองไปข้างหน้าเกิดขึ้นเมื่อคำนวณพารามิเตอร์กลยุทธ์ที่เหมาะสมเช่นการถดถอยเชิงเส้นระหว่างชุดเวลาสองชุด ถ้าทั้งชุดข้อมูล (รวมถึงข้อมูลในอนาคต) ถูกนำมาใช้เพื่อคำนวณค่าสัมประสิทธิ์การถดถอยและนำไปใช้กับกลยุทธ์การซื้อขายเพื่อใช้ในการเพิ่มประสิทธิภาพย้อนหลังข้อมูลในอนาคตจะได้รับการรวบรวมและมีอคติต่อเนื่องอยู่ MaximaMinima - กลยุทธ์การซื้อขายบางอย่างใช้ประโยชน์จากค่าที่มากในช่วงเวลาใด ๆ เช่นการรวมราคาข้อมูล OHLC หรือราคาต่ำไว้ อย่างไรก็ตามเนื่องจากค่าสูงสุดสูงสุดเหล่านี้สามารถคำนวณได้เมื่อสิ้นสุดระยะเวลาแล้วจะมีการใช้อคติแบบมองไปข้างหน้าหากใช้ค่าเหล่านี้ในช่วงปัจจุบัน มันเป็นสิ่งที่จำเป็นเสมอไปล่าช้าค่า highlow อย่างน้อยหนึ่งช่วงเวลาในกลยุทธ์การค้าใด ๆ ทำให้การใช้งานของพวกเขา เช่นเดียวกับการเพิ่มประสิทธิภาพอคติหนึ่งต้องระมัดระวังอย่างมากเพื่อหลีกเลี่ยงการแนะนำของ มักเป็นเหตุผลหลักว่าทำไมกลยุทธ์การซื้อขายจึงมีประสิทธิภาพต่ำกว่าการทำธุรกรรมย้อนหลังอย่างมีนัยสำคัญในการซื้อขายหลักทรัพย์สด Survivorship Bias Survivorship อคติเป็นปรากฏการณ์ที่เป็นอันตรายโดยเฉพาะและสามารถนำไปสู่การเพิ่มประสิทธิภาพอย่างมากสำหรับประเภทกลยุทธ์บางอย่าง เกิดขึ้นเมื่อมีการทดสอบกลยุทธ์กับชุดข้อมูลที่ไม่รวมเอกภพเต็มรูปแบบของสินทรัพย์ก่อนหน้าซึ่งอาจได้รับเลือกในช่วงเวลาใดเวลาหนึ่ง แต่พิจารณาเฉพาะผู้ที่รอดชีวิตมาจนถึงปัจจุบันเท่านั้น ตัวอย่างเช่นพิจารณาการทดสอบกลยุทธ์ในการสุ่มเลือกหุ้นก่อนและหลังการพังทลายของตลาดในปี 2544 หุ้นเทคโนโลยีบางแห่งล้มละลายในขณะที่บาง บริษัท ก็ยังคงมีการเติบโตและประสบความสำเร็จ หากเรา จำกัด กลยุทธ์นี้ไว้เฉพาะกับหุ้นที่ทำผ่านช่วงเบิกถอนเงินตลาดแล้วเราจะแนะนำให้มีอคติในการครองชีพเพราะพวกเขาได้แสดงให้เห็นถึงความสำเร็จของพวกเขาต่อเราแล้ว อันที่จริงแล้วนี่เป็นอีกกรณีหนึ่งที่เฉพาะเจาะจงสำหรับการมองไปข้างหน้าเนื่องจากข้อมูลในอนาคตจะถูกรวบรวมไว้ในการวิเคราะห์ในอดีต มีสองวิธีหลัก ๆ ในการลดความอคติในการรอดชีวิตใน backtests ของกลยุทธ์ของคุณ: Survivorship Bias Free Datasets - ในกรณีของข้อมูล equity คุณสามารถซื้อชุดข้อมูลที่มีหน่วยงานที่ได้รับการเพิกถอนแม้ว่าจะไม่ได้ราคาถูกและมีแนวโน้มที่จะถูกใช้โดย บริษัท สถาบันเท่านั้น . โดยเฉพาะอย่างยิ่งข้อมูลการเงินของ Yahoo ไม่ใช่เรื่องอื้อฉาวในการครองชีพและเป็นที่นิยมใช้กันโดยผู้ค้าปลีกหลายราย นอกจากนี้ยังสามารถค้าขายในชั้นสินทรัพย์ที่ไม่ได้มีแนวโน้มที่จะมีความลำเอียงรอดชีวิตเช่นสินค้าบางประเภท (และอนุพันธ์ในอนาคต) ใช้ข้อมูลล่าสุด - ในกรณีของหุ้นการใช้ชุดข้อมูลล่าสุดช่วยลดความเป็นไปได้ที่การเลือกหุ้นจะมีการถ่วงน้ำหนักให้กับผู้รอดชีวิตเนื่องจากความเป็นไปได้ในการเพิกถอนหุ้นโดยรวมในช่วงเวลาที่สั้นลง นอกจากนี้ยังสามารถเริ่มสร้างข้อมูลส่วนบุคคลที่ไม่เกี่ยวข้องกับการมีชีวิตอยู่รอดได้ด้วยการรวบรวมข้อมูลจากจุดปัจจุบันเป็นต้นไป หลังจากผ่านไป 3-4 ปีคุณจะมีข้อมูลการถือครองหุ้นที่มั่นคงและไม่ต้องเสียค่าใช้จ่ายใด ๆ ที่จะช่วยสนับสนุนกลยุทธ์ต่อไป ตอนนี้เราจะพิจารณาถึงอาการทางจิตวิทยาบางอย่างที่อาจส่งผลต่อประสิทธิภาพการซื้อขายของคุณ ความลำเอียงความอดทนทางจิตวิทยาปรากฏการณ์พิเศษนี้มักไม่ค่อยพูดถึงในบริบทของการซื้อขายเชิงปริมาณ อย่างไรก็ตามจะมีการพูดคุยกันอย่างกว้างขวางในเรื่องเกี่ยวกับวิธีการซื้อขายสินค้าที่มีการตัดสินใจมากขึ้น มีชื่อต่างๆ แต่ Ive ตัดสินใจที่จะเรียกว่าอคติความอดทนทางจิตวิทยาเพราะจับสาระสำคัญของปัญหา เมื่อสร้าง backtests เป็นระยะเวลา 5 ปีขึ้นไปคุณสามารถดูเส้นโค้งของส่วนแบ่งการตลาดที่มีแนวโน้มสูงขึ้นโดยคำนวณอัตราผลตอบแทนประจำปี Sharpe ratio และแม้แต่ drawdown และจะพอใจกับผลลัพธ์ ตัวอย่างเช่นกลยุทธ์อาจมีการเบิกถอนสัมพัทธ์สูงสุด 25 และระยะเวลาเบิกเงินกู้สูงสุด 4 เดือน นี้จะไม่ผิดปรกติสำหรับกลยุทธ์โมเมนตัม มันเป็นเรื่องง่ายที่จะโน้มน้าวใจตัวเองว่ามันเป็นเรื่องง่ายที่จะทนต่อช่วงเวลาของการสูญเสียดังกล่าวเพราะภาพโดยรวมเป็นสีดอกกุหลาบ อย่างไรก็ตามในทางปฏิบัติจะยากกว่ามากถ้าการเบิกจ่ายทางประวัติศาสตร์ของ 25 ครั้งขึ้นไปเกิดขึ้นในการทดสอบย้อนหลังแล้วในทุกโอกาสที่คุณจะเห็นช่วงเวลาที่มีการเบิกถอนเงินแบบเดียวกัน ช่วงเวลาแห่งการถอนเงินเหล่านี้ยากที่จะทนต่อสภาพจิตใจได้ ฉันได้สังเกตเห็นว่าการเบิกเงินกู้แบบยาวจะเป็นอย่างไรในการตั้งสถาบันและไม่เป็นที่น่าพอใจแม้ว่าจะมีการย้อนหลังไปแล้วก็ตาม เหตุผลที่ฉันเรียกมันว่าอคติคือกลยุทธ์ที่จะประสบความสำเร็จได้ก็คือการหยุดค้าขายในช่วงที่มีการเบิกใช้เป็นเวลานานและจะนำไปสู่ประสิทธิภาพที่ต่ำกว่าเมื่อเทียบกับผลการทดสอบหลังการขาย ดังนั้นแม้กลยุทธ์จะมีลักษณะตามธรรมชาติ แต่ปัจจัยทางจิตวิทยาก็ยังคงมีอิทธิพลอย่างมากต่อความสามารถในการทำกำไร การ takeaway คือเพื่อให้แน่ใจว่าถ้าคุณเห็นการเบิกบางเปอร์เซ็นต์และระยะเวลาใน backtests คุณควรคาดหวังให้พวกเขาเกิดขึ้นในสภาพแวดล้อมการค้าขายสดและจะต้องอดทนเพื่อให้สามารถทำกำไรได้อีกครั้ง ชุดซอฟต์แวร์สำหรับการทำ backtesting ภูมิทัศน์ของซอฟต์แวร์สำหรับ backtesting กลยุทธ์มีมากมาย โซลูชันมีตั้งแต่ซอฟท์แวร์ที่มีความซับซ้อนระดับสถาบันไปจนถึงการเขียนโปรแกรมภาษาต่างๆเช่น C, Python และ R ซึ่งเกือบทุกอย่างต้องเขียนตั้งแต่เริ่มต้น (หรือปลั๊กอินที่เหมาะสม) ในฐานะที่เป็นผู้ค้าเชิงปริมาณเรามีความสนใจในความสมดุลของความสามารถในการเป็นเจ้าของสแต็คเทคโนโลยีการค้าของเราเทียบกับความเร็วและความน่าเชื่อถือของวิธีการในการพัฒนาของเรา ต่อไปนี้คือข้อควรพิจารณาที่สำคัญสำหรับการเลือกใช้ซอฟต์แวร์: ทักษะการเขียนโปรแกรม - ทางเลือกของสภาพแวดล้อมส่วนใหญ่จะมาจากความสามารถของคุณในการเขียนโปรแกรมซอฟต์แวร์ ฉันจะยืนยันว่าการควบคุมสแต็คทั้งหมดจะมีผลมากขึ้นในระยะยาว PL ของคุณมากกว่าการเอาท์ซอร์สให้มากที่สุดเท่าที่จะเป็นไปได้กับซอฟต์แวร์ของผู้จัดจำหน่าย เนื่องจากความเสี่ยงด้านการมีข้อผิดพลาดหรือข้อมูลประจำตัวภายนอกที่คุณไม่สามารถแก้ไขได้ในซอฟต์แวร์ของผู้ขายซึ่งอาจแก้ไขได้ง่ายหากคุณสามารถควบคุมสแต็คเทคโนโลยีของคุณได้มากขึ้น นอกจากนี้คุณยังต้องการสภาพแวดล้อมที่สร้างความสมดุลระหว่างประสิทธิภาพการทำงานความพร้อมของไลบรารีและความเร็วในการดำเนินการ ฉันให้คำแนะนำส่วนตัวของฉันเองด้านล่าง ความสามารถในการดำเนินการปฏิสัมพันธ์ของ Broker - ซอฟต์แวร์ backtesting บางอย่างเช่น Tradestation เกี่ยวข้องกับการเป็นนายหน้าซื้อขายหลักทรัพย์โดยตรง ฉันไม่ได้เป็นแฟนของวิธีการนี้เป็นลดต้นทุนการทำธุรกรรมมักจะเป็นส่วนใหญ่ของการได้รับอัตราส่วนที่สูงขึ้นชาร์ป หาก youre ผูกเข้ากับโบรกเกอร์เฉพาะ (และ Tradestation บังคับให้คุณทำเช่นนี้) แล้วคุณจะมีเวลาที่ยากกว่าการเปลี่ยนไปใช้ซอฟต์แวร์ใหม่ (หรือโบรกเกอร์ใหม่) ถ้าจำเป็นต้องเกิดขึ้น โบรกเกอร์แบบอินเทอร์แอคทีฟมี API ที่มีประสิทธิภาพแม้ว่าจะมีอินเทอร์เฟซเล็กน้อย การปรับแต่ง - สภาพแวดล้อมเช่น MATLAB หรือ Python ช่วยให้คุณมีความคล่องตัวในการสร้างกลยุทธ์อัลกอโกเนื่องจากมีไลบรารีอันยอดเยี่ยมสำหรับการใช้งานทางคณิตศาสตร์เกือบทุกรูปแบบ แต่ยังสามารถปรับแต่งได้ตามความจำเป็น ความซับซ้อนของยุทธวิธี - ซอฟต์แวร์บางตัวไม่ได้ถูกตัดขาดจากปัญหาที่ซับซ้อนหรือซับซ้อน Excel เป็นส่วนหนึ่งของซอฟต์แวร์ดังกล่าว แม้ว่าจะเป็นกลยุทธ์ที่ง่ายกว่า แต่ก็ไม่สามารถรับมือกับทรัพย์สินจำนวนมากหรืออัลกอริทึมที่ซับซ้อนมากขึ้นได้อย่างรวดเร็ว Bias Minimization - ซอฟต์แวร์หรือข้อมูลบางส่วนยืมตัวเพื่อค้าอคติคุณจำเป็นต้องตรวจสอบให้แน่ใจว่าหากคุณต้องการสร้างฟังก์ชันการทำงานทั้งหมดด้วยตัวคุณเองคุณจะไม่แนะนำข้อบกพร่องซึ่งอาจนำไปสู่ความลำเอียง ความเร็วในการพัฒนา - หนึ่งไม่ควรต้องใช้เวลาเดือนและเดือนในการใช้เครื่องมือ backtest การสร้างต้นแบบควรใช้เวลาเพียงไม่กี่สัปดาห์เท่านั้น ตรวจสอบให้แน่ใจว่าซอฟต์แวร์ของคุณไม่ขัดขวางความคืบหน้าของคุณในระดับที่ดีเพียงเพื่อคว้าคะแนนเพิ่มขึ้นเล็กน้อยของความเร็วในการทำงาน C คือช้างในห้องที่นี่ความเร็วในการดำเนินการ - หากกลยุทธ์ของคุณขึ้นอยู่กับความทันเวลาในการดำเนินการ (เช่นเดียวกับใน HFTUHFT) ภาษา C หรือ C จะจำเป็นต้องใช้ อย่างไรก็ตามคุณจะใช้ประโยชน์จากการเพิ่มประสิทธิภาพเคอร์เนลและการใช้ FPGA สำหรับโดเมนเหล่านี้ซึ่งอยู่นอกขอบเขตของบทความนี้ค่าใช้จ่าย - หลายสภาพแวดล้อมซอฟต์แวร์ที่คุณสามารถเขียนโปรแกรมด้วยกลยุทธ์การซื้อขายแบบอัลกอรึทึมเป็นแบบฟรีและโอเพ่นซอร์ส ในความเป็นจริงหลายกองทุนป้องกันความเสี่ยงใช้ซอฟต์แวร์โอเพนซอร์สสำหรับกองการซื้อขายทั้งหมดของ algo นอกจากนี้ Excel และ MATLAB มีทั้งราคาถูกและยังมีทางเลือกฟรีสำหรับแต่ละ ตอนนี้เราได้ระบุเกณฑ์ที่จำเป็นในการเลือกโครงสร้างพื้นฐานซอฟต์แวร์ของเราแล้วฉันต้องการเรียกใช้แพคเกจที่เป็นที่นิยมกว่าและเปรียบเทียบว่าอย่างไร: หมายเหตุ: ฉันจะรวมซอฟต์แวร์ที่มีให้สำหรับผู้ค้าปลีกรายใหญ่เท่านั้นและ นักพัฒนาซอฟต์แวร์เนื่องจากเป็นผู้อ่านไซต์ ในขณะที่ซอฟต์แวร์อื่น ๆ สามารถใช้ได้เช่นเครื่องมือระดับสถาบันมากขึ้นฉันรู้สึกเหล่านี้มีราคาแพงเกินไปที่จะใช้อย่างมีประสิทธิภาพในการตั้งค่าค้าปลีกและฉันเองไม่มีประสบการณ์กับพวกเขา Backtesting Comparison Software คำอธิบาย: ภาษาระดับสูงที่ออกแบบมาสำหรับความเร็วในการพัฒนา มีไลบรารีมากมายสำหรับงานเกือบทุกแบบที่สามารถจินตนาการได้ ได้รับการยอมรับอย่างกว้างขวางในกองทุนเฮดจ์ฟันด์และชุมชนธนาคารเพื่อการลงทุน ไม่เร็วเท่า CC สำหรับความเร็วในการทำงาน การดำเนินการ: มีปลั๊กอิน Python สำหรับโบรกเกอร์ที่มีขนาดใหญ่เช่น Interactive Brokers ดังนั้น backtest และระบบการดำเนินการสามารถทั้งหมดเป็นส่วนหนึ่งของสแต็คเทคโนโลยีเดียวกัน การปรับแต่ง: Python มีชุมชนการพัฒนาที่มีสุขภาพดีและเป็นภาษาที่โตเต็มที่ NumPySciPy ให้การคำนวณทางวิทยาศาสตร์อย่างรวดเร็วและเครื่องมือวิเคราะห์ทางสถิติที่เกี่ยวข้องกับการซื้อขายแบบค่อยเป็นค่อยไป Strategy Complexity: Many plugins exist for the main algorithms, but not quite as big a quant community as exists for MATLAB. Bias Minimisation: Same bias minimisation problems exist as for any high level language. Need to be extremely careful about testing. Development Speed: Pythons main advantage is development speed, with robust in built in testing capabilities. Execution Speed: Not quite as fast as C, but scientific computing components are optimised and Python can talk to native C code with certain plugins. Cost: FreeOpen Source Description: Mature, high-level language designed for speed of execution. Wide array of quantitative finance and numerical libraries. Harder to debug and often takes longer to implement than Python or MATLAB. Extremely prevalent in both the buy - and sell-side. Execution: Most brokerage APIs are written in C and Java. Thus many plugins exist. Customisation: CC allows direct access to underlying memory, hence ultra-high frequency strategies can be implemented. Strategy Complexity: C STL provides wide array of optimised algorithms. Nearly any specialised mathematical algorithm possesses a free, open-source CC implementation on the web. Bias Minimisation: Look-ahead bias can be tricky to eliminate, but no harder than other high-level language. Good debugging tools, but one must be careful when dealing with underlying memory. Development Speed: C is quite verbose compared to Python or MATLAB for the same algorithmm. More lines-of-code (LOC) often leads to greater likelihood of bugs. Execution Speed: CC has extremely fast execution speed and can be well optimised for specific computational architectures. This is the main reason to utilise it. Cost: Various compilers: LinuxGCC is free, MS Visual Studio has differing licenses. Different strategies will require different software packages. HFT and UHFT strategies will be written in CC (these days they are often carried out on GPUs and FPGAs ), whereas low-frequency directional equity strategies are easy to implement in TradeStation, due to the all in one nature of the softwarebrokerage. My personal preference is for Python as it provides the right degree of customisation, speed of development, testing capability and execution speed for my needs and strategies. If I need anything faster, I can drop in to C directly from my Python programs. One method favoured by many quant traders is to prototype their strategies in Python and then convert the slower execution sections to C in an iterative manner. Eventually the entire algo is written in C and can be left alone to trade In the next few articles on backtesting we will take a look at some particular issues surrounding the implementation of an algorithmic trading backtesting system, as well as how to incorporate the effects of trading exchanges. We will discuss strategy performance measurement and finally conclude with an example strategy. เพิ่งเริ่มต้นกับการซื้อขายเชิงปริมาณ