استحکام اندازه گیری عدم حساسیت یک استراتژی به تغییرات در رفتار قیمت است. با تغییر شرایط بازار ، یا هنگامی که در یک بازار متفاوت معامله می شود ، یک استراتژی قوی به عملکرد خوبی ادامه خواهد داد. بنابراین استحکام یک موضوع اصلی در توسعه هر استراتژی معاملاتی ، خودکار یا دستی است.

استراتژی هایی که حاوی چند قانون ساده هستند و در شرایط مختلف بازار توسعه یافته اند ، بیشتر به احتمال زیاد قوی هستند. چنین استراتژی هایی معمولاً با بازده های تنظیم شده با ریسک ضعیف تر تولید می کنند ، اما این پشتی ها به احتمال زیاد عملکرد آینده را نشان می دهند. از این رو باید در طول توسعه استراتژی ، سازش بین استحکام و عملکرد پیش بینی شود.

1. 1چرا ما به تست های استحکام نیاز داریم؟

به عنوان معامله گران ، ما سعی می کنیم از پتانسیل پیش بینی الگوهای قیمت که منعکس کننده برخی از رفتار اساسی بازار است ، سوء استفاده کنیم. این می تواند یک روند اساسی به دلیل سیاست های بانک مرکزی یا گزارش های اقتصادی باشد. با این حال ، این الگوهای قیمت با سر و صدا آلوده می شوند ، که باعث می شود قیمت ها گاهی به طور نامنظم حرکت کنند. سر و صدا نتیجه تعداد زیادی از شرکت کنندگان در بازار است که هر یک در ساعات مختلف و برای برنامه های مختلف انجام می شود. با توجه به ماهیت تصادفی ، سر و صدایی که در دوره پشتی شما وجود دارد ، هرگز نمی تواند دقیقاً در تجارت زنده تکرار شود.

اتصالات منحنی فرآیند ایجاد مجموعه ای از قوانین است که متناسب با داده های گذشته است. از آنجا که هر بازار حاوی ویژگی های منحصر به فرد خود است ، هنگام تدوین یک استراتژی ، مقداری از اتصالات منحنی لازم است. با این حال ، به راحتی می توانید قوانین خود را به مجموعه خاصی از داده ها بیش از حد بیش از حد کنید و یک استراتژی ایجاد کنید که قوانین آن به سر و صدای تاریخی تصادفی متکی است که هیچ ارزش پیش بینی کننده ای ندارد. به همین دلیل بسیاری از استراتژی های پیچیده و بهینه بهینه شده اغلب تقریباً بلافاصله هنگام استفاده در زمان واقعی بدتر می شوند. حتی با یک تعهد مداوم به سادگی ، بیش از حد یک استراتژی غالباً به طرز حیرت انگیزی اتفاق می افتد ، و می تواند ماه ها آزمایش پیش رو یا تجارت زنده را قبل از اینکه متوجه شویم استراتژی ما هیچ ارزش پیش بینی کننده ای ندارد.

به همین دلیل ما تست های استحکام را در توسعه خود قرار می دهیم. آنها به ما کمک می کنند تا عملکرد یک استراتژی را در معرض رفتارهای مختلف قیمت و پارامترهای ورودی تخمین بزنیم. اگر این تست ها بدتر شدن عملکرد حداقل را نشان دهند ، می توانیم اطمینان بیشتری داشته باشیم که استراتژی ما به داده های گذشته بیش از حد نپیوسته است ، و بنابراین به احتمال زیاد می تواند حاشیه خود را در تجارت زنده حفظ کند.

1. 2آزمایش استحکام در استراتژی

تست های استحکام موجود در StrategyQuant در زیر نشان داده شده است:

شکل 1: StrategyQuant با طیف وسیعی از تست های استحکام بارگیری می شود

شما می توانید یک گردش کار توسعه استراتژی ایجاد کنید که شامل هر یک از این تست ها باشد. برای کاهش زمان محاسبه کلی ، StrategyQuant به طور خودکار آزمایشات سریعتر را انجام می دهد و در صورت عدم موفقیت استراتژی را کنار می گذارد. با شروع سبد غنی از استراتژی های GBPJPY که قبلاً با استفاده از الگوریتم ژنتیکی StrategyQuant تولید شده بود ، از پشتی های اضافی بازار و ماتریس پیاده روی برای لیست کوتاه یک سبد کوچک از استراتژی های قوی استفاده خواهیم کرد. سپس شبیه سازی های مونت کارلو برای پیش بینی حداکثر بدترین حالت ما در معاملات زنده روی این سبد نهایی اعمال می شود. دانش در مورد این کاهش می تواند هنگام تعیین تخصیص سرمایه ما به هر سیستم مفید باشد. این گردش کار تست استحکام در شکل 2 نشان داده شده است.

این نخستین از سه مقاله است که به آزمایش استحکام می پردازد و بر پشتوانه استراتژی های ما در بازارهای اضافی متمرکز خواهد شد. مقاله دوم مورد بحث ماتریس پیاده روی StrategyQuant است ، در حالی که مقاله نهایی استفاده از شبیه سازی های مونت کارلو را نشان می دهد.

شکل 2: نمونه ای از گردش کار تست استحکام در StrategyQuant. این آزمایشات در استراتژی های GBPJPY که قبلاً تولید شده بود ، اعمال می شود.

2. آزمایش در بازارهای اضافی (آزمایش خارج از نمونه)

2. 1چرا این کار را می کند؟

آزمایش خارج از نمونه (OOS) احتمالاً متداول ترین روش برای تعیین حساسیت به قیمت استراتژی است. این شامل آزمایش استراتژی شما بر روی داده هایی است که قبلاً برای توسعه/بهینه سازی استفاده نشده است. روش های بی شماری برای به دست آوردن داده های OOS وجود دارد که هر یک سطح مختلف از تغییر قیمت را ارائه می دهند. برای یک تست استحکام ملایم ، از شبیه سازی مونت کارلو می توان برای تولید تصادفی تغییرات کوچک در قیمت OHLC در دوره پشتی استفاده کرد. چنین رویکردی در مقاله شبیه سازی مونت کارلو نشان داده خواهد شد. در انتهای دیگر طیف دشواری ، می توانیم استراتژی را در یک بازار کاملاً متفاوت آزمایش کنیم. اگر یک استراتژی بتواند به خوبی در بازارهای مختلف آزمایش کند ، نشان دهنده توانایی عملکرد خوب در شرایط مختلف است.

2. 2تنظیم آزمایش خارج از نمونه

انتخاب بازار یک مسئله حساس است که دشواری آزمون شما را تعیین می کند. در حالت ایده آل ، شما می خواهید یک استراتژی که بیش از طیف متنوعی از بازارهای غیر مرتبط با آن عمل کند ، اما چنین راهکارهایی واقعاً دشوار است. اگر معاملات آینده را تجارت کنید ، یک سازش برای آزمایش استراتژی روی یک سبد بازارها از همان دسته مانند گوشت ، فلز یا ارز است. با این حال ، در بازار فارکس ، من هیچ راهی رضایت بخش برای گروه بندی جفت ارز مشابه با هم پیدا نکرده ام. حتی در بین همه جفت های USD یا JPY ، تفاوت های قابل توجهی در رفتار قیمت وجود دارد.

صرفنظر از آن ، از آنجا که ما با یک سبد عظیم از استراتژی های 9999 شروع می کنیم ، اجازه دهید فقط از آن استفاده کنیم و 5 بازار نسبتاً متفاوت را انتخاب کنیم. این موارد EURUSD ، GBPUSD ، USDJPY ، EURJPY و EURGBP خواهد بود که مربوط به چهار ارز نقدینگی است. از آنجا که این بازارها (به جز Eurjpy ، شاید) تا حد زیادی با GBPJPY ارتباط نداشته باشند ، استراتژی که بیش از حد به سر و صدای GBPJPY می رسد ، به میزان قابل توجهی بدتر می شود. این پیکربندی تست در زیر نشان داده شده است.

شکل 3: دامنه داده ها و معیارهای عبور برای تست های اضافی بازار ما

هر یک از 5 بازار اضافی فوق در بیش از 17 سال ، از آگوست 2003 - ژوئن 2020 مورد آزمایش قرار می گیرند. دوره پشتی به طور مساوی به دو بخش ، OOS1 و OOS2 تقسیم می شود. در صورتی که قادر به ایجاد سود در هر دو بخش باشد ، یک استراتژی به اندازه کافی در یک بازار اضافی خاص در نظر گرفته خواهد شد. برای گذراندن این آزمون استحکام ، استراتژی باید حداقل در 4/5 بازارهای اضافی استحکام نشان دهد.

2. 3نتایج آزمایش خارج از نمونه

60000 پشتی در کمتر از یک ساعت به پایان رسید. فقط 56/999 استراتژی گذشت! این می تواند به دلیل دشواری آزمون استحکام یا عدم استحکام کلی در بین استراتژی های ایجاد شده توسط الگوریتم ژنتیکی باشد. هنگام پیکربندی تولید استراتژی ، ما فقط استراتژی هایی را انتخاب کردیم که در طی یک دوره 8 ساله خارج از نمونه در GBPJPY به خوبی انجام داده اند. من گمان می کنم که میزان شکست زیاد به دلیل شخصیت های مختلف 5 بازار اضافی است.

شکل 4: استراتژی های 9999 ما در کمتر از یک ساعت مورد آزمایش قرار گرفت. فقط 56 این تست استحکام را پشت سر گذاشتند.

بیایید به یکی از استراتژی های بازمانده نگاه کنیم. برای هر استراتژی ، StrategyQuant منحنی سهام برای بازار تجارت (GBPJPY) ، هر بازار اضافی و یک نمونه کارها از هر 6 بازار ایجاد می کند. نمونه ای از این موارد در زیر نشان داده شده است.

شکل 5: منحنی های سهام برای نمونه کارها و هر یک از 6 بازار تشکیل دهنده آن

این استراتژی موفق به ایجاد سود برای هر 6 بازار از 2003-2020 شد. به نوعی ، این نمودار اثرات اتصالات منحنی را نشان می دهد. GBPJPY بدیهی است که بهترین ها را انجام داده است ، زیرا این استراتژی در GBPJPY تدوین شده است. Eurjpy ، که تا حدودی با GBPJPY ارتباط دارد ، دومین مجری بهترین بود. در پایین طیف ، ما EURGBP داریم ، یک بازار سنتی ، که تلاش می کرد سود کسب کند.

اگر هیچ یک از استراتژی های شما در بازارهای اضافی از آزمونهای پشتی خود عبور نمی کنند ، یک جایگزین ملایم تر این است که در همان بازار آزمایش کنید ، اما با استفاده از یک بازه زمانی متفاوت. بازارها معمولاً هنگام مشاهده در بازه های زمانی مختلف ، ساختارهای قیمت بسیار متفاوتی دارند.

3. نتیجه گیری

استراتژی های قوی در شرایط مختلف بازار سودآور هستند. ما می توانیم با اجرای قوانین ساده تجارت ، استحکام یک استراتژی را بهبود بخشیم ، زیرا این خطر خطر بیش از حد استراتژی را برای سر و صدای بازار تاریخی کاهش می دهد. اجرای تست های استحکام در حین توسعه به ما کمک می کند تا قبل از قرار دادن پول واقعی در خط ، استراتژی های بیش از حد را از بین ببریم.

آزمایش خارج از نمونه یک روش متداول برای ارزیابی استحکام است و شامل آزمایش استراتژی با استفاده از داده های قبلاً دیده نشده است. سبد بزرگ ما از استراتژی های روند GBPJPY در 5 بازار اضافی فارکس مورد آزمایش قرار گرفت. فقط 56 استراتژی بیش از 4 یا بیشتر بازار سودآور باقی مانده است. این استراتژی های لیست کوتاه متعاقباً از طریق تست استحکام دشوار دیگری قرار می گیرد: بهینه سازی به جلو.