Backtesting lager handelssystemen

Backtesting Vad är Backtesting Backtesting är processen att testa en handelsstrategi för relevant historisk data för att säkerställa dess lönsamhet innan näringsidkaren riskerar något aktuellt kapital. En näringsidkare kan simulera handel med en strategi över en lämplig tidsperiod och analysera resultaten för lönsamhetsnivåerna och riskerna. AVBRYDNING Backtesting Om resultaten uppfyller de nödvändiga kriterier som är acceptabla för näringsidkaren kan strategin sedan implementeras med viss grad av förtroende för att det kommer att leda till vinst. Om resultaten är mindre gynnsamma kan strategin modifieras, justeras och optimeras för att uppnå de önskade resultaten eller det kan helt skrotas. En betydande del av volymen handlas på dagens finansmarknad görs av handlare som använder någon form av datorautomatisering. Detta gäller särskilt för handelsstrategier baserade på teknisk analys. Backtesting är en integrerad del av att utveckla ett automatiserat handelssystem. Betydande Backtesting När det görs korrekt kan backtesting vara ett ovärderligt verktyg för att fatta beslut om huruvida man ska använda en handelsstrategi. Provperioden som en backtest utförs på är kritisk. Varaktigheten av provperioden bör vara tillräckligt lång för att omfatta perioder med olika marknadsförhållanden, inklusive uppåtgående tendenser, nedåtgående trend och omfattande handel. Att utföra ett test på endast en typ av marknadsförhållanden kan ge unika resultat som kanske inte fungerar bra under andra marknadsförhållanden, vilket kan leda till falska slutsatser. Provstorleken i antalet branscher i testresultaten är också avgörande. Om provet antal branscher är för litet kan testet inte vara statistiskt signifikant. Ett prov med alltför många branscher under en lång period kan ge optimerade resultat där ett överväldigande antal vinnande affärer samlas kring ett specifikt marknadsförhållande eller trend som är gynnsam för strategin. Detta kan också leda till att en näringsidkare drar vilseledande slutsatser. Att hålla det riktigt En backtest bör spegla verkligheten så mycket som möjligt. Handelskostnader som annars kan anses vara försumbara av handlare när de analyseras individuellt kan ha en betydande inverkan när den sammanlagda kostnaden beräknas under hela backtestingperioden. Dessa kostnader inkluderar provisioner, spridningar och släpp, och de kunde bestämma skillnaden mellan huruvida en handelsstrategi är lönsam eller inte. De flesta backtesting programvarupaket innehåller metoder för att redovisa dessa kostnader. Kanske är den viktigaste metriska förknippade med backtesting strategins nivå av robusthet. Detta uppnås genom att jämföra resultaten av ett optimerat bakprov i en specifik provperiod (kallad in-sample) med resultaten av en backtest med samma strategi och inställningar i en annan provperiod (kallad out - of-prov). Om resultaten är lika lönsamma kan strategin anses vara giltig och robust och den är redo att genomföras i realtidsmarknader. Om strategin misslyckas i jämförelser utan jämförelser, behöver strategin ytterligare utveckling, eller det bör helt överges. Backtesting: Tolkning Tidigare Backtesting är en nyckelkomponent i effektiv handelssystemutveckling. Det uppnås genom att rekonstruera med historiska data, som skulle ha inträffat i det förflutna med hjälp av regler definierade av en given strategi. Resultatet erbjuder statistik som kan användas för att mäta strategins effektivitet. Med hjälp av dessa data kan handlare optimera och förbättra sina strategier, hitta tekniska eller teoretiska brister och få förtroende för sin strategi innan de appliceras på de verkliga marknaderna. Den bakomliggande teorin är att varje strategi som fungerade bra i det förflutna sannolikt kommer att fungera bra i framtiden, och omvänt sett är det sannolikt att någon strategi som utförde dåligt i det förflutna sannolikt kommer att fungera dåligt i framtiden. Den här artikeln tar en titt på vilka applikationer som används för att backtest, vilken typ av data som erhålls och hur man använder den Data och verktygen Backtesting kan ge mycket värdefull statistisk återkoppling om ett visst system. Några universella backtesting statistik inkluderar: Nettoresultat eller förlust - Nettoprocent vinst eller förlust. Tidsram - Tidigare datum då testingen inträffade. Universe - Lager som inkluderades i backtest. Volatilitetsåtgärder - Max procent upp och ner. Medeltal - Procentuell genomsnittlig vinst och genomsnittlig förlust, medelstänger hålls. Exponering - Andel av investerat kapital (eller exponerat för marknaden). Förhållanden - vinst-till-förlustförhållande. Årlig avkastning - Procentuell avkastning över ett år. Riskjusterad avkastning - Procentuell avkastning som en funktion av risken. Typiskt kommer backtesting programvara att ha två skärmar som är viktiga. Den första tillåter näringsidkaren att anpassa inställningarna för backtesting. Dessa anpassningar inkluderar allt från tidsperiod till provisionkostnader. Här är ett exempel på en sådan skärm i AmiBroker: Den andra skärmen är den faktiska backtestingresultatrapporten. Här kan du hitta all statistik som nämns ovan. Återigen, här är ett exempel på den här skärmen i AmiBroker: I allmänhet innehåller de flesta handelsprogrammen liknande element. Vissa avancerade program innehåller även extra funktionalitet för automatisk positionering, optimering och andra mer avancerade funktioner. De 10 buden Det finns många faktorer som handlare uppmärksammar när de backtesting handelsstrategier. Här är en lista över de 10 viktigaste sakerna att komma ihåg vid backtesting: Ta hänsyn till de brett marknadstrender inom tidsramen där en given strategi testades. Till exempel, om en strategi bara backtestades 1999-2000, kanske det inte går bra på en björnmarknad. Det är ofta en bra idé att backtest över en lång tidsram som omfattar flera olika typer av marknadsförhållanden. Ta hänsyn till universum där backtesting inträffade. Till exempel, om ett brett marknadssystem testas med ett universum bestående av tekniska lager, kan det misslyckas att fungera bra inom olika sektorer. Som en allmän regel, om en strategi riktar sig mot en viss genre av lager, begränsa universum till den genren, men i alla andra fall behålla ett stort universum för teständamål. Volatilitetsåtgärder är oerhört viktiga att överväga när man utvecklar ett handelssystem. Detta gäller särskilt för hyrda konton, som utsätts för marginalanrop om deras eget kapital sjunker under en viss punkt. Traders bör försöka hålla volatiliteten låg för att minska risken och möjliggöra enklare övergångar in och ut ur ett visst lager. Det genomsnittliga antalet barer som hålls är också mycket viktigt att titta på när man utvecklar ett handelssystem. Även om de flesta backtestingprogrammen innehåller provisionkostnader i de slutliga beräkningarna betyder det inte att du bör ignorera denna statistik. Om möjligt ökar ditt genomsnittliga antal barer som håller på att minska provisionskostnaderna och förbättra din totala avkastning. Exponering är ett dubbelkantigt svärd. Ökad exponering kan leda till högre vinst eller högre förluster, medan minskad exponering innebär lägre vinst eller lägre förluster. Men i allmänhet är det en bra idé att hålla exponeringen under 70 för att minska risken och möjliggöra enklare övergångar in och ut ur ett visst lager. Den genomsnittliga vinstlösningsstatistiken, kombinerad med vinst-till-förlustförhållandet, kan vara användbar för att bestämma optimal positionsstorlek och penninghantering med hjälp av tekniker som Kelly-kriteriet. (Se Money Management Använda Kelly-kriteriet.) Traders kan ta större positioner och minska provisionskostnaderna genom att öka sina genomsnittliga vinster och öka deras vinst-till-förlustförhållande. Årlig avkastning är viktig eftersom den används som ett verktyg för att benchmarka systemets avkastning mot andra investeringsplatser. Det är viktigt att inte bara titta på den totala årliga avkastningen utan också ta hänsyn till ökad eller minskad risk. Detta kan göras genom att titta på den riskjusterade avkastningen, som står för olika riskfaktorer. Innan ett handelssystem antas måste det överträffa alla andra placeringsplatser med lika eller mindre risk. Backtesting anpassning är oerhört viktigt. Många backtesting-applikationer har inmatning för provisionsbelopp, runda (eller fraktionerade) partstorlekar, fältstorlekar, marginalkrav, räntor, antaganden för släppning, positioneringsstorlekar, same-bar exit-regler, (bakåt) stoppinställningar och mycket mer. För att få de mest exakta backtestingresultaten är det viktigt att ställa in dessa inställningar för att efterlikna mäklaren som kommer att användas när systemet går live. Backtesting kan ibland leda till något som kallas överoptimering. Det här är ett villkor där prestanda resultat är så högt anpassat till det förflutna att de inte längre är lika exakta i framtiden. Det är generellt en bra idé att genomföra regler som gäller för alla lager eller en vald uppsättning riktade lager och är inte optimerade i den utsträckning reglerna inte längre är förståeliga av skaparen. Backtesting är inte alltid det mest exakta sättet att mäta effektiviteten hos ett visst handelssystem. Ibland misslyckas strategier som har fungerat bra tidigare i dag. Tidigare resultat är inte en indikation på framtida resultat. Var noga med att handla ett system som har testats framgångsrikt innan du går live för att vara säker på att strategin fortfarande gäller i praktiken. Slutsats Backtesting är en av de viktigaste aspekterna av att utveckla ett handelssystem. Om de skapas och tolkas ordentligt kan det hjälpa handlare att optimera och förbättra sina strategier, hitta några tekniska eller teoretiska brister, samt få förtroende för sin strategi innan de appliceras på den verkliga världsmarknaden. Resources Tradecision (medbeslutande) - High-end Trading System Development AmiBroker (amibroker) - Budget Trading System Development. En typ av ersättningsstruktur som hedgefondsförvaltare brukar använda i vilken del av ersättningen prestationsbaserad. Ett skydd mot inkomstförlust som skulle uppstå om den försäkrade gick bort. Den namngivna mottagaren tar emot. Ett mått på förhållandet mellan en förändring i den mängd som krävdes av ett visst gott och en förändring i dess pris. Pris. Det totala dollarns marknadsvärde för alla bolagets utestående aktier. Marknadsvärdet beräknas genom att multiplicera. Frexit kort för quotFrench exitquot är en fransk spinoff av termen Brexit, som uppstod när Storbritannien röstade till. En order placerad med en mäklare som kombinerar funktionerna i stopporder med de i en gränsvärde. En stop-limit order will.9. Backtestning Konsten att handla tillbaka testning Som jag tidigare nämnt, är en av de saker jag verkligen älskar om handel att du, till skillnad från andra företag, kan testa din affärsmodell fullständigt utan att riskera några riktiga pengar. I handeln kallas denna bedömningsprocess tillbaka. Bakom testning är området nu mest försummat av handlare. Ive pratade om betydelsen av psykologi och penninghantering i tidigare kapitel och så har många andra handelsbussar. Så mycket är det nu en uppsjö av information och medvetenhet runt. Du behöver bara surfa på nätet för att se hur mycket fokus ligger på dessa områden som det borde vara. Men all denna uppmärksamhet verkar vara på bekostnad av backtestning. Som ett resultat i handel tillbaka testning, tror jag, har nu blivit det nya minst förstådda och uppskattade handelsområdet. Varför är backtest så viktigt? Återförsäljningstestning är viktigast eftersom det direkt påverkar dina poster och utgångar, penninghantering och psykologi på följande sätt. Inmatningar och exitsback-testning gör att du kan testa hela systemets prestanda med historiska data. Med den informationen kan du göra nödvändiga justeringar för att producera resultaten du letar efter. Med pengarhanteringstestning kan du testa olika modeller för pengarhantering för att se vilka som fungerar bäst med ditt system. Psykologi som diskuterats tidigare i boken, förstå systemets styrkor och svagheter, även om de bara är på papper, kommer att förbättra ditt handelsförtroende. Detta kommer att ha en otrolig effekt på din prestation när du börjar handla för riktiga. Oavsett vilket tekniskt analyskriterium du använder för att handla med medeltal, ljusstakar, volatilitetsbrytningar, Fibonacci retracements eller något annat handelssystem du kommer behöva testa det noggrant, för att ta bort eventuella tvivel om dess förmåga. Utan att handla tillbaka testning uppstår brist på förtroende och tvingar vanligtvis handelsmän att ifrågasätta sina egna handelssystem. De ger frestelsen att ändra sin handelsplan ofta med förödande konsekvenser. Denna frestelse kommer typiskt från en rad förlorande affärer eller ett tillfälle att ersätta sitt handelssystem med en ny whiz-bang-indikator som är den senaste kramen som pratade om i chattforum. Allt som låter för bra för att vara sant kommer att locka uppmärksamheten hos en näringsidkare som inte är nöjd med sitt handelssystem, helt enkelt för att hon inte har testat sitt system korrekt. Hon har inte byggt upp det nödvändiga förtroendet som krävs för att framgångsrikt kunna handla med det system som hon har utvecklat. Kommer min handelsstrategi att bli lönsam Det här är den mest frågade frågan i handelsvärlden. Författare Mark Jurik hade ett slag på att svara på det i sin bok Computerized Trading, som visas i ruta 9.1. Källa: Jurik, M 1999, Datastyrd handel: Maximering av daghandel och övernattningsvinster, New York Institute of Finance, New York. Men vad handlar det om att testa tillbaka exakt Trading backtesting är processen att testa en handelsstrategi med historiska data istället för att testa det i realtid med riktiga pengar. De mätvärden som erhållits från testningen kan användas som en indikation på hur bra strategin skulle ha utförts om den hade tillämpats på tidigare affärer. Tolkning av dessa resultat ger då näringsidkaren tillräckliga mätvärden för att bedöma handelssystemets potential. Logiskt vet vi att resultaten från denna typ av testning inte kommer att kunna förutsäga framtida avkastning med noggrannhetsnoggrannhet, men det kan ge en indikator på huruvida du ens ska driva ett handelssystem eller inte. Vad mer, om du bestämmer dig för att fortsätta och handla systemet, kommer det att ge dig guider om vad du kan förvänta dig. Men frågan kvarstår: Hur kan du testa ett handelssystems prestanda över tiden Det finns bara två sätt att göra det manuellt eller med datorprogram. För att vara ärlig är datorsoftware det enda riktiga alternativet. Jag har provat båda testmetoderna och manuell testning är inte bara tidskrävande men mycket svår att replikera och testa effektivt. Fördelarna som härrör från trading backtesting programvara kan inte överskattas. Det sparar tid och ger dig oändlig möjlighet att finjustera och testa ditt system. Ett litet utlägg i kapital för att köpa bra tillbaka testprogramvara kommer potentiellt att spara dig tusentals på marknaden. Det är en väldigt smart investering om du överväger att designa ett framgångsrikt och mekaniskt handelssystem. Mekanisk backtest Vänligen förstå, så länge som ditt mekaniska handelssystem exklusivt arbetar med prisdata (öppet, högt, lågt, stängt, volym), kommer du att kunna använda program för bakprovning. Till exempel, säg att du skapar ett mekaniskt handelssystem med följande inmatningsregel: Regel: Köp en säkerhet när 10-dagars glidande genomsnitt av slutkursen överstiger 30-dagars glidande medelvärde av slutkurs. Denna regel kan testas ganska enkelt över historiska data. Å andra sidan kan din köpsignalregel vara lite mer komplex, till exempel: Regel: Köp en säkerhet när 10-dagars glidande medelvärde av slutkursen överstiger 30-dagars glidande medelvärde av slutkurs och PE-förhållandet var 75 eller lägre än dess värde tre månader före. Denna regel introducerar data som inte ofta levereras eller underhålls i en databas med prisinformation. För att lyckas tillbaka testet skulle detta innebära att man erhåller historiska data för en säkerhet samt förhållandet mellan pris och vinst (PE-förhållande). Typiskt skulle historiska data om en grupp av aktier bara innehålla den öppna, höga, låga, stängda och volymen för varje period. På grund av denna begränsning är många mekaniska handelssystem utformade kring rent tekniska indikatorer. Tyvärr är det mesta mekaniska handelssystemet baserat på grundläggande data utanför detaljhandelsinvesterarens räckvidd på grund av bristen på historiska data som är tillgängliga för att genomföra ett fullständigt återförsäljningsprövning. Programvara för backtestning Lyckligtvis har idag många kartläggningspaket ett inbyggt program för backtestning. Om du följde processen för att välja en kartläggningspaket i det föregående kapitlet, borde du antingen ha hittat en med testfunktioner som ingår eller hitta en som är kompatibel med ett annat off-shelf-paket. För de av er som bestämde sig för att köpa MetaStock i kapitel 8, är TradeSim 8211 ultimate-trading-systemstradesim troligen den mest realistiska, sanna handelssimulatoranalyser jag har hittat. Det kan snabbt återpröva och utvärdera ett handelssystem, oavsett om det är en säkerhet eller en portfölj med flera säkerheter. Jag tror att tading tillbaka testning är det enda sättet att ta bort självtvivel. När du väl har fastställt att du har ett tillförlitligt och robust handelssystem bara då kommer du vara säker på att handla den. På samma sätt som din kartläggningsprogram, se till att du känner till ditt paket tillbaka till framsidan. Du kan inte få det bästa ut av det om du inte förstår helt hur det fungerar och vad du kan göra med det. Alternativa lösningar Tyvärr har jag sett många kunder aldrig riktigt få det med avseende på backtestning. För många är backtestprogrammet helt enkelt för teknisk. Om du hamnar i den kategorin, ge inte upp. Det är ett kritiskt steg i systemdesignprocessen. För de mindre tekniska har jag hittat en lösning som heter Trading Performance Analyzer Ultimate Trading-Systemstpa. Det är lätt att använda och perfekt för att analysera ditt system innan det handlar om realtid. Viktig anmärkning: Om du befinner dig självtestning och omprövning i hopp om att snubbla över den här silverkulan, kom ihåg, du kommer aldrig skapa ett handelssystem som har en 100 framgångshastighet. Många har försökt (ingår i mig) och alla har misslyckats. Du bör leta efter ett bra handelssystem med minimal drawdown och en bra risk-till-belöningsförhållande. Många handelssystem har mer förlorande affärer än vad de vinner och ändå tjänar de fortfarande pengar. Hur Money Management. (Se kapitel 6.) Slutstycket i systemdesign pusslet är att ta det handelssystem du har utformat i de föregående kapitlen och testa det. Genom att testa dina system har du precis satt dig bland de främsta 1 av handlare, vilket garanterar din framgång Grattis Köp ett återförsäljningspaket för handel: TradeSim 8211 ultimathandel-systemstradesim Trading Performance Analyzer 8211 ultimatradingsystemstpa Lär dig din valda program för bakprovning inifrån och ut. Tillbaka test ditt nyutvecklade system, inklusive dina inmatnings-, utgåvor och penninghanteringsregler. Har du checkat ut Portfolio123 För 50 dollar per månad skärs du för grundläggande och tekniska variabler, backtest it, gör robusthetskontroll (slumpmässiga poster hundratals gånger för att du inte kör körsbär som plockar resultaten) och simuleringstest med separata köp - och säljregler , slippa, anpassade universum, bla, bla, bla. Du kan använda den i 45 dagar som en gratis provperiod om du använder koden HKURTIS när du registrerar dig för att testa den. Innan Portfolio123 trodde jag att endast Zacks Research Wizard var ett billigt alternativ 8211 men hundratals dollar för den vattna versionen, överlevnadsförhållandena och andra problem 8211 nej tack. IMO: s institutionella betygsprogram för ca 120: e kostnaden. Jesuraj 7 mars 2012 kl 05:07 Hej Dave, jag råkade läsa detta utmärkta aritkel. I Metastock skulle jag vilja boka vinst för bara hälften av min position och jag kunde inte hitta något sätt att göra detta. Kan du snälla låt mig veta om sådan testning är möjlig i Metastock. Tack och hälsningar Jesuraj