На часовых графиках я предлагаю следующий вариант такого оценивания. Следует взять часовой график длиной несколько больше 10 месяцев (естественно, от настоящего времени назад 10 месяцев, см. прилагаемый рисунок OutOfSample). Запрограммированную систему оптимизируете на промежутке времени в первые 4 месяца (мне кажется, 3-х месяцев может быть недостаточно, но это вы сами определите экспериментально, т.к. может быть по-разному для разных рынков). Потом фиксируете найденные оптимальные параметры и с ними тестируете систему на следующем месяце (control). Потом сдвигаете 4-месячный период настройки системы вправо на один месяц и все повторяете. Таким образом, для каждого статистического показателя (на рисунке один из таких показателей назван efficiency measure), входящего в таблицу TS_statistics вы получаете 6 значений. Полезно построить график наиболее важных из этих показателей, чтобы понять особенности их поведения. Из найденных 6 значений строите среднее арифметическое (average на рисунке). Именно найденное среднее значение и заносите в таблицу TS_statistics в качестве значения данного показателя efficiency measure.
Для подготовки к реальной торговле следует выбрать наиболее важные из показателей (например, RRR является универсальным показателем, по нему можно сравнивать разные системы на одном рыке или наоборот, сравнивать эффективность одной и той же системы при работе на разных рынках), исходя из особенностей своего подхода к торговле, наличия капитала, времени и пр. Не обязательно заполнять всю приведенную в моем учебнике таблицу, хотя вполне можно придумать и свои собственные показатели.
Когда вы таким образом прошли по периоду 10 месяцев, вы заполнили один столбец таблицы TS_statistics, то есть, получили статистические оценки для одного выбранного вами значения параметра (разные столбцы таблицы соответствуют разным значениям параметра), меняя которые, вы анализируете поведение системы. Теперь следует взять следующее значение этого параметра (например, предыдущий анализ выполнялся для MaxStop = 50, теперь берете MaxStop = 60) и повторяете всю процедуру по 10-и месяцам заново, заполняя второй столбец таблицы. И так надо пройти по всему диапазону интересующих вас значений выбранного параметра системы.
Стоит отметить, что для каждого значения (каждой клетки) вашей таблицы вы на самом деле имеете не только среднее значение показателя efficiency measure, но можете найти и величину его разброса. Для успеха торговли необходимо, чтобы важный показатель не только имел высокое среднее значение, но чтобы и разброс его наблюдений был как можно меньше (чтобы меньше был риск получить неблагоприятное значение). Шесть наблюдений, конечно, несколько маловато для построения статистики разброса, но тут вопрос и в трудоемкости. Вычисленные значения среднеквадратичного разброса можно поместить, например, в виде примечаний к клеткам таблицы, чтобы не увеличивать количество файлов.
Такая оценка эффективности системы, я думаю, может уже иметь некоторое отношение к реальной статистике будущей торговли. Найденные в результате подобного статистического анализа параметры системы (MaxLoss, ProfitTarget, параметры индикаторов) можно использовать для планирования работы на рынке. Еще более такая работа необходима, если вы хотите выбрать из нескольких рынков тот, на котором ваша система обещает наилучший результат.
Ничего существенно нового по сравнению с освоенной вами ранее методикой статистического анализа тут нет. Но, как видите, объем работы очень велик, так что имеет смысл все это делать именно для той системы, которой действительно доверяете и хотите выйти с ней на рынок. Продумайте вариант такой собственной системы.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.