выбор диапазона для тестирования параметра

При выборе пригодного диапазона для тестирования параметра руководствуйтесь двумя принципами. Первое, диапазон должен соответствовать данному индикатору, правилу или модели. Другими словами, сканирование диапазона от 1 до 1000 дней для краткосрочной скользящей средней противоречит понятию краткосрочности (обычно от 3 до 10 дней) и выходит далеко за рамки обычного диапазона, применяемого для скользящих средних (например, от 3 до 200 дней). Для краткосрочной скользящей средней более разумным был бы диапазон сканирования от 1 до 13 дней.

Необходимо контролировать и время вычислений, требуемое тем или иным диапазоном сканирования. Это становится особенно важным при сканированиях нескольких переменных. Для сканирования диапазона скользящих средних от 1 до 13 дней с шагом 2 требуется всего семь тестов, что с точки зрения времени вычислений незначительно, независимо от скорости выполнения отдельных тестов. Сканирование диапазона от 1 до 200 с шагом 1 требует уже 200 тестов, что более чем в 28 раз больше, чем при первом сканировании. И это теряет смысл, если данный параметр слабо влияет на эффективность или если сканируемые значения выходят за рамки нормального диапазона.

Размер шага, с которым сканируется диапазон, важен не только с точки зрения потребности в машинном времени. Слишком тщательное сканирование переменной может израсходовать не только компьютерное время; оно может по невнимательности привести вас к «настраиванию на кривую», особенно если вами не были приняты надлежащие меры предосторожности от выбора всплеска прибыли вместо холма прибыли. Валидным было бы сканирование краткосрочной скользящей средней от 1 до 13 дней с шагом 1 день.

Сканирование долгосрочной скользящей средней от 10 до 200 Дней с шагом 1 день будет повышать вероятность подстраивания под кривую, снижать валидность результатов и увеличивать время на получение результатов. Причина этого в том, что 5-процентное изменение этой средней при длине 100 дней дает средние с периодами 95 и 105. Сравните это с 5-процентным изменением при периоде 20 дней, которое дает 19-дневную и 21-дневную средние. Тесты на периоде 100 чаще в 5 раз.

Выбор данных

Отбор подходящих данных подчиняется двум правилам: объем выборки должен быть достаточно большим, чтобы обеспечить статистическую валидность, и выборка должна включать достаточно широкий диапазон рыночных условий. Эти факторы также взаимозависимы. Объем тестовых данных должен быть достаточным для генерации статистически значимой выборки сделок. В идеале, в выборке должно быть как минимум 30 сделок, и чем больше, тем лучше.

Некоторые правила «потребляют» данные, сокращая число степеней свободы, следовательно, объем выборки данных и число генерируемых сделок должен быть достаточно большим, чтобы удовлетворять ограничениям со стороны торговой модели и процесса оптимизации.

Рассмотрим следующий пример. Торговая модель, использующая 2 скользящих средних, тестируется на выборке данных за 200 дней. Самая длинная скользящая средняя может иметь период 50 дней. Для ее вычисления используются данные за 50 дней, что приводит к «потреблению» 50 степеней свободы. При этом остается лишь 150 дней, которые могут генерировать сигналы. Если генерируется 5 сделок, мы имеем 2 скользящих средних, стоп-лосс, и т.д... (т.е., 5 правил продуцируют 5 сделок). Следовательно, этот тест должен быть либо отменен, либо модифицирован. Модифицировать его можно путем увеличения числа точек данных в выборке, сокращения периода длинной скользящей средней в данном тесте или исключением ограничивающих правил.

Выполнение второго принципа может оказаться более трудным. Выборка данных должна быть репрезентативной относительно рынка в целом. Она должна содержать как можно больше типов тренда, паттернов и ситуаций: бычьих, медвежьих, застойных и цикличных. Она также должна содержать максимально возможное число различных уровней волатильности: высоких, средних и низких.

Руководствуйтесь этими принципами. Включайте как можно более разнообразные ценовые данные и используйте объем выборки, соответствующий стилю данной модели. Это правило наибольшей и максимально обшей возможной выборки. Если данный подход оказывается непрактичным, берите как можно больше данных, подобных текущим рыночным условиям. Это правило наиболее пригодной доступной выборки.