TradeStation Walk Forward Optimizer (WFO) — это усовершенствованный инструмент для оптимизации автоматизированных торговых систем (ATS), который автоматизирует очень сложный многоуровневый процесс статистического тестирования входных параметров (Inputs) АТС. В тех случаях, когда возможности большинства классических тестов оптимизации ограничены, WFO позволяет выполнить набор оптимизационных анализов по историческим данным In-Sample в сравнении с неизвестными и неоптимизированными историческими данными Out-of-Sample. Цель этих тестов — имитировать непредсказуемость торговли в реальном времени. Цель этого моделирования — определить, будет ли АТС прибыльной в реальной торговле или нет. Мы много обсуждали принцип оптимизации входных параметров и тестирования в последних главах, поэтому мы не будем возвращаться к этим проблемам.
Мы сконцентрируемся исключительно на WFO, который является универсальным инструментом для тестирования надежности АТС с использованием механизма бэктестирования TradeStation, EasyLanguage и отчетов о производительности бэктестинга. Чтобы помочь вам полностью понять этот инструмент, мы должны сначала объяснить, что означает тестирование Walk Forward (тесты Walk Forward являются основой анализа Walk Forward Analysis — WFA). Чтобы проиллюстрировать эту концепцию, мы составили следующую схему, в которой вы можете увидеть WFA, содержащий серию тестов из IS и OOS данных (всего 8 тестов).
Рис. 1: Walk Forward Analysis
На рис. 1 вы можете увидеть пример WFA на отрезке 12 месяцев (каждый трейдер может самостоятельно установить исторический период, я часто использую исторические данные старше 10 лет). Этот WFA включает в себя 8 частей In-Sample (синие поля) и 8 частей Out-Of-Sample (зеленые поля). Таким образом, с пятого месяца мы фактически имитируем реальные условия торговли по неизвестным данным
Как мы поступим в анализе?
Основной принцип очень прост: мы выполняем тесты оптимизации для всех прогонов In-Sample, и после идентификации оптимальных настроек входных параметров в In-Sample Fitness Function (FF) мы применяем эти настройки к данным Out-of-Sample. Если вы недостаточно знакомы с вопросом о FF и тестировании оптимизации, пожалуйста, прочтите еще раз предыдущие главы, о которых я уже упоминал в начале
Всегда хорошо повторять все на простом примере:
Представьте себе, что вы торгуете через АТС с двумя входными параметрами (входы) длинной и короткой скользящей средней. Для более длинной скользящей средней мы используем, например, диапазон от 50 до 100 с приращениями 10 (то есть 6 комбинаций) и для более короткого периода перемещения 5-45 также с приращениями 10 (то есть 5 комбинаций). В итоге получаем: 5 x 6 = 30 возможных комбинаций двух входных параметров. Теперь представьте, что наша FF будет иметь самую высокую чистую прибыль. В первом прогоне In-Sample, то есть с первого по четвертый месяц, мы обнаружили, что наибольшая чистая прибыль была достигнута в комбинации 5 на более короткой скользящей средней и 60 для более длинной скользящей средней. Поэтому мы применим установки параметров 5 и 60 к первому тестированию Out-Of-Sample, то есть к пятому месяцу.
Во втором пробном прогоне, т.е. cо второго по пятый месяц, мы выяснили, что наибольшая чистая прибыль была в комбинации 15 и 80. Поэтому мы применим установки параметров 15 и 80 ко второму тестированию Out-Of-Sample , Т.е. шестой месяц.
Мы применяем тот же принцип к следующим прогонам (Walk Forward), вплоть до Прогона In-Sample 8 с проверкой на последних данных Out-of-Sample, то есть 12-м месяце.
Этот принцип называется WFA «Rolling». Дело в том, что мы делим исторические данные на разные части, благодаря чему получаем больше данных Out-Of-Sample для оценки устойчивости АТС. Затем мы оцениваем потенциал устойчивости по заданным критериям. В следующих главах мы расскажем об этих критериях тестирования. Для начала скажем, что основным критерием для нас должно быть то, что результаты Out-of-Sample оказались как минимум на половину такими же прибыльными как и оптимизированные параметры In-Sample.
Все вышеприведенные данные показывают, что анализ WFA является наиболее реалистичным моделированием поведения АТС в реальной торговле. WFA помогает нам ответить на эти основные вопросы
- Останется ли прибыльной АТС даже после оптимизации (цель которой — найти наиболее подходящие входные параметры для живой торговли)?
- Какие характеристики производительности должны иметь АТС для того, чтобы иметь возможность быть прибыльным по неизвестным данным в реальной торговле?
- Какое влияние на производительность АТС окажет изменение тенденции, волатильности или ликвидности в будущем?
- Как часто мы должны повторно оптимизировать входные параметры системы (входы)?
Более продвинутый инструмент, который выходит за рамки возможностей инструментов, предлагаемых большинством платформ программного обеспечения, и который также включен в платформу TradeStation, — это Walk Forward Cluster Analysis. Это набор многих анализов Walk Forward, принцип которых мы объясним в следующей главе.
Питер
(c) AOStrading.cz
Предыдущее: 21. Out-of-Sample Testing and Optimisation in TradeStation
Следущее: 23. Cluster Walk Forward Analysis in TradeStation (Advanced Tool for ATS Robustness Testing)
