Forex Walk Forward Prüfung

Backtesting und Forward Testing: Die Bedeutung der Korrelation Händler, die eifrig sind, eine Trading-Idee in einem Live-Markt versuchen oft den Fehler, sich vollständig auf Backtesting-Ergebnisse, um festzustellen, ob das System profitabel sein wird. Während Backtesting Händler mit wertvollen Informationen versorgen kann, ist es oft irreführend und es ist nur ein Teil des Evaluierungsprozesses. Out-of-Sample-Tests und Vorwärts-Performance-Tests bieten weitere Bestätigung in Bezug auf eine System-Effektivität, und kann zeigen, dass Systeme echte Farben, bevor echtes Geld auf der Linie ist. Eine gute Korrelation zwischen Backtesting-, Out-of-Sample - und Forward-Performance-Testergebnissen ist entscheidend für die Bestimmung der Tragfähigkeit eines Handelssystems. Weitere Informationen finden Sie unter Backtesting: Interpretation der Vergangenheit. Backtesting-Grundlagen Backtesting bezieht sich auf die Anwendung eines Handelssystems auf historische Daten, um zu überprüfen, wie ein System während des Trainings durchgeführt worden wäre Den angegebenen Zeitraum. Viele der heutigen Handelsplattformen unterstützen Backtests. Händler können Ideen mit wenigen Tastenanschlägen testen und Einblicke in die Effektivität einer Idee erhalten, ohne Geld in einem Handelskonto zu riskieren. Backtesting kann einfache Ideen auswerten, wie z. B. wie ein gleitender Durchschnitt Crossover auf historische Daten oder komplexere Systeme mit einer Vielzahl von Eingaben und Trigger ausführen würde. Solange eine Idee quantifiziert werden kann, kann sie rückgängig gemacht werden. Einige Händler und Investoren können die Expertise eines qualifizierten Programmierers, um die Idee in eine testable Form entwickeln zu suchen. Typischerweise handelt es sich um einen Programmierer, der die Idee in die proprietäre Sprache codiert, die von der Handelsplattform gehostet wird. Der Programmierer kann benutzerdefinierte Eingabevariablen enthalten, die es dem Händler ermöglichen, das System zu optimieren. Ein Beispiel hierfür wäre das einfache gleitende durchschnittliche Crossover-System, wie oben erwähnt: Der Trader würde in der Lage sein, die Längen der beiden im System verwendeten Bewegungsdurchschnitte einzugeben (oder zu ändern). Der Händler konnte backtest, um zu bestimmen, welche Längen der gleitenden Durchschnitte das beste auf den historischen Daten durchgeführt hätten. (Mehr Einblick in das Electronic Trading Tutorial.) Optimierungsstudien Viele Handelsplattformen ermöglichen auch Optimierungsstudien. Dies beinhaltet die Eingabe eines Bereichs für die angegebene Eingabe und lassen Sie den Computer die Mathematik, um herauszufinden, welche Eingabe würde die besten durchgeführt haben. Eine Multi-Variable-Optimierung kann die Mathematik für zwei oder mehr Variablen kombinieren, um zu bestimmen, welche Ebenen zusammen das beste Ergebnis erzielt haben. Beispielsweise können Händler dem Programm mitteilen, welche Eingaben sie in ihre Strategie aufnehmen wollen, die dann unter Berücksichtigung der getesteten historischen Daten auf ihre idealen Gewichte optimiert würden. Backtesting kann spannend sein, indem ein unrentables System oft mit wenigen Optimierungen magisch in eine Geldmaschine verwandelt werden kann. Leider tweaking ein System, um das größte Niveau der Vergangenheit Rentabilität zu erreichen führt oft zu einem System, das schlecht im realen Handel ausführen wird. Diese Überoptimierung schafft Systeme, die nur auf Papier gut aussehen. Kurvenanpassung ist die Verwendung von Optimierungsanalysen, um die höchste Anzahl von Gewinntransaktionen mit dem größten Gewinn aus den in der Testperiode verwendeten historischen Daten zu schaffen. Obwohl es in Backtesting-Ergebnissen eindrucksvoll aussieht, führt die Kurvenanpassung zu unzuverlässigen Systemen, da die Ergebnisse im Wesentlichen nur für diese bestimmten Daten und Zeiträume angepasst sind. Backtesting und Optimierung bieten viele Vorteile für einen Händler, aber dies ist nur ein Teil des Prozesses bei der Bewertung eines potenziellen Handelssystems. Der nächste Schritt besteht darin, das System auf historische Daten anzuwenden, die in der anfänglichen Backtesting-Phase nicht verwendet wurden. (Der gleitende Durchschnitt ist einfach zu berechnen und ist, sobald er in einem Diagramm aufgezeichnet ist, ein leistungsstarkes visuelles Trend-Spotting-Tool.) Weitere Informationen finden Sie unter Simple Moving Averages, die Trends Stand Out darstellen.) In-Sample und Out-of-Sample-Daten Beim Testen einer Idee auf historische Daten ist es vorteilhaft, einen Zeitraum von historischen Daten für Testzwecke zu reservieren. Die anfänglichen historischen Daten, auf denen die Idee getestet und optimiert wird, werden als In-Probe-Daten bezeichnet. Der reservierte Datensatz wird als Out-of-Sample-Daten bezeichnet. Dieses Setup ist ein wichtiger Teil des Evaluierungsprozesses, da es eine Möglichkeit bietet, die Idee auf Daten zu testen, die nicht Bestandteil des Optimierungsmodells waren. Infolgedessen wird die Idee in keiner Weise durch die Out-of-Sample-Daten beeinflusst worden sein, und Händler werden in der Lage sein zu bestimmen, wie gut das System auf neuen Daten, d. H. Im realen Handel, vorgehen könnte. Bevor ein Backtesting oder eine Optimierung initiiert wird, können Händler einen Prozentsatz der historischen Daten reservieren, die für das Out-of-Sample-Testen reserviert werden sollen. Eine Methode besteht darin, die historischen Daten in Drittel aufzuteilen und ein Drittel für die Verwendung im Out-of-Sample-Test zu trennen. Nur die In-Probe-Daten sollten für die Erstprüfung und Optimierung verwendet werden. Fig. 1 zeigt eine Zeitlinie, in der ein Drittel der historischen Daten für einen Test außerhalb des Abtastwerts reserviert ist, und zwei Drittel für das In-Probe-Testen verwendet werden. Obwohl Fig. 1 die Out-of-Sample-Daten am Beginn des Tests zeigt, würden typische Prozeduren den Out-of-Sample-Anteil aufweisen, der unmittelbar der Vorwärtsleistung vorausgeht. Abbildung 1: Eine Zeitzeile, die die relative Länge von In-Sample - und Out-of-Sample-Daten repräsentiert, die im Backtesting-Prozess verwendet werden. Sobald ein Handelssystem unter Verwendung von In-Sample-Daten entwickelt worden ist, ist es bereit, auf die Out-of-Sample-Daten angewendet zu werden. Trader können die Performance-Ergebnisse zwischen den In-Sample - und Out-of-Sample-Daten auswerten und vergleichen. Korrelation bezieht sich auf Ähnlichkeiten zwischen den Leistungen und den Gesamttrends der beiden Datensätze. Korrelationsmetriken können bei der Bewertung der im Testzeitraum erstellten Strategieleistungsberichte verwendet werden (ein Feature, das die meisten Handelsplattformen bereitstellen). Je stärker die Korrelation zwischen den beiden, desto besser die Wahrscheinlichkeit, dass ein System gut in Vorwärts-Performance-Tests und Live-Handel. Fig. 2 veranschaulicht zwei verschiedene Systeme, die auf In-Probe-Daten getestet und optimiert wurden und dann auf Daten außerhalb der Abtastwerte angewendet wurden. Das Diagramm auf der linken Seite zeigt ein System, das klar kalibriert wurde, um gut auf den In-Sample-Daten zu arbeiten und bei den Out-of-Sample-Daten vollständig fehlgeschlagen ist. Die Grafik auf der rechten Seite zeigt ein System, das sowohl im In - als auch im Out-of-Sample-Bereich gut funktioniert. Abbildung 2: Zwei Aktienkurven. Die Handelsdaten vor jedem gelben Pfeil stehen für Stichprobenprüfung. Die zwischen den gelben und roten Pfeilen erzeugten Trades deuten auf Proben außerhalb des Tests hin. Die Trades nach den roten Pfeilen stammen aus den Vorwärts-Performance-Testphasen. Wenn es nur wenige Korrelationen zwischen dem Stichprobenverfahren und dem Out-of-Sample-Test gibt, wie das linke Diagramm in Abbildung 2, ist es wahrscheinlich, dass das System überoptimiert wurde und im Live-Handel nicht gut funktioniert. Wenn es eine starke Korrelation in der Leistung gibt, wie in dem rechten Diagramm in 2 zu sehen ist, beinhaltet die nächste Phase der Evaluierung eine zusätzliche Art von Out-of-Sample-Tests, die als Vorwärtsleistungstests bekannt sind. (Für weitere Informationen über die Prognose, siehe Financial Forecasting: Die Bayessche Methode.) Forward Performance Testing Basics Forward Performance Testing, auch bekannt als Papierhandel. Bietet den Händlern einen weiteren Satz von Out-of-Sample-Daten, auf denen ein System ausgewertet werden kann. Forward-Performance-Tests ist eine Simulation des tatsächlichen Handels und beinhaltet nach der System-Logik in einem Live-Markt. Es wird auch Papierhandel genannt, da alle Trades auf Papier ausgeführt werden, nur, dass Handelseinträge und Exits dokumentiert werden, zusammen mit irgendeinem Gewinn oder Verlust für das System, aber keine wirklichen Trades ausgeführt werden. Ein wichtiger Aspekt der Vorwärtsleistungstests ist, der Systemlogik genau anders zu folgen, es wird schwierig, wenn nicht unmöglich, diesen Schritt des Prozesses genau zu bewerten. Trader sollten ehrlich über alle Handels-Einträge und Ausfahrten und vermeiden Verhalten wie Cherry Kommissionierung Trades oder nicht einschließlich eines Handels auf Papier Rationalisierung, dass ich nie diesen Handel genommen hätte. Wenn der Handel nach der Systemlogik aufgetreten wäre, sollte er dokumentiert und ausgewertet werden. Viele Broker bieten ein simuliertes Trading-Konto, in dem Trades platziert werden können und der entsprechende Gewinn und Verlust berechnet. Mit einem simulierten Handelskonto kann eine semi-realistische Atmosphäre geschaffen werden, auf der der Handel praktiziert und das System weiter beurteilt werden kann. Abbildung 2 zeigt auch die Ergebnisse für Vorwärtsleistungstests an zwei Systemen. Wiederum kann das in der linken Tabelle dargestellte System nicht weit über das anfängliche Testen an In-Probe-Daten hinausgehen. Das in der rechten Grafik gezeigte System arbeitet jedoch weiterhin gut durch alle Phasen, einschließlich der Vorwärtsleistungstests. Ein System, das positive Ergebnisse mit guter Korrelation zwischen In-Sample-, Out-of-Sample - und Forward-Performance-Tests zeigt, ist bereit, in einem Live-Markt implementiert zu werden. Das Bottom Line Backtesting ist ein wertvolles Werkzeug in den meisten Handelsplattformen. Durch die Aufteilung historischer Daten in mehrere Sets, die für Stichproben - und Out-of-Sample-Tests sorgen, können Händler eine praktische und effiziente Methode zur Bewertung einer Handelsidee und eines Systems darstellen. Da die meisten Trader Optimierungstechniken im Backtesting einsetzen, ist es wichtig, dass dann das System auf saubere Daten ausgewertet wird, um seine Lebensfähigkeit zu bestimmen. Fortsetzung der Out-of-Sample-Tests mit Vorwärts-Performance-Tests bietet eine weitere Ebene der Sicherheit, bevor sie ein System in den Markt riskant echtes Geld. Positive Ergebnisse und eine gute Korrelation zwischen In-Sample - und Out-of-Sample-Backtests und Forward-Performance-Tests erhöhen die Wahrscheinlichkeit, dass ein System im eigentlichen Handel gut abschneiden wird. (Einen umfassenden Überblick über die technische Analyse finden Sie unter Technische Analyse: Einleitung.) Ein Unternehmen verfügt über einen freien Cashflow für die letzten 12 Monate. Trailing FCF wird von Investment-Analysten bei der Berechnung einer company039s verwendet. Ein Reichtum Psychologe ist ein Geistesgesundheit Fachmann, der auf Probleme spezialisiert, die sich speziell auf reiche Einzelpersonen beziehen. Geldwäsche ist der Prozess der Schaffung des Aussehens, dass große Mengen an Geld aus schweren Verbrechen, wie erhalten. Rechnungslegungsmethoden, die sich auf Steuern und nicht auf das Auftreten von öffentlichen Abschlüssen konzentrieren. Steuerberatung wird geregelt. Der Boomer-Effekt bezieht sich auf den Einfluss, den der zwischen 1946 und 1964 geborene Generationscluster auf den meisten Märkten hat. Ein Anstieg der Preise für Aktien, die oft in der Woche zwischen Weihnachten und Neujahr039s Day auftritt. Es gibt viele Erklärungen. Walk forward-Analyse für EAs Beitritt Mai 2008 Status: Mitglied 29 Beiträge Hit Für alle Kollegen :-) Gibt es jemanden auf diesem Forum, die Walk Forward Analysis to Eas von ihm oder im Internet gekauft Darüber hinaus tun, tun Sie Wissen, von einer Website, die Ranking von Eas auf der Grundlage von WFER veröffentlicht (gehen vorwärts Effizienz rario) Hier sind einige doc eareview. net tick-datawfa Weiter, für den Handel Geeks: amazon Evaluation-Opt. Dp 0470128011 Ive kaufte 2 Programme, Tick Daten Suite und Walk forward Datenanalysator. Im nicht versuchen, Spam über diese Software. Einfach, indem ich beide Software gekauft habe, versuchte Ive, vorwärts zu gehen Test, der von mir errichtet wurde, errichtet durch Freiberuflerprogrammierer und gekauft auf Internet. Aber Im nicht in der Lage, eine anständige wfer (gt0.5) zu erhalten und so habe ich nicht in der Regel eine robuste Strategie. Darüber hinaus haben Sie einige ea, die vielversprechend ist, hat anpassbare Parameter (es ist nicht eine Black Box) und erfordert keine Authentifizierung auf Websites. Ich möchte es testen und sehen, ob es eine anständige wfer hat. Hier ist ein Beispiel für eine robuste Strategie: docs. google-Datei d 0BQw. Ituspsharing Dabei seit Sep 2011 Status: Mitglied 171 Beiträge Wow, das ist etwas, was Ive seit Jahren gefragt. Ich erinnere mich daran, einfache Prüfung mit Bugs-Tick-Daten und es war ein Alptraum, der es in MT4. Massive Vielen Dank für den Austausch dieser Informationen. Ich habe einige russische EAs, die ich vor ein paar Jahren gegeben wurde. Ich glaube, sie könnten von laufenden Walk-forward-Tests und Optimierung profitieren, da die Strategien waren sehr gut. Auch wenn Sie noch nicht gefunden haben, etwas sicher wäre Sie daran interessiert, teilen Sie Ihre Ergebnisse mit mir mindestens so, dass es würde mir helfen, über den gleichen Boden. Ich freue mich, alle Set-Dateien, die ich mit einem WFER gt0.5 zu teilen. Ps. Ich bemerkte in dem Beispiel, das Sie nur mit offenen Preisen getestet haben, war dies für Demonstrationszwecke, da ich immer mit 99 Tickdaten testen würde. Sicher ist es aber nur zu überprüfen. Aufrechtzuerhalten.