Ensaio avançado do sistema de negociação

Como iniciar a negociação: testando seu plano de negociação.
Uma parte integrante do processo de desenvolvimento é testar o plano de negociação para determinar sua expectativa - quanto dinheiro o sistema poderia fazer em um mercado ao vivo? A maioria de nós já viu as advertências publicadas em vários sites e literatura financeira, declarando: "O desempenho passado não é indicativo de resultados futuros". Embora isso seja certamente verdade para os planos de negociação, há medidas que você pode tomar para determinar se um plano é susceptível de ter sucesso no futuro; nomeadamente testes de teste de backtesting e de avanço.
Backtesting.
O termo backtesting refere-se ao teste de um sistema de negociação em dados históricos para ver como ele teria realizado durante esse período de tempo. A maioria das plataformas de negociação de hoje tem recursos de backtesting robustos e você pode testar idéias rapidamente sem arriscar o dinheiro em sua conta de negociação. Backtesting pode ser usado para avaliar idéias simples, como o desempenho de um crossover médio móvel ou sistemas mais complexos com uma variedade de insumos e disparadores.
O encaixe da curva envolve o ajuste ou otimização do sistema para criar a maior porcentagem de negócios vencedores ou o maior lucro nos dados históricos usados ​​no período de teste. Embora torne um sistema fantástico em resultados de backtesting, ele leva a sistemas não confiáveis, uma vez que os resultados são essencialmente projetados por um período de tempo - no passado. Backtesting e otimização oferecem muitos benefícios, mas é apenas parte do processo ao avaliar um sistema comercial. O próximo passo é aplicar o sistema a novos dados históricos.
Em-amostra versus dados fora da amostra.
É benéfico reservar um período de dados históricos para fins de teste. Os dados históricos iniciais que você testou e otimizou são conhecidos como dados na amostra e o conjunto de dados que foi reservado é chamado de dados fora da amostra. Este conjunto de dados "limpo" é uma parte importante do processo de avaliação porque fornece uma maneira de testar a idéia sobre os dados que não influenciaram o processo de otimização. Isso pode lhe dar uma idéia melhor de como o sistema irá atuar na negociação ao vivo.
Uma vez que seu plano de negociação foi avaliado usando dados na amostra, você pode aplicá-lo aos dados fora da amostra. Se houver baixa correlação entre o teste na amostra e fora da amostra, é provável que o sistema seja super otimizado e não funcionará bem na negociação ao vivo. Se houver uma forte correlação, a próxima fase de avaliação é um tipo adicional de teste fora da amostra conhecido como teste de desempenho para a frente.

Teste de sistema de negociação frente
O AmiBroker 5.10 possui o modo automático de teste Walk-Forward.
O teste automático Walk forward é uma técnica de projeto e validação do sistema na qual você otimiza os valores dos parâmetros em um segmento passado de dados de mercado (& # 8221; in-sample & # 8221;); então, verifique o desempenho do sistema testando-o para a frente no tempo em dados que seguem o segmento de otimização (& # 8221; out-of-sample & # 8221;). Você avalia o sistema com base em quão bem ele executa nos dados do teste (& # 8221; out-of-sample & # 8221;), e não nos dados em que foi otimizado. O processo pode ser repetido em segmentos de tempo subsequentes. A seguinte ilustração mostra como o processo funciona.
O objetivo do teste walk-forward é determinar sempre que o desempenho do sistema de negociação otimizado seja o realista ou o resultado do ajuste de curva. O desempenho do sistema pode ser considerado realista se tiver valor preditivo e funcionar bem em dados de mercado não vistos (fora da amostra). Quando o sistema é projetado corretamente, o desempenho comercial em tempo real deve ser em relação ao descoberto durante a otimização. Se o sistema estiver funcionando na negociação real, primeiro deve passar por um teste de caminhada. Em outras palavras, nós realmente não nos interessamos nos resultados na amostra, pois eles são (ou devem ser) sempre bons. O que interessa é o desempenho do sistema fora da amostra. É a estimativa realista de como o sistema funcionaria na negociação real e rapidamente revelará quaisquer problemas de ajuste de curva. Se o desempenho fora da amostra é fraco, então você não deve trocar esse sistema.
A premissa de realizar várias etapas de otimização / teste ao longo do tempo é que o passado recente é uma base melhor para selecionar valores de parâmetros do sistema do que o passado distante. Esperamos que os valores dos parâmetros escolhidos no segmento de otimização sejam bem adaptados às condições de mercado que seguem imediatamente. Isso pode ou não ser o caso, à medida que os mercados passam pelo ciclo urso / touro, então deve-se tomar cuidado ao escolher o período de in-sample. Para obter mais informações sobre o design e a verificação do sistema usando o procedimento walk-forward e todas as questões envolvidas, podemos recomendar o livro de Howard Bandy: "Quantitative Trading Systems & quot; (veja links na página AmiBroker).
Para usar a otimização Walk-Forward, siga estas etapas:
As datas de início e término marcam o início do período inicial / final.
Este período será movido para a frente pelo passo até o final atingir a última data.
Por padrão, um & # 8220; EASY MODE & # 8221; é selecionado, o que simplifica o processo de configuração de parâmetros WF.
a) O segmento fora da amostra imediatamente segue o segmento na amostra.
b) o comprimento do segmento fora da amostra é igual ao passo walk-forward.
entre períodos. O modo Intraday define a data de INÍCIO do próximo período como PRÓXIMO DIA após o final do período anterior. Isso garante.
esse dia limite não é contado duas vezes ao testar dados intraday.
A interface permite desativar seletivamente as fases na amostra e fora da amostra usando caixas de seleção na parte superior (para coisas especiais, como executar backtests seqüenciais sem otimização).
Todas as configurações são imediatamente refletidas na lista PREVIEW que mostra todos os segmentos IS / OOS gerados e suas datas.
será usado para classificar os resultados e encontrar o melhor. Qualquer coluna embutida pode ser usada.
(como aparece na saída de otimização), ou você pode usar qualquer métrica personalizada que você defina.
no backtester personalizado. O padrão é CAR / MDD, você pode, no entanto, selecionar qualquer outra medida incorporada do combo.
Você também pode selecionar qualquer métrica personalizada que você tenha adicionado via interface de backtester personalizada.
MUDANÇO combinado em amostra e fora de amostra.
As ações combinadas em amostra e fora da amostra estão disponíveis por.
Os tickers compostos OSEQUITY (períodos consecutivos de IS e OOS são concatenados e dimensionados para manter a linha de continuidade da equidade - essa abordagem pressupõe que, geralmente, você está combinando lucros).
ISEQUITY "," In-Sample Equity ", colorRed, styleLine);
OSEQUIDADE "," Out-Of-Sample Equity ", colorGreen, styleLine);
Relatório de resumo OUT-OF-SAMPLE (novo em 5.60)
A versão 5.60 traz um novo relatório de resumo walk-forward que cobre todas as etapas fora da amostra. É visível no Report Explorer como o último e tem o "& quot; PS"; tipo.
Houve mudanças significativas para avançar os testes realizados para permitir um relatório sumário fora da amostra. A mudança mais importante é que cada teste subsequente de fora da amostra usa o patrimônio inicial igual ao passo anterior que termina o patrimônio. (Anteriormente, usou equidade inicial constante). Essa alteração é necessária para o cálculo adequado de todas as estatísticas / métricas em todas as seções de teste fora da amostra.
O relatório de resumo mostra a nota de que as métricas integradas representam corretamente todas as etapas fora da amostra, mas as métricas personalizadas de resumo são compostas usando o método definível pelo usuário:
1 valor do primeiro passo, 2 valor do último passo, 3 soma, 4 média, 5 mínimo, 6 máximo.
Por padrão, o relatório de resumo mostra o valor da última etapa das métricas personalizadas, A MENOS QUE o usuário especifique o método de combinação diferente em.
bo. AddCustomMetrics agora possui novo parâmetro opcional - CombineMethod.
bool AddCustomMetric (string Title, variant Value, [opcional] variante LongOnlyValue, [opcional] variante ShortOnlyValue, [opcional] variante DecPlaces = 2, [opcional] variante CombineMethod = 2)
Este método adiciona métrica personalizada ao relatório de backtest, backtest & quot; summary & quot; e lista de resultados de otimização. O título é um nome da métrica a ser exibida no relatório, o valor é o valor da métrica, os argumentos opcionais LongOnlyValue, ShortOnlyValue permitem fornecer valores para colunas longas / curtas adicionais no relatório de teste posterior. O último argumento DecPlaces controla quantas casas decimais devem ser usadas para exibir o valor.
Os valores CombineMethod suportados são:
1 valor de primeiro passo, - relatório de resumo mostrará o valor da métrica personalizada desde o primeiro passo fora da amostra.
2 valor do último passo (padrão), - relatório de resumo mostrará o valor da métrica personalizada a partir da última etapa fora da amostra.
3 soma, - relatório de resumo mostrará a soma dos valores da métrica personalizada de todas as etapas da amostra.
4 média, - o relatório de resumo mostrará a média dos valores da métrica personalizada de todas as etapas da amostra.
5 mínimo, - o relatório de resumo mostrará o menor valor da métrica personalizada a partir de todas as etapas da amostra.
6 máximo.- relatório de resumo mostrará o maior valor da métrica personalizada a partir de todas as etapas da amostra.
Observe que determinados métodos de cálculo de métricas são complexos e, por exemplo, a média deles não levaria a uma representação matematicamente correta de todos os testes fora da amostra. Os resumos de todas as métricas incorporadas são matematicamente corretos fora da caixa (ou seja, são * não * médias, mas métricas adequadamente calculadas usando um método apropriado para determinado valor). Isso contrasta com as métricas personalizadas, porque elas são definíveis pelo usuário e cabe ao usuário selecionar o método de "combinação", e ainda pode acontecer que nenhum dos métodos disponíveis seja apropriado.
Por esse motivo, o relatório inclui a nota que explica que método utilizável pelo usuário foi usado para combinar métricas personalizadas.

O que é avançar o avanço da otimização?
Um dos maiores problemas com o desenvolvimento do sistema é que muitas estratégias de negociação não se sustentam no futuro. Isso pode ser devido a várias razões:
O sistema não se baseia em uma premissa válida As condições do mercado mudaram de maneira dramática que invalida as premissas teóricas nas quais o sistema foi desenvolvido O sistema não foi desenvolvido e testado com uma metodologia de som. Por exemplo, (a) falta de robustez em um sistema devido a parâmetros inadequados e (b) regras inconsistentes e testes inadequados do sistema usando dados fora da amostra e na amostra.
Existem várias abordagens e metodologias para avaliar a robustez e aumentar a probabilidade de desempenho comercial positivo da vida real, incluindo:
Evitação do pico Número limitado de parâmetros otimizáveis ​​Gráfico de superfície 3D Análise de Monte Carlo Análise de dados Avançar e analise o atraso.
Uma das formas mais robustas de testar a confiabilidade de um sistema de comércio e garantir que o programa tenha a maior probabilidade de se comportar bem na negociação real ao vivo é usar a otimização de marcha para frente (WFO), um método descrito pela primeira vez no livro e # 8220; Design, Testes e Otimização de Sistemas de Negociação & # 8221; por Roberto Pardo.
O que é uma análise progressiva?
A análise de marcha para frente é o processo de otimização de um sistema comercial usando um conjunto limitado de parâmetros e, em seguida, testando o melhor parâmetro otimizado definido em dados fora da amostra. Esse processo é semelhante a como um comerciante usaria um sistema de negociação automatizado em negociação real ao vivo. A janela de tempo na amostra é deslocada para a frente pelo período coberto pelo teste fora da amostra e o processo é repetido. No final do teste, todos os resultados registrados são utilizados para avaliar a estratégia de negociação.
Em outras palavras, a análise progressiva faz otimização em um conjunto de treinamento; testes em um período após o conjunto e, em seguida, rola tudo para frente e repete o processo. Nós temos vários períodos fora da amostra e analisamos esses resultados combinados. O teste avançado é uma aplicação específica de uma técnica conhecida como validação cruzada. Significa tomar um segmento de dados para otimizar um sistema e outro segmento de dados para validar. Isso dá um período maior fora da amostra e permite que o desenvolvedor do sistema veja como o sistema está estável ao longo do tempo.
A imagem abaixo ilustra o procedimento de análise avançado. Uma otimização é realizada durante um período mais longo (os dados na amostra) e, em seguida, o conjunto de parâmetros otimizados é testado durante um período mais curto subseqüente (dados fora da amostra). Os períodos de otimização e teste são deslocados para frente e o processo é repetido até atingir um tamanho de amostra adequado.
Para demonstrar o conceito, realizaremos neste artigo uma otimização de avançar em um sistema de negociação de vulnerabilidade (VBO). Para o teste, usaremos os dados alemães DAX futuros, NinjaTrader, CQG históricos de 1 minuto, e assumiremos 3 pontos de derrapagem para cada comércio R / T para cobrir as fricções comerciais.
O processo consiste em três etapas principais:
Definir períodos de amostra e fora da amostra Definir uma área de parâmetros robustos Execute a caminhada para a frente.
Definição dos períodos in-sample e out-of-sample.
Escolheremos como na amostra 1/1/2001 a 31/12/2009 para o projeto do sistema e otimização na amostra e 1/1/2010 a 31/12/2012 como período fora da amostra para avaliar o in - robusteza de otimização de amostra e execute o avanço da marcha. Em seguida, usaremos uma proporção de 3: 1 para o WFO (otimização para avançar):
Otimize 2007 a 2009 e verifique o desempenho fora de amostra em 2010 Optimize 2008 a 2010 e verifique o desempenho fora de amostra em 2011 Otimize 2009 a 2011 e verifique o desempenho fora de amostra em 2012.
Defina a área de parâmetros robustos no período na amostra.
Nesta seção, iremos definir a & # 8220; área robusta & # 8221; dos parâmetros do sistema. Otimizaremos apenas 3 parâmetros do sistema:
Período de retorno do período de retorno médio rápido do filtro de volatilidade médio lento.
Outros parâmetros do sistema que não vamos otimizar são:
Hora de início: 09:00 (GMT + 1) Hora de término: 22:00 (GMT + 1) Última troca: 18:00 (GMT + 1) Parar o risco: 2% Negociações máximas por dia: 3 Sair ao fechar: Verdadeiro.
Otimização da resolução de gráficos.
Como podemos ver, o SQN médio (número de qualidade do sistema) tende a diminuir à medida que aumentamos o período de tempo do gráfico em minutos. Escolheremos 14 minutos para todas as simulações no futuro.
Para mais informações sobre SQN:
O código NinjaTrader para o número da qualidade do sistema pode ser baixado aqui:
Definição da área de parâmetros robustos para as médias.
Através de um gráfico de superfície 3D, podemos identificar a área de parâmetros robustos da seguinte maneira:
Média lenta: 12 a 30 minutos Média rápida: 330 a 500 minutos.
Definimos & # 8220; robusto & # 8221; uma área de área de parâmetro que não tem picos ou vales importantes e geralmente possui um bom desempenho.
Definição do parâmetro robusto para o filtro de volatilidade.
Como podemos ver, a área robusta para o filtro está entre 0,55 e 0,70 quando o SQN está aumentando lentamente.
Agora que identificamos a área de parâmetros robustos, vale a pena realizar uma otimização completa na amostra para ver como o sistema teria realizado entre 2001 e 2009.
O sistema gerou um lucro líquido de US $ 120.000 entre 2001 e 2009 com um fator de lucro de 1,56, com 756 negócios com uma média de 41% de negócios lucrativos. Os sistemas exibem certas características desejáveis, como uma alta relação ganhos / perdas de 2,28.
Avançar para a otimização.
Conforme previsto, agora vamos proceder com uma otimização de avançar.
Passo 1: Nós otimizaremos entre 2007-2009 e encontraremos os melhores parâmetros.
Os melhores parâmetros para o período 2007-09 são:
Aplicamos esses parâmetros ao período fora da amostra em 2010 com os seguintes resultados:
Lucro líquido: US $ 12.300.
Fator de lucro: 1,38.
Passo 2: Nós otimizaremos entre 2008-2010 e encontraremos os melhores parâmetros.
Os melhores parâmetros para o período 2008-10 são:
Aplicamos esses parâmetros ao período fora da amostra em 2011 com os seguintes resultados:
Lucro líquido: US $ 27.900.
Fator de lucro: 1,61.
Passo 3: Nós otimizaremos entre 2009-2011 e encontraremos os melhores parâmetros.
Os melhores parâmetros para o período 2009-11 são:
Aplicamos esses parâmetros ao período fora da amostra em 2012 com os seguintes resultados:
Lucro líquido: US $ 17.540.
Fator de lucro: 1.58.
Conclusões.
Neste artigo, mostramos como realizar uma otimização de avançar em um sistema mecânico intradía. Os resultados avançados estão em linha com os resultados na amostra e isso cria confiança na robustez da estratégia.
Para mais informações sobre estratégias de negociação algorítmica, visite: vbosystems. info.
& # 8212; Por Amon Licini da VbO Systems. O VbO Systems é um desenvolvedor de sistemas de negociação 100% automatizados codificados no NinjaTrader que podem ser negociados automaticamente em quase todas as classes de ativos. Amon Licini, fundador da Vbo Systems, é comerciante privado há 15 anos e gerente sênior com várias empresas na Itália. Os principais interesses comerciais da Amon residem na área de volatilidade e de breakouts abertos para sistemas intraday. Vive em Milão com sua esposa e 2 filhos e adora viajar quando ele não está desenvolvendo novos sistemas. Amon é licenciada em engenharia mecânica pela Universidade Politécnica de Milão.
Sobre o Autor System Trader Success Contributor.
Os autores contribuintes são participantes ativos nos mercados financeiros e totalmente absorvidos na análise técnica ou quantitativa. Eles desejam compartilhar suas histórias, idéias e descobertas no System Trader Success e espero que você seja um comerciante do sistema melhor. Entre em contato conosco se você quiser ser um autor contribuidor e compartilhar sua mensagem com o mundo.
Posts Relacionados.
Estratégia quebrada ou mudança de mercado: investigação de desempenho insuficiente.
Descobrindo o que funciona, e o que não funciona.
Trading The Equity Curve & # 038; Além.
Publicações populares.
Connors 2-Period RSI Update para 2013.
Este indicador simples faz dinheiro novamente e novamente.
The Ivy Portfolio.
Melhorando a Estratégia de Identidade Simples, Parte 1.
Copyright © 2017 da Capital Evolution LLC. - Projetado por temas Thrive | Powered by WordPress.
Por favor faça login novamente. A página de login será aberta em uma nova janela. Depois de efetuar o login, você pode fechá-lo e retornar a esta página.

Walk Forward Testing em TradersStudio & reg;
Alternativamente, convidamos você a baixar a demo.
de TradersStudio para tentar avançar testes!
Walk forward test é um método poderoso que é usado na negociação financeira para determinar o melhor conjunto de parâmetros para uma otimização. Isso pode parecer complexo, mas, na realidade, é um conceito simples e poderoso para ajudá-lo a construir os melhores sistemas de negociação ao redor. É também um conceito que o TradersStudio implementa muito bem.
Muitas vezes, ao discutir sistemas de negociação, falamos sobre a robustez do sistema. A capacidade de um sistema para funcionar bem em todas as condições do mercado é importante. Se você tem um sistema que faz muito bom durante os mercados de tendência ascendente, mas perde quantidades significativas de dinheiro durante os mercados de tendência de baixa (como 2008), diriamos que o sistema não é robusto. Existem condições de mercado que o farão realmente, muito mal. Se pudéssemos filtrar esses maus negócios & # 8211; talvez desligue o sistema durante tendências descendentes & # 8211; chamaríamos o sistema & # 8220; robusto & # 8221; porque pode ser trocado com confiança em muitas condições de mercado.
O teste avançado nos ajuda a determinar a robustez do sistema ao nos permitir dividir os dados históricos em dois grupos. & # 8220; Dados na amostra & # 8221; são os dados que usamos para otimizar nosso sistema. & # 8220; Dados fora da amostra & # 8221; são os dados que utilizamos para testar o nosso sistema. Podemos fazer perguntas hipotéticas como # 8220; se eu estivesse negociando esse sistema entre 2005 e 2007, como meu sistema teria realizado em 2008? & # 8221; Esses tipos de perguntas ajudam a testar a capacidade do sistema de trabalhar em muitas condições de mercado diferentes. Se vemos que o parâmetro ideal para janelas na amostra também funciona bem nas janelas fora da amostra, então podemos ter uma melhor confiança na lucratividade futura do sistema. Obviamente, não podemos prever o futuro e os lucros não são garantidos por nenhum meio, mas podemos ganhar confiança e confiança no sistema. Em um par de artigos, escrevi extensivamente sobre como o teste avançado é realmente a base para determinar a robustez do sistema comercial. Estes artigos que são publicados na Revista Futures, incluem "otimização: ensinar um velho cão novos truques" # 8221; e o seu sistema pode fazer a caminhada & # 8220 ;. Eu recomendo que você tome o tempo para ler esses artigos se você estiver interessado em aprender mais sobre a análise de avançar (depois de ler este artigo, é claro!).
Para aqueles que estão interessados, há um ótimo artigo sobre o uso do & # 8220; backtesting & # 8221; e & # 8220; teste para frente & # 8221; em Investopedia. Este artigo destaca como os dois conceitos são distintamente diferentes, mas também relacionados.
Vale a pena notar que os computadores modernos têm avançado no poder de processamento tanto que agora podemos fazer esse tipo de análise extensivamente para garantir que possamos sistemas robustos. Eu escrevi sobre esse avanço de computadores em um artigo para Futures Magazine, que é intitulado "Análise do Sistema de Negociação: então e agora" # 8220 ;. Todas as técnicas que discuto neste site são aquelas que você pode executar em seu computador doméstico ou laptop. Nenhum hardware extravagante é necessário!
Walk Forward Testing by Example.
Muitas vezes, é melhor ilustrar como um conceito funciona por exemplo. Como com todos os nossos exemplos, usaremos o TradersStudio para destacar como esse conceito funciona. Suponha que você tenha um sistema de comércio super simples que consiste em olhar o RSI (indicador de força relativa) para a Microsoft. Digamos que nosso sistema está codificado para comprar quando o RSI vai abaixo de 50 e para vender quando o RSI ultrapassa 50. O RSI é calculado durante uma série de dias. Codificar este sistema é trivial no TradersStudio:
Agora queremos responder a uma pergunta básica: qual número de dias produz os resultados mais lucrativos? Devemos calcular o RSI nos últimos três dias? Os cinco últimos? Podemos executar o sistema com tentativa e erro, mas esta é uma tarefa demorada. Nós podemos garantir a robustez no sistema ao avançar nos testes.
Vamos testar um comprimento de RSI de 1 a 30, pisando 1 dia de cada vez. Usaremos 500 como janela de treinamento (cerca de dois anos) e executá-lo para 250 (cerca de um ano, dado que o mercado está aberto cerca de 252 dias por ano). Otimizaremos o lucro líquido máximo para a taxa de retirada. Dito de outra forma, o computador vai calcular o RSI usando dias de 1 a 30 para os dois primeiros anos de dados. Em seguida, vai ter o melhor número de dias para esses dois anos de dados (os dados na amostra) e testar a forma como ele é executado ao longo do ano seguinte (dados fora da amostra) e reportar esses resultados. Então, TradersStudio avançará o marcador um ano. Isso deixará o ano mais antigo de dados e inclui um ano dos dados mais recentes no conjunto de treinamento. Depois calcularemos o número ótimo de dias para esses novos dados. Em seguida, encontrará o melhor número de dias e teste no ano seguinte. É assim que o teste avançado tem seu nome. Estamos "caminhando para frente" através dos dados, testando como o nosso sistema executa na amostra e depois fora da amostra.
Primeiro clicamos no botão avançar para otimizar dentro do TradersStudio.
Em seguida, estabelecemos os parâmetros conforme descrito acima.
Podemos ver como este tipo de análise funciona a partir dos resultados abaixo:
Temos início de treinamento e períodos de treinamento finais que estão aproximadamente a dois anos de intervalo, então testamos por cerca de um ano depois para ver como o sistema executa. Podemos ver o parâmetro ideal durante os dois primeiros anos de teste e como esse parâmetro foi realizado no ano seguinte. Isso nos permite construir sistemas de negociação mais robustos. Otimização tradicional funciona respondendo a pergunta: nos últimos 20 anos, como meu sistema teria atuado sob este conjunto de parâmetros? O problema com esta questão básica é que isso não fornece qualquer visão sobre como seu sistema funcionará no futuro ou qualquer visão sobre como seu sistema teria funcionado em períodos de tempo menores no passado. Muitas vezes, é possível ter um sistema que funcione muito bem em tempos muito longos (talvez ele atinja um comércio realmente grande em 2011), mas, em geral, é medíocre na melhor das hipóteses. Um bom sistema deve passar para o teste avançado - o que significa que devemos ser capazes de testá-lo em pequenos troços de dados históricos e ver que o sistema, de fato, trabalha com dados fora da amostra.
Por que isso é importante?
A confiança em um sistema é importante. Eu testemunhei tantas vezes quando as pessoas perderam dinheiro em suas contas comerciais porque não podiam seguir o sistema ou não confiaram nisso. Compreender o seu sistema comercial e ter fé nisso, é realmente a diferença entre os comerciantes que ganham dinheiro e aqueles que não o fazem. Muitos sistemas funcionam, e caminhar para a frente testes ajuda você a ganhar confiança naqueles que fazem e aqueles que não. Todos os comerciantes profissionais usam testes avançados no seu trabalho e eu recomendo que você também faça o mesmo!
Se você está interessado em aprender mais sobre esse conceito, eu incentivo você a ler as entradas do blog sobre o assunto:
Essas entradas passam por um exemplo mais complexo de usar o TradersStudio para fazer esse tipo de análise.
Além disso, uma vez que a otimização é um tópico tão crítico tanto para mim como para outros comerciantes ao longo dos anos, eu também incentivá-lo a considerar uma análise de alguns livros sobre o assunto por autores bem respeitados, como Robert Pardo.
Copyright © 2014-2015 TradersStudio, Inc. Todos os direitos reservados. TradersStudio & reg; é uma marca registrada da TradersStudio, Inc.
Nenhuma parte deste site pode ser copiada sem a permissão expressa do autor.