回溯測試的策略有哪些(Different Types of Backtesting Strategies)？

回溯測試策略有三種主流方法：使用分成三組的實際價格數據；bootstrap，它使用實際價格數據，但重新抽樣；以及蒙特卡羅模擬。有一些理論問題將系統建設者劃分為哪種方法是最好的。對交易者來說重要的是，在將交易資金交給系統之...

回溯測試策略有三種主流方法：使用分成三組的實際價格數據；bootstrap，它使用實際價格數據，但重新抽樣；以及蒙特卡羅模擬。有一些理論問題將系統建設者劃分為哪種方法是最好的。對交易者來說重要的是，在將交易資金交給系統之前，他至少正確地使用了一種回溯測試策略。選擇回溯測試策略的一個關鍵問題是生成的交易；在系統建設者工作的每個階段至少需要1000筆交易。商人使用實際價格數據豎起大拇指，分為三部分，是大多數系統構建者通常的起點。系統是使用前三分之一的數據創建的。此時，構建者已經找到了一些算法，這些算法似乎能產生足夠的利潤，風險很小，可以提供良好的前景。第二個三分之一的數據用于優化系統。在系統優化后，它將應用于剩余的三分之一的數據。這稱為樣本外測試，這是大多數系統失敗的地方如果系統在至少1000個交易中仍然有良好的結果，那么系統構建者就有了一個可行的系統。如果系統在樣本外測試中生成的交易少于1000個，那么構建者應該考慮另一個回溯測試策略。引導是一種從總集合中提取一些數據，進行測試，將數據放回原處的方法，再抽取更多的數據，或者重新抽樣，再重新測試。理想的重采樣次數是nn，或者n的n次方，其中n是原始樣本中的數據數量。對于一個可能處理至少2500個數據點（10年中每年250天）的交易者來說，這是不現實的幸運的是，100個重采樣將提供一個高水平的信心，即引導樣本將反映原始數據，使結果可靠。如果采取100個重采樣不能提供所需的1000個交易，交易者需要繼續重采樣，直到達到目標，如果他期望系統，而不僅僅是重新采樣數據，為了可靠。后驗策略的最后一種方法是蒙特卡羅（MC）模擬。該方法使用計算機生成模擬數據，然后在該數據上對系統進行測試。MC模擬的優點是可以創建無限量的數據，允許一個人生成10個，000個交易或任何其他數量的交易。另一個優勢是每個新的數據集都是樣本外的。這提供了重復優化和測試運行的機會；只需對該數據集進行優化，然后將這些系統參數應用到計算機生成的下一個數據中。MC模擬的一個缺點是數據可能不具有與交易數據完全相同的概率分布函數，這可能會使結果產生偏差。在所有可能的情況下，這三種回測策略都應在對系統進行審查。這三個方面的成功應該為現實世界的交易提供了非常高的成功可能性。