Блог им. neophyte

Оптимизация МТС

Оптимизация МТС

МТС.
5.
Оптимизация.


Под оптимизацией понимается подбор параметров торговой модели, который дает на исторических данных некий оптимальный (по критериям оптимизации) результат, например, максимальную прибыльность системы, максимальное соотношение прибыль/дродаун и т.п.

Оптимизация обычно проходит в несколько этапов.

Оптимизация МТС

Этап 1. Первоначальная оптимизация. 
Изучите первый сегмент данных и выделите специфические параметры торговой модели, способные увеличить эффективность система, на пример соотношение вознаграждение/риск — P/DD, в этом временном периоде. Под оптимизацией понимают систематический поиск наилучших параметров системы — наилучших, т.е. дающих самую высокую и постоянную прибыль при наименьшем падении капитала.
Оптимальный параметр для первого сегмента подыскивается путем простого подбора: в выбранной формуле индикатора величина параметра варьируется и таким образом подыскивается его значение, при котором размер P/DD оказывается наибольшим. Напомним, что оптимизация должны производиться исключительно в пределах наиболее раннего по времени сегмента данных. Этот первый сегмент, используемый для поиска наилучшего специфического параметра, принято называть выборкой (sample). Данные более позднего времени, не подвергавшиеся анализу, именуются данными вне выборки (out-of-sample).
Наиболее ранние из данных вне пределов выборки будут в свое время использованы для продолжения оптимизации (этап 2).
На этапе 1 необходимо выделить специфический параметр, связанный с оптимальным значением P/DD, однако фиксировать информацию об эффективности системы, исходя из данных в пределах выборки, не следует. Результаты, описывающие эффективность параметра, могут быть подсчитаны только после проведения анализа данных вне выборки (на этапе 5).

Этап 2. Продолжение тестирования.
Найденный оптимальный параметр, полученный на предыдущем этапе, проверяется на следующем, ближайшем сегменте данных вне выборки, не использовавшихся на стадии оптимизации. Данные об эффективности фиксируются для дальнейшего анализа эффективности системы.

Этап 3. Добавление данных.
Сегмент данных, использованный на этапе 2, добавляется к сегменту этапа 1, увеличивая тем самым количество данных в выборке.

Этап 4. Циклическая оптимизация.
Многократно повторяется процедура, проведенная на этапах 1-3 до исчезновения данных вне выборки. Т.е. процесс оптимизации, описанный в п.1, проводится с использованием данных, вошедших после этапа 2 в выборку. Повторив оптимизацию, проверяем полученный параметр на следующем сегменте данных вне выборки и т.д. Этапы 1,2 и3 повторяются до тех пор, пока количество данных вне выборки не будет исчерпано.

Этап 5. Оценка результатов.
Если анализируемые данные не случайны, а количество сегментов достаточно велико, в ходе тестирования вы получите достойную доверия информацию о поведении и эффективности торговой системы в течение ряда лет. Полученные результаты покажут, насколько прибыльной и стабильной оказалась торговая система или системы, и дадут вам возможность из нескольких прошедших тестирование систем выбрать одну для наиболее успешной работы в реальном времени. Ваша гипотеза или торговая модель, таким образом, прошла объективную проверку, по результатам которой она может быть принята или отвергнута.


В случае, если параметр МТС, протестированный на материале всей совокупности данных вне выборки оказался эффективным, следует провести последнюю оптимизацию на базе всех имеющихся данных и получить значение параметра для последующего использования в реальном времени.
Однако не стоит пропускать описанные выше этапы и сразу переходить к тесту на основе всех имеющихся данных, так как при этом будет упущена важнейшая информация о слабых и сильных сторонах МТС, а также об эволюции, которую она претерпевает с течением времени.
Проводя моделирование и оптимизацию, вы можете оставлять в выборке все данные, независимо от того, насколько они устарели. Законы поведения рынка устанавливаются людьми, а человеческая природа мало меняется с течением лет. Старые данные, таким образом, могут быть весьма значимыми, а поведенческие модели, характерные для прошлого — иметь тенденцию к повторению.
И, наоборот, для ускорения процесса допустимо систематически удалять из выборки некоторое количество данных, относящихся к наиболее раннему периоду, заменяя их равным количеством данных из периода вне выборки. Иными словами, для выявления специфического параметра может использоваться скользящее временное окно установленной длины. Если допустить, что основные характеристики рынка существенно меняются с течением времени, стремление аналитика опускать наиболее древние исторические данные представляется оправданным. Кроме того, такой подход позволяет проследить эволюцию параметров МТС.

Литература:

1. Кац Дж.О., МакКормик Д.Л. Энциклопедия торговых стратегий./Пер. с англ. — М.: Альпина Паблишер, 2002.
  • Ключевые слова:
  • мтс
★6


Только зарегистрированные и авторизованные пользователи могут оставлять комментарии.

Залогиниться

Зарегистрироваться
....все тэги
Регистрация
UPDONW