Forex 도보 앞으로 테스트

Walk Forward Analyzer는 이제 무료입니다!

다운로드 페이지로 이동하여 무료 사본을 받으십시오!

귀사의 전문 고문이 진정으로 수익성이 있는지 어떻게 알 수 있습니까? MetaTrader 's Strategy Tester는 전체 그림을 제공하지 않습니다! 지나치게 낙관적 인 백 테트를 기반으로 거래하고 있으며 귀하의 전문 고문이 실시간 거래에서 돈을 잃어 가고 있다는 사실에 실망한 적이 있습니까? 귀사의 전문 고문이 돈을 잃지 않고 쉽고 빠르게 수익성이 있는지 알고 싶습니까?

MetaTrader의 Walk Forward Analyzer.

Walk Forward Analyzer는 MetaTrader 자체의 Strategy Tester를 사용하여 사용자가 제공 한 설정 및 테스트 매개 변수를 사용하여 워크 어워드 분석을 수행합니다. 소프트웨어는 사용하기 쉽고 수동으로 수행하는 데 소요되는 시간보다 훨씬 짧은 시간 안에 완전한 도보 분석을 제공 할 수 있습니다.

워크 어워드 분석은 샘플 외부 데이터에 최적화 된 매개 변수를 사용하여 거래 할 때 전문 고문이 수익을 창출하는지 여부를 결정합니다. 모든 전문 고문은 인상적인 최적화 결과를 산출 할 수 있지만, 진정한 테스트는 미래의 데이터에 대해 테스트했을 때 그 결과가 보류 될 것인지 여부입니다. Walk Forward Analyzer는 수개월 및 수년의 과거 데이터에 대해이 프로세스를 여러 번 수행하므로 전문 고문의 실제 성과를 정확하게 파악할 수 있습니다.

도보 이동 분석이 끝나면 상세한 도보 이동 분석 보고서가 표시되어 테스트 및 최적화 실행 결과, 총 테스트 이익 / 손실 및 워크 퍼포먼스 효율성 비율을 보여줍니다. 귀하의 거래 시스템이 얼마나 강건한 지 알 수 있습니다.

Walk Forward Analyzer 작동 방법을 참조하십시오.

도보 이동 분석 절차에 익숙하지 않은 경우 Walk Forward Analysis 란 무엇입니까? 를 읽으십시오. 거래 시스템의 견고 함과 잠재적 인 수익성을 결정하는 것이 가장 좋은 방법 인 이유를 알아보십시오. 아래의 비디오는 Walk Forward Analyzer for MetaTrader의 전체 연습 및 자습서를 제공합니다.

Walk Forward Optimization.

당신이 걷고 있었고 무작위로 비가 내리기 시작했다면, 내일 우산을 가지고 다니는 것이 어떻습니까? 물론 그렇 겠지.

제가 수사학적인 질문을하는 이유는 사람들이 행동을 관찰 할 때 그에 따라 반응한다는 것입니다. 그들이 다시 무언가가 일어나기를 기대한다면, 그들은 결과의 변화를 수용하기 위해 행동을 바꿉니다.

forex 로봇에 관해 생각할 때, 모두는 영원히 작동하는 전략을 개발할 꿈을 가지고 있습니다. 변경이 필요 없습니다. 초기 설정은 항상 작동합니다. 그것을 켜고 해변으로 이동하십시오.

물론 현실은 그것보다 복잡합니다.

앞으로 걸어 가기 최적화는 한 세트의 정적 설정 대신 지속적으로 최적화합니다.

그것은 필연적으로 전략이 잘못 될 때 당신이해야 할 일에 대한 기대로이 끕니다. 현재 시장에서 작동하고 놀랍도록 잘 수행 할 수있는 전략을 제시 할 가능성이 매우 높습니다. 그러나 과거의 천재는 미래의 천재를 의미하지 않는다. 앞으로 귀하의 전략이 더 이상 효과가 없을 확률이 항상 높습니다.

왜 그런가요? 오늘 비가 내리면 내일 우산을 들고 다니는 것과 같은 이유가 있습니다. 사람들은 일관된 방식으로 시장을 관찰합니다. 점점 더 많은 사람들이 관찰을함에 따라, 사람들은 그것에 대한 거래를 시작합니다. 시장은 이러한 변화에 대응하고, 결국 많은 사람들이 그것에 대해 귀를 기울이기 때문에 기회가 완전히 사라집니다.

워크 워스트 테스트는 전략이 쇠퇴했는지 여부를 결정하는 프로세스입니다. 한 세트의 데이터를 테스트 한 다음 블라인드 세트로 테스트하면 전략이 나쁘거나 나쁜지 여부를 알 수 있습니다. 앞으로 걸어 가기의 목표는 당신의 전략이 좋다는 것을 증명하는 것이 아닙니다. 전략이 나쁜 것으로 알려지지 않았 음을 증명하는 것입니다.

walk forward 테스트 과정은 매우 간단합니다. 테스트 및 최적화에 사용할 정보 집합을 식별합니다. 실제 예제를 사용하여 지금은 2014 년 초입니다. 따라서 2011 년부터 2012 년까지의 데이터를보고 테스트하고 싶을 것입니다. 샘플 데이터 일 것이고 샘플 데이터가 부족한 경우 2013.

워크 워 크 포워드 테스트를 수행하려면 전략 2011-2012를 테스트하고 분석하십시오. 그런 다음 '나쁜 것으로 알려져 있지 않은지'를 판단하기 위해 실적을 검토하기 위해 2103으로 진행합니다.

당신이 한 것은 맹목적인 테스트입니다. 2011-2012 년에 전략을 테스트 한 결과 2013 년에 전략이 어떻게 수행되는지 알지 못했습니다. 블라인드 샘플에 놓음으로써 실패 할 수있는 기회를 제공합니다.

많은 상인들이 앞으로의 테스트에 대한 믿음을 갖게 된 이유는 최적화에서 약점을 식별하는 데있어 절대적인 최상의 도구이기 때문입니다. 전략을 테스트 할 때 과거의 기회에 지나치게 적합 할 가능성이 높습니다.

현재 시장에서 자기 피드백이 반복됩니다.

내가 한 가지 예를 들어 보겠다. 현재의 시장에서 많은 상인들이 매일 시장 개방 시장에서 금을 치고 있습니다. 그들은 가능한 한 많은 금을 팔고 있습니다. 때로는 몇 분 내에 연간 생산의 몇 배가됩니다. 당신이 보는 것은 5 분 또는 10 분 동안 절대적 자유 낙하입니다. 그 상태는 한 번에 며칠 동안 지속됩니다. 그러나 그것은 영원히 지속되지 않습니다. 충분한 상인이 사람들이 공개적으로 금을 치는 것을 보게되면, 그들은 똑같은 일을 시작합니다.

효과적으로 시장 개방을 위해 금을 떨어 뜨리고 싶은 사람은 누구나 다른 상인에게 그 거래를하도록 가르쳐주었습니다. 사람들은 금의 처음 5 분 안에 금이 떨어질 것으로 기대하면서 행동을 바꾸게됩니다. 일부는 열린 마음을 터트려 짧게 달려갑니다.

다른 사람들은 행동을 수정하기 시작합니다. 그들은 금이 5 분 동안 떨어지는 것을 알아 차립니다. 그런 다음 갑자기 멈추고 그 이상으로 끝나면 다시 끝납니다. 그들은 열린 순간부터 많은 시간이 경과 한 후에 압정과 구매를 바꾸기 시작합니다. 그들은 판매 이전의 무거운 볼륨이 결국 정상으로 돌아갈 것으로 예상합니다. 사람들이 행동을 바꾸면 다른 사람들이 친절하게 반응합니다.

충분한 사람들이 공개 판매를 시작한 다음 5 분 후에 영업을 시작하면 한 사람이 다른 사람의 행동에 응답하는 패턴이 형성되고 있음을 알 수 있습니다. 첫 며칠 동안 일하는 국가가 더 이상 미래에 작동하지 않는 자체 피드백 루프입니다.

이러한 조건에서 살아남을 수있는 전략을 파악하고 테스트 및 최적화를 수행하지 못한 상황에서 살아남을 수 있다면 미래에 성공할 확률이 더 높아집니다. 그렇게 많은 거래자들이 당신이 발견 한이 거래 기회를 찾지 못했음을 의미합니다.

앞으로 테스트를 진행하는 방법은 커브 피팅 (curve fitting)으로 알려진 문제에 대한 해독제입니다. 커브 피팅은 궁극적 인 시도입니다. 어제부터 차트를 여는 것과 비슷하지만 여기에서 구입할 것이라고 말하면서 이미 팔렸던 것을 알고 이미 팔렸을 것입니다.

물론 돈을 벌기 위해 & # 8221; 그 상황에서. 시장이 한 일에 대해 완벽한 정보를 알고 있습니다. 앞으로는 완벽한 정보를 알지 못합니다. 전략의 목표는 그 모호함을 다루는 것입니다.

커브 피팅이란 새로운 상황이 필연적으로 발생했을 때 역사가 필연적으로 발생했을 때 역사가 그 자체로 반복하지는 않지만 운율이 매겨지는 과거 시장 상황에 모든 것을 완벽하게 적용한다는 것을 의미합니다. 8221; 당신의 전략은 똑같은 일을합니다.

과거 성과에 대한 전략을 원하지만 역사적인 시장에서 돈을 벌 수있는 전략을 찾지는 못합니다. 전략 개발의 목적은 미래 시장에서 돈을 벌는 것입니다. 다시 테스트 할 때는 탄탄한 과거 실적과 가장 중요하게는 역사적 지식이 미래 실적에 적용되는지 확인해야합니다. 당신의 목표는 돈을 버는 것입니다.

롤링 워크 전달 최적화.

롤링 워크 포워드 최적화는 앞으로의 아이디어를 취해이를 새로운 데이터에 노출시킴으로써 전략을 지속적으로 향상시킵니다. 따라서 샘플 기간이 24 개월이라고 가정 해 보겠습니다. 한 가지 방법은 2 개월 동안 전략을 최적화 한 다음 3 개월 째 앞으로 진행하는 것입니다. 행동을 관찰하고 두 번째 및 세 번째 달을 다시 최적화 한 다음 네 번째 달까지 앞으로 이동하십시오.

계속해서 그렇게함으로써 전략의 붕괴 시간을 없애고 진행중인 시장 상황에 적응할 수있는 기회를 제공합니다. 그것은 기계 학습을위한 빨간 머리의 의붓 자식입니다. 경험과 손실은이 전략이 워크 포워드 최적화를 통해 시장 변화를 개선하고 조정할 수있는 기회를 제공합니다.

& # 8230; 전략의 붕괴 시간을 없애고 진행중인 시장 상황에 적응할 수있는 기회를 제공하십시오.

walk forward 분석을위한 또 다른 중요한 고려 사항은 시스템 내의 자유도입니다. 예를 들어 이동 평균 교차 분석을한다고 가정 해 보겠습니다. 당신은 2 개의 이동 평균을 사용하고 고정 된 stoploss를 사용하고 이익을 취합니다. 그렇게하면 4도 자유가 생깁니다. 빠른 이동 평균은 첫 번째 학위입니다. 느린 이동 평균은 두 번째 학위입니다. 세 번째는 stoploss이고 네 번째는 이익을 얻는 것입니다.

시스템에서 허용하는 자유도가 높을수록 시스템을 과거 데이터에 맞게 조정할 확률이 크게 높아집니다. 절대적인 최상의 시스템은 12도 이하의 자유도를 유지합니다. 당신은 많은 수의 거래가 있고 만족스러운 성과를 제공하는 거래 기회를 찾고 싶습니다.

최적화에서 고려해야 할 또 다른 요소는 최적화 대상입니다. 대부분의 사람들은 절대 수익에 중점을 둡니다. 반품은 훌륭하지만 대부분의 거래자는 얼마나 많은 돈을 버는 대신 돈을 버는가에 대해 훨씬 더 신경을 씁니다. 내가 한 가지 예를 들어 보겠다. 작년에 2 만 5 천 달러를 벌어 들인 시스템이 있다면 그걸 원할 것 같습니까? 거의 모든 사람들이 그렇다고 말합니다.

작년에 2 만 5 천 달러를 벌어 들인 시스템이 있지만 돈을 벌기 전에 15,000 달러를 잃어야했습니다. 대부분의 사람들은 그 시스템을 원하지 않습니다. 이것이 의미하는 바는 최종 결과보다는 매일 매일의 실적에 대해 더 많이 신경 쓴다는 것입니다. 최적화 문제와 앞으로 나아가는 최적화 문제는 실제 세계에서 당신이 관심을 가지는 것에 초점을 맞추지 않아도된다는 것입니다. 즉, 돈을 벌 수있는 방식입니다.

대부분의 차트 패키지는 최종 결과에 중점을두고 있으며 시스템에 약점을 유발할 수 있습니다. 범위 거래를하는 경우 체리는 상당한 뉴스의 영향을 가장 적게받는 결과를 선택합니다. 사실, 아직 뚱뚱한 꼬리의 영향을받지 않은 설정을 선택했습니다.

트렌드 트레이딩을한다면 정반대입니다. 과거에 일어난 뚱뚱한 꼬리를 극대화하는 설정을 의도적으로 선택합니다. 트렌드 트레이딩 전략을 사용하면 일관된 성과를 거둘 수 없을 것입니다. 대신에, 최적화가 빈번하고 끊임없이 지속되는 가뭄의 긴 가뭄을 야기한다는 사실을 알게 될 것입니다. 갑자기, 거의 아무 데서나, 당신이 경험 한 드래그 다운의 몇 배를 돌려주는 거대한 괴물 우승자를 찾습니다. 이것은 가설적인 백 테스트에 대해서는 문제가 없지만, 매일 매일 거의 손해를 보는 현실 세계에서 대부분의 거래자는 고통을 감수 할 수 없습니다. 대부분의 최적화에서 발견 할 수있는 약점은 성능의 일관성을 고려하지 않는다는 것입니다. 전략을 최적화 할 수있는 잠재적 인 대안은 시간이 지남에 따라 자본 곡선의 선형 회귀를 살펴 보는 것입니다. 최고의 주식 곡선은 가장 강한 선형 회귀 기울기를가집니다.

롤링 워크 포워드 최적화를 구현하는 인기있는 차트 패키지는 Amibroker, TradeStation, Multicharts 및 NinjaTrader입니다.

NinjaTrader에서 앞으로 최적화하십시오.

Control Center에서 Strategy Analyzer를여십시오. 파일 / 신규 / 전략 분석기를 클릭하십시오.

NinjaTrader에서 전략 분석기를 엽니 다.

악기 또는 악기 목록을 마우스 왼쪽 버튼으로 클릭하고 오른쪽 마우스를 클릭하면 마우스 오른쪽 버튼 클릭 메뉴가 나타납니다. Walk Forward 메뉴 항목을 선택하십시오. & # 8220; w & # 8221; 전략 분석 도구 모음의 아이콘을 클릭합니다. 바로 가기 키를 선호하는 경우 CTRL + W를 사용할 수도 있습니다. 마지막으로 & W, # 8221; 전략 분석기의 왼쪽 상단에있는 아이콘을 클릭합니다. 전략 슬라이드 아웃 메뉴에서 전략 선택하기 Walk Forward 속성을 설정하고 (속성 정의에 대해서는 & # 8220; Walkward Forward 속성 이해 & 아래 섹션 참조) OK 버튼을 누릅니다.

NinjaTrader에서 도보 앞으로 최적화를 선택하는 방법은 여러 가지가 있습니다.

워크 플로우 진행 상태가 제어 센터의 상태 표시 줄에 표시됩니다.

6 응답.

MT5 Strategy Tester는 워크 포워드 (walk-forward) 기능을 갖추고 있습니다 (그러나 롤링은 아닙니다).

공유 해줘서 고마워, 댄.

훌륭한 기사. 가장 힘든 부분은 최적화 및 포워드 테스트를위한 좋은 전략을 얻으려는 시도였습니다.

이 기사는 최적화를위한 아주 좋은 방법을 제시합니다.

WFA 도구가 있습니까?

WFA가 무슨 뜻이야? 앞으로 나아가는 분석?

최근에 나는 WFA를 실험하기 시작했고 놀랄만 한 관찰을했다. 다른 모든 항목이 동일 할 경우 첫 번째 샘플 내 기간의 시작 날짜가 단 1 개월 만 이동하면 WFA의 워크 플로 전달 효율성 결과가 크게 달라질 수 있습니다.

Google 스프레드 시트에서 WFA 실행 & # ​​8211; goo. gl/6VHRDU.

사례 1에서 첫 번째 IS-OS 단계는 2006 년 8 월 2 일에 시작되어 각 단계에서 6 개월 앞으로 슬라이드됩니다. 사례 2에서 그것은 2006 년 7 월 2 일에 시작됩니다.

사실상, 사례 1의 경우 WFA는 처음에 한 달을 빠져 나가고 사례 2에 비해 한 달이 끝난다.

사례 1 WFE : 100 %

이것은 계절적인 변화의 경우입니까? 다른 설명은 없습니까? 그것들 사이의 큰 차이를 보는 것은 정말 놀랍습니다.

반면에, 우리는 샘플 기간에서 6 개월에서 2 개월로 바뀌면 현상이 반전됩니다. 이 상황에서 2006 년 7 월 2 일부터 시작하는 WFA 인스턴스는 2006 년 8 월 2 일부터 시작되는 인스턴스보다 성능이 우수합니다.

WFA 실행과 결과 반전을 모두 보여주는 Google 스프레드 시트 & # 8211; goo. gl/AkH4ID.

이 현상에 대해 더 많은 빛을 던질 수 있겠습니까?

Backtesting and Forward Testing : 상관 관계의 중요성.

라이브 시장에서 거래 아이디어를 시도하기를 열망하는 거래자는 종종 시스템이 수익성이 있는지 여부를 결정하기 위해 백 테스팅 결과에 전적으로 의존하는 실수를합니다. 백 테스팅은 정보 제공자에게 유용한 정보를 제공 할 수 있지만 오도 된 것으로 종종 평가 과정의 한 부분 일뿐입니다. 샘플을 벗어난 테스트 및 순방향 성능 테스트는 시스템의 효율성에 대한 추가 확인을 제공하고 실제 현금이 통화되기 전에 시스템의 실제 색상을 표시 할 수 있습니다. backtesting, out-of-sample 및 forward 성능 테스트 결과 간의 좋은 상관 관계는 거래 시스템의 실행 가능성을 결정하는 데 중요합니다. (현재 거래 전략을 세분화하는 데 도움이되는 몇 가지 팁을 제공합니다. 자세히 알아 보려면 Backtesting : Past Interpreting the Past를 읽어보십시오.)

아이디어가 정량화 될 수 있다면 그것은 다시 테스트 될 수 있습니다. 일부 거래자와 투자자는 검증 된 양식으로 아이디어를 개발할 자격을 갖춘 프로그래머의 전문성을 구할 수 있습니다. 일반적으로 이것은 프로그래머가 아이디어를 거래 플랫폼이 호스팅하는 독점적 언어로 코딩하는 것을 포함합니다. 프로그래머는 상인이 시스템을 "조정할"수있는 사용자 정의 입력 변수를 통합 할 수 있습니다. 예를 들어 위에 언급 한 단순 이동 평균 크로스 오버 시스템에있을 수 있습니다. 상인은 시스템에서 사용되는 두 이동 평균의 길이를 입력 (또는 변경) 할 수 있습니다. 상인은 어느 길이의 이동 평균이 과거 데이터에서 가장 잘 수행되었는지를 판단하기 위해 역 테스트 할 수 있습니다. 전자 거래 가이드에서 더 많은 통찰력을 얻으십시오.

많은 거래 플랫폼 또한 최적화 연구를 허용합니다. 이것은 특정 입력에 대한 범위를 입력하고 컴퓨터가 "수학을 수행"하여 어떤 입력이 가장 잘 수행되었는지 파악하도록합니다. 다중 변수 최적화는 두 개 이상의 변수에 대한 수학을 결합하여 최상의 결과를 달성 할 수있는 레벨을 결정합니다. 예를 들어, 거래자는 프로그램에 어떤 전략을 추가하고 싶은지 알 수 있습니다. 테스트 된 이력 데이터가 주어지면 이상적인 가중치로 최적화됩니다.

Backtesting은 이익이없는 시스템이 종종 몇 가지 최적화를 통해 돈을 버는 기계로 마술처럼 변형 될 수 있다는 점에서 흥미 로울 수 있습니다. 불행히도, 과거 수익성의 가장 큰 수준을 달성하기위한 시스템을 조정하면 종종 실제 거래에서 제대로 수행되지 않는 시스템이 생깁니다. 이 과도 최적화는 종이에서만 잘 보이는 시스템을 만듭니다.

커브 피팅은 최적화 분석을 사용하여 테스트 기간에 사용 된 과거 데이터에 대해 최대 이익으로 최대 수의 거래를 생성합니다. 백 테스팅 결과가 인상적이긴하지만 곡선 맞춤은 그 결과가 본질적으로 특정 데이터 및 기간에만 맞춤 설계되므로 신뢰할 수없는 시스템을 초래합니다.

백 테스트 및 최적화는 상인에게 많은 이점을 제공하지만 이것은 잠재적 인 거래 시스템을 평가할 때 프로세스의 일부일뿐입니다. 상인의 다음 단계는 초기 백 테스트 단계에서 사용되지 않은 과거 데이터에 시스템을 적용하는 것입니다. (이동 평균은 계산하기 쉽고, 차트에 그려지면 강력한 시각적 트렌드 스포팅 도구입니다. 자세한 내용은 단순 이동 평균을 통해 추세가 돋보입니다.)

In-Sample 데이터와 Out-of-Sample 데이터.

역 테스팅이나 최적화를 시작하기 전에 거래자는 샘플을 벗어난 테스트를 위해 예약 된 과거 데이터의 비율을 따로 설정할 수 있습니다. 한 가지 방법은 과거 데이터를 1/3로 나누고 샘플 밖의 테스트에 사용하기 위해 3 분의 1로 분리하는 것입니다. 초기 테스트 및 모든 최적화에는 샘플 내 데이터 만 사용해야합니다. 그림 1은 과거 데이터의 3 분의 1이 샘플 밖 테스트를 위해 예약되고, 3 분의 2가 샘플 내 테스트에 사용되는 시간 선을 보여줍니다. 그림 1은 테스트 초기에 샘플 밖의 데이터를 보여 주지만 일반적인 절차는 순방향 성능 바로 직전에 샘플 밖 부분을 포함하게됩니다.

샘플 내 데이터를 사용하여 거래 시스템을 개발하면 샘플 밖의 데이터에 적용 할 준비가됩니다. 거래자는 샘플 내 데이터와 샘플 외부 데이터 간의 실적 결과를 평가하고 비교할 수 있습니다.

상관 관계는 공연과 두 데이터 세트의 전반적인 경향 사이의 유사성을 나타냅니다. 상관 관계 측정 항목은 테스트 기간 중에 작성된 전략 성과 보고서를 평가하는 데 사용할 수 있습니다 (대부분의 거래 플랫폼에서 제공하는 기능). 둘 사이의 상관 관계가 강할수록 시스템이 순방향 성능 테스트 및 실시간 거래에서 잘 수행 될 확률이 높아집니다. 그림 2는 샘플 내 데이터에서 테스트 및 최적화 된 다음 샘플 외부 데이터에 적용된 두 가지 시스템을 보여줍니다. 왼쪽의 차트는 샘플 내 데이터에서 잘 작동하고 샘플 외부 데이터에서 완전히 실패한 시스템을 보여줍니다. 오른쪽의 차트는 시료 내부 및 외부에서 모두 잘 수행되는 시스템을 보여줍니다.

그림 2의 왼쪽 차트와 같이 샘플 내 및 샘플 외부 테스트간에 상관 관계가 거의없는 경우 시스템이 과도하게 최적화되어 라이브 거래에서 성능이 좋지 않을 가능성이 있습니다. 그림 2의 오른쪽 차트와 같이 성능에 강력한 상관 관계가있는 경우 다음 평가 단계에는 순방향 성능 테스트라는 추가 샘플 테스트가 포함됩니다. (예측에 대한 자세한 내용은 재무 예측 : 베이지안 방법을 참조하십시오.)

성능 테스트 기본 사항.

많은 중개인이 거래를 배치 할 수 있고 상응하는 손익을 계산할 수있는 시뮬레이션 거래 계정을 제공합니다. 시뮬레이션 된 거래 계정을 사용하면 거래를 연습하고 시스템을 추가로 평가할 수있는 준 현실적인 분위기를 조성 할 수 있습니다.

그림 2는 두 시스템에서의 순방향 성능 테스트 결과도 보여줍니다. 다시 말하지만, 왼쪽 차트에 표시된 시스템은 샘플 내 데이터의 초기 테스트를 훨씬 능가하지 못합니다. 그러나 오른쪽 차트에 표시된 시스템은 순방향 성능 테스트를 포함하여 모든 단계에서 계속해서 잘 수행됩니다. 샘플 내, 샘플 밖 및 순방향 성능 테스트간에 좋은 상관 관계가있는 긍정적 인 결과를 보여주는 시스템은 실제 시장에서 구현할 준비가되어 있습니다.

워크 포워드 테스트.

Walk-Forward Optimization은 전략 개발에서 커브 피팅의 문제를 해결하는 최적화 프로세스입니다. 워크 플로 포워드 테스트를 다른 최적화 방법과 다른 점은 전략 테스트에 대한 고유 한 다단계 접근 방식입니다. 이 기능에 대한 더 많은 기술 정보는 관련 위키 페이지에서 찾을 수 있습니다.

견고한 시스템을위한 필수 도구.

Walk-Forward 테스트의 본질과 주요 이점은 최적화와 백 테스트를 결합한다는 것입니다. 프로세스 중에 최적의 입력을 실제 시장 조건에 따라 테스트하여 성능을 확인합니다. 여러 WFO 테스트는 거래 시스템의 유효성을 입증하거나 반증하는 데 도움이됩니다. 워크 포워드 테스트의 아이디어는 다음과 같습니다.

프로세스의 기술적 인 세부 사항.

Walk Forward Optimization은 데이터 시리즈를 여러 세그먼트로 분리하며 각 세그먼트는 IS (In-Sample) 부분과 OOS (Out-of-Sample) 부분으로 나뉩니다. 전략의 매개 변수 최적화는 첫 번째 세그먼트의 IS 부분을 사용하여 수행됩니다. 그런 다음 동일한 매개 변수가 동일한 세그먼트의 OOS 부분에서 전략을 역 테스트하는 데 사용됩니다. 나머지 세그먼트에 대해 프로세스가 반복됩니다. OOS 결과를 생성 한 매개 변수가 IS 데이터에서 생성 되었기 때문에 각 세그먼트의 OOS 성능 결과는 "곡선 맞춤"대신 "실제"로 간주됩니다.

커브 피팅 방지.

전체 데이터 시리즈는 더 작은 부분으로 나뉩니다. 일련의 테스트가 수행되며 각 테스트는 전체 데이터 계열 중 일부 (샘플 데이터)에서 수행됩니다. 이 작은 부분에 대해 최적의 입력 값이 발견되면 소프트웨어는 테스트의 일부가 아닌 데이터 (샘플 외부 데이터)에 적용하여 실세계에서 수행 한 결과를 확인합니다. 테스트는 전체 데이터 범위를 테스트 할 때까지 계속 반복됩니다. 결국, 다양한 시장 조건 하에서 최고의 성과를 거둔 결과가 표시됩니다. 이렇게하면 과도 최적화 ( '곡선 맞춤'이라고도 함)를 방지 할 수 있습니다.

귀하의 필요에 맞는 다양한 옵션.

상인의 업무에 따라, 포괄적 인 방법과 유전 적 최적화 방법 모두에서 Walk-Forward 테스트를 사용할 수 있습니다. 샘플 내 및 샘플 외부 데이터에 대해 다른 크기를 지정할 수 있으며 막대 또는 일 단위로 정보를 표시 할 수도 있습니다. Walk-forward 분석은보다 정확하고 상세한 최적화를 추가합니다. 귀하의 거래 전략에 대한 실제 스트레스 테스트입니다.

앞으로 뛰지 마라.

또한 앵커 모드라는 walk-forward 프로세스가 수정되었습니다. 앵커 모드를 선택하면 샘플 내 데이터가 시작 부분에 고정되어 있으며 점프하는 대신 각 테스트마다 길어집니다. 이는 결과가 튼튼한 지 확인하는 또 다른 방법입니다.

최적화 방법을 선택하십시오.

워크 포워드 최적화 보고서.

한 번의 클릭으로 Excel로 내보내기.

워크 프런트 테스트 보고서는 한 번의 클릭으로 Excel로 내보낼 수 있습니다. 그런 다음 테스트 중에 찾은 데이터에 대해 추가 분석을 수행 할 수 있습니다.

OwnData 및 모든 MCFX 제품은 단종되었습니다. 여기서 MCFX 대체품을 찾으십시오. TradingView에서 Bitcoin 달러 차트.