Trader, die eine Trading-Idee in einem Live-Markt ausprobieren möchten, machen häufig den Fehler, sich vollständig auf Backtesting-Ergebnisse zu verlassen, um festzustellen, ob das System rentabel sein wird. Während Backtesting wertvolle Informationen für Händler liefern kann, ist es oft irreführend und nur ein Teil des Bewertungsprozesses. Out-of-Sample-Tests und Vorwärtsleistungstests liefern weitere Bestätigungen hinsichtlich der Effektivität eines Systems und können die wahren Farben eines Systems anzeigen, bevor echtes Bargeld auf der Linie ist. Eine gute Korrelation zwischen Backtesting-, Out-of-Sample- und Forward-Performance-Testergebnissen ist entscheidend für die Bestimmung der Lebensfähigkeit eines Handelssystems. (Wir bieten einige Tipps zu diesem Prozess, mit denen Sie Ihre aktuellen Handelsstrategien verfeinern können. Um mehr zu erfahren, lesen Sie Backtesting: Interpretation der Vergangenheit .)

Backtesting-Grundlagen Backtesting bezieht sich auf die Anwendung eines Handelssystems auf historische Daten, um zu überprüfen, wie sich ein System während des angegebenen Zeitraums verhalten hätte. Viele der heutigen Handelsplattformen unterstützen Backtesting. Trader können Ideen mit wenigen Tastenanschlägen testen und sich einen Einblick in die Effektivität einer Idee verschaffen, ohne auf einem Handelskonto Geld zu riskieren. Durch das Backtesting können einfache Ideen ausgewertet werden, z. B. wie ein Crossover eines gleitenden Durchschnitts mit historischen Daten durchgeführt wird, oder komplexere Systeme mit verschiedenen Eingaben und Auslösern.

Solange eine Idee quantifiziert werden kann, kann sie rückgetestet werden. Einige Händler und Investoren können das Fachwissen eines qualifizierten Programmierers einholen, um die Idee in eine testbare Form zu bringen. Typischerweise beinhaltet dies einen Programmierer, der die Idee in die von der Handelsplattform gehostete proprietäre Sprache codiert. Der Programmierer kann benutzerdefinierte Eingabevariablen einbauen, die es dem Händler ermöglichen, das System zu "zwicken". Ein Beispiel dafür wäre in dem oben erwähnten Crossover-System mit einfachem gleitendem Durchschnitt: Der Trader könnte die Längen der beiden gleitenden Mittelwerte, die in dem System verwendet werden, eingeben (oder ändern). Der Trader könnte einen Backtest durchführen, um zu bestimmen, welche gleitenden Durchschnitte den historischen Daten am besten gedient hätten. (Erhalten Sie mehr Einblick in das Electronic Trading Tutorial .)

Optimierungsstudien
Viele Handelsplattformen erlauben auch Optimierungsstudien. Dies bedeutet, dass ein Bereich für die spezifizierte Eingabe eingegeben wird und der Computer "recherchieren" muss, um herauszufinden, welche Eingabe am besten funktioniert hätte. Eine Multi-Variablen-Optimierung kann die Mathematik für zwei oder mehr Variablen kombinieren, um zu bestimmen, welche Ebenen zusammen das beste Ergebnis erzielt hätten. Zum Beispiel können Händler dem Programm mitteilen, welche Eingaben sie in ihre Strategie einfügen möchten. diese würden dann unter Berücksichtigung der getesteten historischen Daten auf ihre Idealgewichte optimiert werden.

Backtesting kann insofern spannend sein, als ein unrentables System mit einigen Optimierungen oft magisch in eine Geldverdiener-Maschine verwandelt werden kann. Unglücklicherweise führt das Optimieren eines Systems, um das größte Niveau der vergangenen Rentabilität zu erreichen, oft zu einem System, das im realen Handel schlecht abschneidet. Diese Überoptimierung erzeugt Systeme, die nur auf Papier gut aussehen.

Kurvenanpassung ist die Verwendung von Optimierungsanalysen, um die höchste Anzahl von gewinnenden Trades mit dem größten Gewinn aus den historischen Daten zu erstellen, die im Testzeitraum verwendet wurden. Obwohl es in Backtesting-Ergebnissen beeindruckend aussieht, führt die Kurvenanpassung zu unzuverlässigen Systemen, da die Ergebnisse im Wesentlichen nur für diese bestimmte Daten- und Zeitperiode maßgeschneidert sind.

Backtesting und Optimierung bieten einem Trader viele Vorteile, aber dies ist nur ein Teil des Prozesses bei der Bewertung eines potenziellen Handelssystems. Der nächste Schritt eines Händlers 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 auf einem Chart gezeichnet wurde, ein leistungsfähiges visuelles Trend-Erkennungs-Werkzeug. Weitere Informationen finden Sie unter Einfache gleitende Durchschnitte heben Trends hervor .)

Sample- und Out-of-Sample-Daten Wenn Sie eine Idee mit historischen Daten testen, ist es vorteilhaft, einen Zeitraum mit historischen Daten zu Testzwecken zu reservieren. Die anfänglichen historischen Daten, auf denen die Idee getestet und optimiert wird, werden als In-Sample-Daten bezeichnet. Der Datensatz, der reserviert wurde, wird als Out-of-Sample-Daten bezeichnet. Dieses Setup ist ein wichtiger Teil des Evaluierungsprozesses, da es eine Möglichkeit bietet, die Idee für Daten zu testen, die keine Komponente im Optimierungsmodell waren. Infolgedessen wird die Idee durch die Out-of-Sample-Daten in keiner Weise beeinflusst und die Händler werden in der Lage sein zu bestimmen, wie gut das System neue Daten ausführen kann. ich. e. im realen Handel.

Vor Beginn eines Backtestings oder einer Optimierung können Händler einen Prozentsatz der historischen Daten beiseite legen, die für Out-of-Sample-Tests reserviert werden sollen. Eine Methode besteht darin, die historischen Daten in Drittel zu unterteilen und ein Drittel für die Verwendung im Out-of-Sample-Test zu trennen. Nur die In-Sample-Daten sollten für die Erstprüfung und Optimierung verwendet werden. Abbildung 1 zeigt eine Zeitachse, in der ein Drittel der historischen Daten für Tests außerhalb der Stichproben reserviert ist und zwei Drittel für die Stichprobenprüfung verwendet werden. Obwohl 1 die Out-of-Sample-Daten zu Beginn des Tests darstellt, würde bei typischen Prozeduren der Out-of-Sample-Abschnitt unmittelbar vor der Vorwärtsleistung liegen.

Abbildung 1: Eine Zeitlinie, die die relative Länge von In-Sample- und Out-of-Sample-Daten darstellt, die im Backtesting-Prozess verwendet werden.

Sobald ein Handelssystem unter Verwendung von In-Sample-Daten entwickelt wurde, kann es auf die Out-of-Sample-Daten angewendet werden. Trader können die Performance-Ergebnisse zwischen den In-Sample- und Out-of-Sample-Daten auswerten und vergleichen.

Die Korrelation bezieht sich auf Ähnlichkeiten zwischen den Leistungen und den allgemeinen Trends der beiden Datensätze.Korrelationsmetriken können bei der Evaluierung von Strategie-Performance-Berichten verwendet werden, die während des Testzeitraums erstellt wurden (ein Feature, das die meisten Handelsplattformen bereitstellen). Je stärker die Korrelation zwischen den beiden ist, desto besser ist die Wahrscheinlichkeit, dass ein System bei Vorwärtstest und Live-Trading gut abschneidet. Abbildung 2 zeigt zwei verschiedene Systeme, die an In-Sample-Daten getestet und optimiert wurden und dann auf Out-of-Sample-Daten angewendet wurden. Das Diagramm auf der linken Seite zeigt ein System, das eindeutig an die In-Sample-Daten angepasst werden konnte und bei den Out-of-Sample-Daten völlig fehlgeschlagen ist. Das Diagramm auf der rechten Seite zeigt ein System, das sowohl bei In- als auch Out-of-Sample-Daten gute Ergebnisse erzielte.

Abbildung 2: Zwei Equity-Kurven. Die Handelsdaten vor jedem gelben Pfeil repräsentieren das Testen in der Probe. Die Trades, die zwischen den gelben und roten Pfeilen generiert werden, zeigen Out-of-Sample-Tests an. Die Trades nach den roten Pfeilen stammen aus den Vorwärtsperformance-Testphasen.

Wenn es nur eine geringe Korrelation zwischen den In-Sample- und Out-of-Sample-Tests gibt, wie das linke Diagramm in Abbildung 2, ist es wahrscheinlich, dass das System überoptimiert wurde und im Live-Handel nicht gut abschneidet. Wenn es eine starke Korrelation in der Leistung gibt, wie in der rechten Grafik in Abbildung 2 zu sehen ist, beinhaltet die nächste Phase der Evaluierung einen zusätzlichen Typ von Out-of-Sample-Tests, der als Forward Performance Testing bekannt ist. (Weitere Informationen zu Prognosen finden Sie unter Finanzprognose: The Bayesian Method .)

Forward Performance Testing Basics Forward Performance Tests, auch bekannt als Papierhandel, bieten Tradern eine weitere von Beispieldaten, auf denen ein System bewertet werden soll. Forward Performance Testing ist eine Simulation des tatsächlichen Handels und beinhaltet die Befolgung der Systemlogik in einem Live-Markt. Es wird auch als Papierhandel bezeichnet, da alle Trades nur auf Papier ausgeführt werden; das heißt, Handelseinträge und -ausgänge werden zusammen mit jeglichem Gewinn oder Verlust für das System dokumentiert, aber es werden keine echten Geschäfte ausgeführt. Ein wichtiger Aspekt der Vorwärtsleistungsprüfung besteht darin, die Logik des Systems genau zu befolgen. Andernfalls wird es schwierig, wenn nicht unmöglich, diesen Schritt des Prozesses genau auszuwerten. Trader sollten gegenüber jeglichen Handelseinträgen und Ausgängen ehrlich sein und Verhaltensweisen wie Cherry-Picking-Trades vermeiden oder einen Handel auf Papier nicht einschließen, der rationalisiert, dass "ich diesen Trade nie genommen hätte". Wenn der Handel gemäß der Logik des Systems erfolgt wäre, sollte dies dokumentiert und bewertet werden.

Viele Broker bieten ein simuliertes Handelskonto an, auf dem Trades platziert und die entsprechenden Gewinne und Verluste berechnet werden können. Die Verwendung eines simulierten Handelskontos kann eine halbrealistische Atmosphäre schaffen, in der der Handel praktiziert und das System weiter bewertet wird.

Abbildung 2 zeigt auch die Ergebnisse für Vorwärtsleistungstests auf zwei Systemen. Auch hier ist das im linken Diagramm dargestellte System nicht über das anfängliche Testen von In-Sample-Daten hinaus gut. Das in der rechten Tabelle gezeigte System arbeitet jedoch weiterhin gut durch alle Phasen, einschließlich der Vorwärtsleistungstests.Ein System, das positive Ergebnisse mit einer guten Korrelation zwischen In-Sample-, Out-of-Sample- und Forward-Performance-Tests zeigt, kann in einem Live-Markt implementiert werden.

The Bottom Line Backtesting ist ein wertvolles Tool, das in den meisten Handelsplattformen verfügbar ist. Die Aufteilung historischer Daten in mehrere Sets zur Bereitstellung von In-Sample- und Out-of-Sample-Tests kann Händlern ein praktisches und effizientes Mittel zur Bewertung einer Trading-Idee und eines Trading-Systems bieten. Da die meisten Händler Optimierungstechniken beim Backtesting anwenden, ist es wichtig, das System dann auf saubere Daten auszuwerten, um seine Lebensfähigkeit zu bestimmen. Die Fortsetzung der Out-of-Sample-Tests mit Vorwärtsleistungstests bietet eine weitere Sicherheitsebene, bevor ein System auf den Markt gebracht wird, das echtes Bargeld riskiert. Positive Ergebnisse und eine gute Korrelation zwischen Stichproben- und Out-of-Sample-Backtesting und Vorwärtsperformance-Tests erhöhen die Wahrscheinlichkeit, dass ein System im tatsächlichen Handel gut abschneidet. (Einen umfassenden Überblick über die technische Analyse finden Sie unter Technische Analyse: Einführung .)