Почему стратегия зарабатывает на истории, но сливает в реале?

Чтобы получить торговую стратегию с наибольшей вероятностью успеха в неизвестных рыночных условиях, важно понять ошибки, которые систематически допускаются при создании того или иного метода торговли, и уже на основе полученной информации принимать меры по их сокращению.

При создании стратегии мы наверняка будем использовать исторические данные, и уже на основе них можно будет получить вероятность получения прибыли, сильные и слабые стороны стратегии и другое. Но нам стоит помнить о трех самых важных фактах, которые не позволяют нам увидеть картину в полной мере, так как из-за них всегда есть погрешность в полученном результате.

• Первым является тот факт, что используемые исторические данные не является бесконечными.
• Второй – что исторические данные известны заранее и могут применяться бесконечное количество раз в процессе создания стратегии.
• И третий – что эффективность стратегии при историческом моделировании не соответствует эффективности стратегии на реальном рынке.

Первый факт, что исторические данные не бесконечны, создает проблему для анализа любой торговой системы. Основным предположением при её построении, основываясь на истории, является то, что торговая история содержит некоторое общее поведение рынка, которое будет существовать в будущих рыночных условиях. Поведение, которое можно измерить, а затем использовать.

Однако ограниченный набор данных означает, что мы не можем быть уверены, останется ли торговый метод таким же прибыльным, как и в прошлом.
Этот источник погрешности часто упоминается как «линия погрешности», поскольку он связан с отсутствием обобщения в отношении реальной и стабильной рыночной неэффективности.

Построение кривой погрешности никогда нельзя полностью исключить – поскольку нет никакого способа имитировать историю реального поведения рынка бесконечное кол-во раз. Но ее можно уменьшить за счет увеличения исторических данных в рамках одной валютной пары или же за счет увеличения пар в пределах небольшого исторического промежутка.

Таким образом, система, построенная на исторических данных валютной пары за год, будет гораздо более подвержена статистической погрешности, чем стратегия, построенная на исторических данных за десять лет, или стратегия, построенная за 1 год по данным на 3 различных инструментах.

Второй факт, что исторические данные известны заранее и в процессе создания стратегии могут применяться бесконечное количество раз. Создает разные виды погрешности, которые связаны с вероятностью того, что система с желаемой статистикой, будет найдена просто вследствие случайного совпадения.

При оценке различных комбинаций и правил – либо в явной форме, посредством постоянного поиска, либо косвенно, с помощью ручного анализа графиков – у трейдера в процессе создания стратегии побочно генерируется статистическая погрешность.

Проще говоря, чем сложнее метод формирования системы, тем больше вероятность того, что эта система с требуемыми статистическими характеристиками получится просто случайно.

Такой тип погрешности обычно называют «погрешностью анализа данных», поскольку он связан со статистической погрешностью, создаваемой с помощью процесса поиска/модификации правил («аналитического» процесса).


На рисунке 1 изображен пример систем, полученных по случайности, и пример всех систем, обнаруженных в результате анализа данных по валютной паре USD/JPY (данные представлены за 1987-2015 года). Погрешность анализа данных довольно большая.



На рисунке 2 изображена эффективность, смоделированная на истории, по сравнению с эффективностью, полученной на реальном рынке, на основе портфеля из 20 стратегий (на валютных парах EUR/USD, USD/JPY и EUR/JPY), торгуемых на фондовом рынке Швейцарским национальным банком в январе 2015 года. Неточность в смоделированных данных возникает в результате несоответствия между реальным и смоделированным поведением на рынке, а именно большим проскальзыванием и низкой ликвидностью, по причине которых выходят совершенно разные точки входа/выхода.

Существует несколько методов для оценки типа погрешности, первый метод - проверка на достоверность данных Уайта, второй- методы регрессии.

Как правило, вы хотите уменьшить погрешность анализа данных до такой степени, чтобы вероятность того, что система произошла случайно, была менее 1%. В идеале вы хотите, чтобы она была еще ниже, и чтобы создание системы было с уверенностью до 0,0001% не случайным событием.

Третий факт – что эффективность стратегии при исторических моделированиях не соответствует эффективности стратегии в реальном рынке – создает довольно сложный вид погрешности, который связан с истинным реальным эффектом вашей торговой стратегии на рынке и максимально возможной точностью моделирований на исторических данных.

Поскольку рынок состоит из реальных трейдеров, покупающих и продающих финансовые инструменты, моделирование вашей стратегии на исторических данных не включает в себя эффект, который бы ваша стратегия имела в процессе торговли на реальном рынке. Вероятно, что торговая стратегия, вызвала бы на рынке реакцию, которая свела бы эффективность торговой стратегии на нет. Возможно, ваша стратегия не смогла бы работать на реальном рынке на смоделированных котировках, например, из-за отсутствия достаточной ликвидности.

Есть два способа смягчения этой погрешности. Первый способ - это моделирование с помощью надежных тиковых данных, которые соответствуют реальным рыночным котировкам, возможно, моделирование двумя ордерами, для того чтобы оценить жизнеспособность доливочных ордеров и избежать торговли в условиях, где вышеуказанные проблемы еще более очевидны (периоды низкой ликвидности, высоко - волатильные новости и т.д.)..

Хотя сведение к минимуму всех вышеперечисленных источников погрешности не гарантирует успеха – ибо будущее неизвестно – тем не менее, это действительно дает возможность создавать торговые стратегии с бо́льшими шансами на успех в реальном времени. Формирование портфелей, содержащих большое количество взаимно - независимых стратегий с низким уровнем вышеуказанных источников погрешности, дает еще более высокую степень доверия к потенциальному успеху в условиях торговли вне тестового периода.

Автор статьи - Даниэль Фернандес

С Уважением, Павел Власов