+
Backtesting और आगे परीक्षण: सहसंबंध का महत्व एक जीवित बाजार में एक व्यापारिक विचार की कोशिश करने के लिए उत्सुक हैं, जो व्यापारी अक्सर प्रणाली लाभदायक होगा या नहीं यह निर्धारित करने के लिए backtesting परिणामों पर पूरी तरह भरोसा करने की गलती। Backtesting बहुमूल्य जानकारी के साथ व्यापारियों को प्रदान कर सकते हैं, यह अक्सर भ्रामक है और यह मूल्यांकन प्रक्रिया का ही एक हिस्सा है। आउट-ऑफ-नमूना परीक्षण और आगे प्रदर्शन के परीक्षण के लिए एक प्रणाली की प्रभावशीलता के बारे में आगे की पुष्टि प्रदान करते हैं और वास्तविक नकद लाइन पर है, इससे पहले एक सिस्टम के असली रंग दिखा सकते हैं। Backtesting के बीच अच्छे संबंध, आउट-ऑफ-नमूना और आगे प्रदर्शन परीक्षण के परिणाम एक व्यापार प्रणाली की व्यवहार्यता का निर्धारण करने के लिए महत्वपूर्ण है। (।: अतीत की व्याख्या हम अपने वर्तमान व्यापार रणनीतियों को निखारने में मदद कर सकते हैं कि इस प्रक्रिया पर कुछ सुझाव प्रदान अधिक जानने के लिए backtesting पढ़ा।) Backtesting मूल बातें Backtesting एक सिस्टम निर्दिष्ट समय अवधि के दौरान प्रदर्शन किया जाएगा कि कैसे सत्यापित करने के लिए ऐतिहासिक डेटा के लिए एक व्यापार प्रणाली को लागू करने के लिए संदर्भित करता है। आज के ट्रेडिंग प्लेटफॉर्म से कई backtesting समर्थन करते हैं। बाजार सूत्रों के अनुसार कुछ कीस्ट्रोक्स के साथ विचारों का परीक्षण और एक ट्रेडिंग खाते में धन के जोखिम के बिना एक विचार की प्रभावशीलता में जानकारी हासिल कर सकते हैं। Backtesting इस तरह के एक चलती औसत अंतरराष्ट्रीय एक किस्म आदानों और चलाता है के साथ ऐतिहासिक डेटा पर प्रदर्शन, या अधिक जटिल प्रणालियों कैसे होगा के रूप में सरल विचारों, मूल्यांकन कर सकते हैं। जब तक एक विचार मात्रा निर्धारित किया जा सकता है के रूप में यह backtested हो सकता है। कुछ व्यापारियों और निवेशकों के एक परीक्षण योग्य रूप में विचार विकसित करने के लिए एक योग्य प्रोग्रामर की विशेषज्ञता प्राप्त कर सकते हैं। आमतौर पर इस व्यापार मंच द्वारा की मेजबानी की मालिकाना भाषा में विचार कोडिंग एक प्रोग्रामर शामिल है। प्रोग्रामर व्यापारी प्रणाली "tweak" की अनुमति है कि उपयोगकर्ता द्वारा निर्धारित इनपुट चर शामिल कर सकते हैं। इस का एक उदाहरण साधारण औसत क्रॉसओवर प्रणाली में होंगे कि ऊपर उल्लेख किया: व्यापारी इनपुट (या परिवर्तन) करने में सक्षम हो प्रणाली में इस्तेमाल दो चल औसत की लंबाई होगा। व्यापारी ऐतिहासिक डेटा पर सबसे अच्छा प्रदर्शन किया होता चल औसत लंबाई के लिए निर्धारित है जो backtest सकता है। (इलेक्ट्रॉनिक ट्रेडिंग ट्यूटोरियल में और अधिक जानकारी प्राप्त करें।) अनुकूलन अध्ययन कई ट्रेडिंग प्लेटफॉर्म भी अनुकूलन के अध्ययन के लिए अनुमति देते हैं। यह निर्दिष्ट इनपुट के लिए एक सीमा में प्रवेश करने पर जोर देता है और "गणित" इनपुट सबसे अच्छा प्रदर्शन किया है कि क्या होगा यह पता लगाने के लिए कंप्यूटर दे। एक बहु-चर अनुकूलन के स्तर के साथ सबसे अच्छा परिणाम हासिल किया है क्या होगा निर्धारित करने के लिए संयुक्त दो या दो से अधिक चर के लिए गणित कर सकते हैं। उदाहरण के लिए, व्यापारियों वे अपनी रणनीति में जोड़ना चाहते हैं, आदानों, जो कार्यक्रम बता सकते हैं; ये तो परीक्षण किया ऐतिहासिक डेटा दिया उनके आदर्श वजन करने के लिए अनुकूलित किया जाएगा। एक लाभहीन प्रणाली अक्सर जादुई कुछ अनुकूलन के साथ एक पैसा बनाने की मशीन के रूप में तब्दील किया जा सकता है कि में backtesting रोमांचक हो सकता है। दुर्भाग्य से, पिछले लाभप्रदता का सबसे बड़ा स्तर को प्राप्त करने के लिए एक प्रणाली tweaking अक्सर वास्तविक व्यापार में खराब प्रदर्शन करेंगे कि एक प्रणाली की ओर जाता है। यह अधिक अनुकूलन कागज पर ही अच्छे लग रहे हैं कि सिस्टम बनाता है। वक्र ढाले परीक्षण अवधि में इस्तेमाल ऐतिहासिक डेटा पर सबसे बड़ा लाभ में ट्रेडों जीतने की सबसे बड़ी संख्या बनाने के लिए अनुकूलन एनालिटिक्स का उपयोग है। यह backtesting परिणामों में प्रभावशाली लग रहा है, परिणाम के बाद से अविश्वसनीय प्रणालियों की वक्र ढाले सुराग अनिवार्य रूप से कस्टम डिजाइन केवल उस विशेष डेटा और समय की अवधि के लिए कर रहे हैं। अनुकूलन backtesting और एक व्यापारी को कई लाभ प्रदान लेकिन एक संभावित व्यापार प्रणाली का मूल्यांकन करते समय इस प्रक्रिया का ही हिस्सा है। एक व्यापारी की अगले कदम के प्रारंभिक backtesting चरण में इस्तेमाल नहीं किया गया है कि ऐतिहासिक डेटा के लिए इस प्रणाली को लागू करने की है। (चलती औसत की गणना करने के लिए आसान है और, एक बार एक चार्ट पर साजिश रची है एक शक्तिशाली दृश्य ट्रेंड खोलना उपकरण है। अधिक जानकारी के लिए, सरल बढ़ते औसत रुझान बाहर खड़े हो जाओ पढ़ा।) में नमूना बाहर का नमूना डेटा बनाम ऐतिहासिक आंकड़ों पर एक विचार का परीक्षण करते हैं, यह परीक्षण प्रयोजनों के लिए ऐतिहासिक डेटा की एक समय अवधि को आरक्षित करने के लिए फायदेमंद है। विचार का परीक्षण किया और अनुकूलित है जिस पर प्रारंभिक ऐतिहासिक डेटा में नमूना डेटा के रूप में जाना जाता है। आरक्षित किया गया है कि डेटा सेट के बाहर के नमूना डेटा के रूप में जाना जाता है। यह अनुकूलन मॉडल में एक घटक नहीं किया गया है कि डेटा पर विचार का परीक्षण करने के लिए एक तरीका प्रदान करता है क्योंकि इस सेटअप मूल्यांकन प्रक्रिया का एक महत्वपूर्ण हिस्सा है। नतीजतन, विचार प्रणाली नए डेटा पर प्रदर्शन हो सकता है कि कैसे अच्छी तरह से निर्धारित करने के लिए सक्षम हो जाएगा आउट-ऑफ-नमूना डेटा और व्यापारियों द्वारा किसी भी तरह से प्रभावित किया गया है नहीं होगा; अर्थात वास्तविक जीवन व्यापार में। किसी भी backtesting की शुरुआत या, व्यापारियों अलग ऐतिहासिक डेटा का एक प्रतिशत निर्धारित कर सकते हैं अनुकूलन करने से पहले आउट-ऑफ-नमूना परीक्षण के लिए आरक्षित हो। एक विधि तिहाई में ऐतिहासिक डेटा को विभाजित और आउट-ऑफ-नमूना परीक्षण में इस्तेमाल के लिए एक-तिहाई को अलग करने के लिए है। ही में नमूना डेटा प्रारंभिक परीक्षण और किसी भी अनुकूलन के लिए इस्तेमाल किया जाना चाहिए। चित्रा 1 ऐतिहासिक डेटा की एक तिहाई के बाहर के नमूना परीक्षण के लिए आरक्षित है, जहां एक समय लाइन से पता चलता है, और दो-तिहाई में नमूना परीक्षण के लिए इस्तेमाल कर रहे हैं। चित्रा 1 टेस्ट की शुरुआत में आउट-ऑफ-नमूना डेटा को दर्शाया गया है, ठेठ प्रक्रियाओं के बाहर के नमूना भाग तुरंत आगे प्रदर्शन से ठीक पहले होता है। 201.gif "/%