Walk Forward Test Trading System

Vorwärts-Test AmiBroker 5.10 verfügt über den automatischen Walk-Forward-Testmodus. Der automatische Walk-Forward-Test ist eine Systemdesign - und Validierungstechnik, bei der Sie die Parameterwerte auf einem vergangenen Segment der Marktdaten (8221in-sample8221) optimieren und dann die Leistungsfähigkeit des Systems überprüfen, indem Sie es nach der Optimierung rechtzeitig auf Daten exportieren Segment (8221out-of-sample8221). Sie bewerten das System auf der Grundlage dessen, wie gut es auf den Testdaten ausführt (8221out-of-sample8221), nicht die Daten, auf die es optimiert wurde. Der Prozess kann über nachfolgende Zeitsegmente wiederholt werden. Die folgende Abbildung zeigt, wie der Prozess funktioniert. Der Zweck des Walk-Forward-Tests ist es, zu bestimmen, wann immer die Leistung des optimierten Handelssystems das realistische oder das Ergebnis der Kurvenanpassung ist. Die Leistung des Systems kann als realistisch angesehen werden, wenn es einen prädikaten Wert hat und bei unsichtbaren (out-of-sample) Marktdaten gut funktioniert. Wenn das System ordnungsgemäß ausgelegt ist, sollte die Echtzeit-Trading-Performance in Bezug auf die bei der Optimierung aufgedeckten liegen. Wenn das System im realen Handel arbeiten wird, muss es zuerst einen Walk-Forward-Test bestehen. Mit anderen Worten, wir kümmern uns nicht wirklich um in-Beispiel-Ergebnisse, wie sie sind (oder sollte) immer gut. Was zählt, ist eine Out-of-Sample-Systemleistung. Es ist die realistische Schätzung, wie das System im realen Handel arbeiten würde und schnell irgendwelche Kurvenanpassungsprobleme offenbaren wird. Wenn die Out-of-Sample-Performance schlecht ist, dann sollten Sie kein solches System handeln. Die Voraussetzung für die Durchführung mehrerer Optimierungstests im Laufe der Zeit ist, dass die jüngste Vergangenheit eine bessere Grundlage für die Auswahl von Systemparameterwerten als die ferne Vergangenheit ist. Wir hoffen, dass die auf dem Optimierungssegment gewählten Parameterwerte für die unmittelbar nachfolgenden Marktbedingungen gut geeignet sind. Dies kann oder auch nicht der Fall sein, wenn die Märkte durch den Bearbull-Zyklus gehen, so dass bei der Auswahl der Länge der In-Probe-Periode Vorsicht geboten ist. Für weitere Informationen über Systemdesign und Verifikation mit Walk-Forward-Verfahren und allen Fragen, können wir empfehlen Howard Bandys Buch: quotQuantitative Trading Systemsquot (siehe Links auf AmiBroker Seite). Um die Walk-Forward-Optimierung zu verwenden, gehen Sie bitte folgendermaßen vor: Gehe zu Tools-gtAutomatic-Analyse Klicken Sie auf die Schaltfläche "Einstellungen" und wechseln Sie dann auf die Registerkarte "Walk-Forward". Hier sehen Sie die Walk-Forward-Einstellungen für die In-Sample-Optimierung, Out-of-Sample-Backtest Start - und Enddaten Markieren Anfangsperiode Anfang Ende Diese Periode wird vorwärts verschoben, bis das Ende das letzte Datum erreicht hat. Das Startdatum kann auch nach vorne verschoben werden oder kann verankert werden (konstant), wenn die verankerte Prüfung aktiviert ist. Wenn Sie heute benennen, wird das zuletzt eingegebene Datum ignoriert und stattdessen HEUTE (aktuelles Datum) verwendet. Standardmäßig ist ein 8220EASY MODE8221 ausgewählt, der den Vorgang der Einrichtung von WF-Parametern vereinfacht. Es geht davon aus, dass: a) Out-of-Sample-Segment unmittelbar in das Sample-Segment b) die Länge des Out-of-Sample-Segments entspricht dem Walk-Forward-Schritt Basierend auf diesen beiden Annahmen nimmt der 8220EASY8221-Modus das Sample-END-Datum ein Und setzt das Datum des START-Datums auf den folgenden Tag. Dann fügt man in-Beispiel-STEP hinzu und dies wird out-of-sample END Datum. In-Sample - und Out-of-Sample-Step-Werte werden auf die gleichen Werte gesetzt. Der Modus 8220EASY8221 garantiert die Korrektheit der WF-Prozedureinstellungen. Du solltest den Easy-Modus (EOD) beim Testen auf End-of-Day-Daten oder Easy-Modus (Intraday) beim Testen auf Intraday-Daten verwenden. Der Unterschied besteht darin, dass im EOD-Modus das END-Datum der Vorperiode und das START-Datum der nächsten Periode gleich sind - so dass die Lücke zwischen den Perioden vermieden wird. Intraday-Modus setzt das START-Datum der nächsten Periode als NEXT DAY nach END der Vorperiode. Das garantiert, dass der Begrenzungstag bei der Prüfung von Intraday-Daten nicht zweimal gezählt wird. Im erweiterten Modus. Der Benutzer hat die vollständige Kontrolle über alle Werte, soweit sie kein gültiges WF-Verfahren darstellen. Die Schnittstelle ermöglicht die selektives Deaktivieren von Sample - und Out-of-Sample-Phasen mit Hilfe von Checkboxen oben (für spezielle Dinge wie das Ausführen von sequentiellen Backtests ohne Optimierung). Alle Einstellungen werden sofort in der PREVIEW-Liste angezeigt, die alle generierten ISOOS-Segmente und deren Daten anzeigt. Das Feld 8220 Optimierungsziel 8221 definiert den Optimierungsbereich COLUMN NAME, der für die Sortierung von Ergebnissen und die Suche nach dem besten verwendet wird. Jede eingebaute Spalte kann verwendet werden (wie in der Optimierungsausgabe angezeigt), oder Sie können jede benutzerdefinierte Metrik verwenden, die Sie im benutzerdefinierten Backtester definieren. Der Standardwert ist CARMDD, Sie können jedoch jede andere eingebaute Metrik aus dem Combo auswählen. Sie können auch TYPE-IN jede benutzerdefinierte Metrik, die Sie über benutzerdefinierte Backtester-Schnittstelle hinzugefügt haben. Sobald Sie die Walk-Forward-Einstellungen definiert haben, gehen Sie bitte auf Automatische Analyse und drücken Sie die Dropdown-PFEIL auf der Schaltfläche Optimieren und wählen Sie 8220Walk Forward Optimization8221Dies wird die Reihenfolge der optimizaitons und backtest ausgeführt und die Ergebnisse werden im Dokument 8220Walk Forward8221 angezeigt, das in der Hauptanwendungsrahmen Wenn die Optimierung läuft, können Sie im Dialogfeld "Fortschritt" auf "8220MINIMIZE8221" klicken, um sie zu minimieren. Dies ermöglicht es Ihnen, die Walk Forward-Ausgabe während der Optimierungsschritte zu sehen. IN-SAMPLE und OUT-OF-SAMPLE kombiniertes Eigenkapital Kombinierte In-Probe - und Out-Sample-Aktien sind von OSEQUITY Composite-Tickern erhältlich (aufeinanderfolgende Perioden von IS und OOS sind verkettet und skaliert, um die Kontinuität der Equity-Linie aufrechtzuerhalten - dieser Ansatz geht davon aus, dass Sie im Allgemeinen Sprechen sind Compounding Gewinne). Zur Anzeige von IS - und OOS-Eigenkapital können Sie zB Folgendes verwenden: ISEQUITY. In-Sample Equity Farbe Rot . StyleLine) PlotForeign (OUT-OF-SAMPLE Zusammenfassungsbericht (neu in 5.60) Version 5.60 bringt einen neuen zusammenfassenden Zusammenfassungsbericht, der alle Stichproben abdeckt. Er ist im Berichts-Explorer als letzter sichtbar und hat einen Dateisatztyp Die wichtigste Änderung ist, dass jeder nachfolgende Out-of-Probe-Test das anfängliche Eigenkapital gleich dem vorherigen Schritt beendet, das mit dem Eigenkapital endet Equity) Diese Änderung ist für die korrekte Berechnung aller Statistikmetriken in allen Abschnitten des Out-of-Sample-Tests erforderlich. Zusammenfassungsbericht zeigt die Notiz, dass eingebaute Metriken korrekt alle Out-of-Sample-Schritte darstellen, aber zusammengefasste benutzerdefinierte Metriken zusammengesetzt sind Benutzerdefinierbare Methode: 1 erster Schrittwert, 2 letzter Schrittwert, 3 Summe, 4 Durchschnitt, 5 Minimum, 6 Maximum. Standard-Zusammenfassungsbericht zeigt den letzten Schritt Wert der benutzerdefinierten Metriken UNLESS-Benutzer spezifiziert verschiedene Kombinationsmethode in bo. AddCustomMetrics () Anruf. Bo. AddCustomMetrics hat nun einen neuen optionalen Parameter - CombineMethod bool AddCustomMetric (String Titel, Variante Wert, optionale Variante LongOnlyValue, optionale Variante ShortOnlyValue optionale Variante DecPlaces 2, optionale Variante CombineMethod 2) Diese Methode fügt dem Backtest Report, Backtest Quotsummaryquot und Optimierungsergebnisliste. Titel ist ein Name der Metrik, die im Bericht angezeigt werden soll. Wert ist der Wert der Metrik, optionale Argumente LongOnlyValue, ShortOnlyValue erlauben es, Werte für zusätzliche Longshort-Spalten im Backtest-Bericht anzugeben. Letztes Argument DecPlaces steuert, wie viele Dezimalstellen verwendet werden sollen, um den Wert anzuzeigen. Unterstützte CombineMethod-Werte sind: 1 erster Schrittwert, - Zusammenfassungsbericht zeigt den Wert der benutzerdefinierten Metrik aus dem allerersten Stichprobenschritt 2 letzten Schrittwert (Standard), - Zusammenfassungsbericht zeigt den Wert der benutzerdefinierten Metrik aus dem letzten an Out-of-sample Schritt 3 Summe, - Zusammenfassender Bericht zeigt die Summe der Werte der benutzerdefinierten Metrik aus allen Stichprobenstufen 4 Durchschnitt, - Zusammenfassungsbericht zeigt den Durchschnitt der Werte der benutzerdefinierten Metrik aus allen Stichprobenschritten an 5 Minimum, - Zusammenfassungsbericht zeigt den kleinsten Wert der benutzerdefinierten Metrik aus allen Stichprobenstufen an. 6 maximum.- Zusammenfassungsbericht zeigt den größten Wert der benutzerdefinierten Metrik aus allen Stichprobenschritten an. Beachten Sie, dass bestimmte Berechnungsmethoden für die Metrik komplex sind und für Beispiel, das sie verkürzte, würde nicht zu einer mathematisch korrekten Darstellung aller Probenproben führen. Zusammenfassungen aller eingebauten Metriken sind mathematisch korrekte Out-of-the-Box (d. h. sie sind keine Mittelwerte, aber richtig berechnete Metriken mit Methode, die für einen gegebenen Wert geeignet ist). Dies steht im Gegensatz zu benutzerdefinierten Metriken, weil sie benutzerdefinierbar sind und es ist bis zu dem Benutzer, Kombinationsmethode auszuwählen, und es kann immer noch passieren, dass keine der verfügbaren Methoden geeignet ist. Aus diesem Grund enthält der Bericht die Notiz, die erklärt, welche benutzerdefinierbare Methode verwendet wurde, um benutzerdefinierte Metriken zu kombinieren. Backtesting und Forward Testing: Die Bedeutung von Correlation Trader, die eifrig sind, eine Trading-Idee in einem Live-Markt zu versuchen, machen oft den Fehler, sich zu verlassen Ganz auf Backtesting Ergebnisse, um festzustellen, ob das System rentabel sein wird. Während Backtesting Händler mit wertvollen Informationen versorgen kann, ist es oft irreführend und es ist nur ein Teil des Evaluierungsprozesses. Out-of-Probe-Tests und Forward Performance-Tests bieten eine weitere Bestätigung in Bezug auf eine System-Effektivität, und kann zeigen, ein System wahren Farben, bevor echte 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 Ihnen einige Tipps zu diesem Prozess, die helfen können, Ihre aktuellen Handelsstrategien zu verfeinern. Um mehr zu erfahren, lesen Sie Backtesting: Interpretieren der Vergangenheit.) Backtesting Basics Backtesting bezieht sich auf die Anwendung eines Handelssystems auf historische Daten, um zu überprüfen, wie ein System während der Durchführung durchgeführt hätte Der angegebene Zeitraum. Viele der heutigen Handelsplattformen unterstützen das Backtesting. Händler können Ideen mit ein paar Tastenanschlägen testen und Einblick in die Wirksamkeit einer Idee erhalten, ohne Geld in einem Handelskonto zu riskieren. Backtesting kann einfache Ideen auswerten, wie zB eine gleitende durchschnittliche Crossover auf historische Daten oder komplexere Systeme mit einer Vielzahl von Inputs und Triggern. Solange eine Idee quantifiziert werden kann, kann sie zurückgestellt werden. Einige Händler und Investoren können das Fachwissen eines qualifizierten Programmiers anstreben, um die Idee zu einer testbaren Form zu entwickeln. Typischerweise handelt es sich hierbei um einen Programmierer, der die Idee in die proprietäre Sprache kodiert, die von der Handelsplattform gehostet wird. Der Programmierer kann benutzerdefinierte Eingangsvariablen einbinden, die es dem Händler ermöglichen, das System zu optimieren. Ein Beispiel hierfür wäre in dem oben erwähnten einfachen gleitenden durchschnittlichen Crossover-System: Der Trader wäre in der Lage, die Längen der beiden im System verwendeten gleitenden Mittelwerte einzugeben (oder zu ändern). Der Händler könnte sicherstellen, um festzustellen, welche Längen der gleitenden Durchschnitte das Beste an den historischen Daten durchgeführt hätten. (Mehr Einblick in das Electronic Trading Tutorial.) Optimierungsstudien Viele Handelsplattformen erlauben auch Optimierungsstudien. Dies beinhaltet die Eingabe eines Bereichs für die angegebene Eingabe und lassen Sie den Computer die Mathematik, um herauszufinden, welche Eingabe würde am besten durchgeführt haben. Eine multivariable 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 hinzufügen möchten, diese würden dann aufgrund der getesteten historischen Daten auf ihre idealen Gewichte optimiert. Backtesting kann spannend sein, dass ein unrentables System oft mit einer Optimierung in eine Geldmaschine verwandelt werden kann. Leider ist die Optimierung eines Systems, um die größte Stufe der Vergangenheit Rentabilität zu erreichen oft zu einem System, das schlecht in echten Handel führen wird. Diese Überoptimierung schafft Systeme, die nur auf Papier gut aussehen. Curve-Anpassung ist die Verwendung von Optimierung Analytics, um die höchste Anzahl von Gewinnen Trades mit dem größten Gewinn auf die historischen Daten in der Testphase verwendet zu schaffen. Obwohl es bei den Backtesting-Ergebnissen eindrucksvoll aussieht, führt die Kurvenanpassung zu unzuverlässigen Systemen, da die Ergebnisse im Wesentlichen nur für diese Daten und den Zeitraum angepasst sind. Backtesting und Optimierung bieten viele Vorteile für einen Händler, aber das ist nur ein Teil des Prozesses bei der Bewertung eines potenziellen Handelssystems. Ein Händler im nächsten Schritt ist, das System auf historische Daten anzuwenden, die in der ersten Backtesting-Phase nicht verwendet wurden. (Der gleitende Durchschnitt ist einfach zu berechnen und, einmal auf einem Diagramm aufgetragen, ist ein leistungsfähiges visuelles Tendenz-Spotting-Tool. Weitere Informationen finden Sie unter Simple Moving Averages machen Trends heraus.) In-Sample vs. Out-of-Sample Data Bei der Prüfung einer Idee auf historische Daten ist es vorteilhaft, einen Zeitraum von historischen Daten für Testzwecke zu reservieren. Die anfänglichen historischen Daten, auf denen die Idee getestet und optimiert wird, werden als In-Sample-Daten bezeichnet. Der reservierte Datensatz wird als Out-of-Sample-Daten bezeichnet. Dieses Setup ist ein wichtiger Bestandteil des Evaluierungsprozesses, da er eine Möglichkeit bietet, die Idee auf Daten zu testen, die nicht Bestandteil des Optimierungsmodells sind. Infolgedessen wird die Idee in keiner Weise von den Out-of-Sample-Daten beeinflusst worden sein, und die Händler können feststellen, wie gut das System bei neuen Daten, d. h. im realen Handel, auftreten könnte. Vor der Einleitung von Backtesting oder Optimierung können Händler einen Prozentsatz der historischen Daten beiseite legen, die für die Prüfung im Out-of-Probe reserviert werden sollen. Eine Methode besteht darin, die historischen Daten in Drittel zu teilen und ein Drittel für die Verwendung in der Out-of-Probe-Prüfung zu trennen. Nur die In-Sample-Daten sollten für die Erstprüfung und jede Optimierung verwendet werden. Abbildung 1 zeigt eine Zeitlinie, in der ein Drittel der historischen Daten für die Prüfung außerhalb der Stichprobe reserviert ist und zwei Drittel für die Prüfung in der Stichprobe verwendet werden. Obwohl 1 die Out-of-Sample-Daten zu Beginn des Tests darstellt, würden typische Prozeduren den Out-of-Sample-Teil unmittelbar vor der Vorwärtsleistung haben. 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 mit Hilfe von In-Beispiel-Daten entwickelt wurde, ist es bereit, auf die Out-of-Sample-Daten angewendet zu werden. Trader können die Performance-Ergebnisse zwischen den In-Sample - und Out-of-Sample-Daten bewerten und vergleichen. Korrelation bezieht sich auf Ähnlichkeiten zwischen den Leistungen und den Gesamttrends der beiden Datensätze. Korrelationsmetriken können bei der Bewertung von Strategieleistungsberichten verwendet werden, die während des Testzeitraums erstellt wurden (ein Merkmal, das die meisten Handelsplattformen bereitstellen). Je stärker die Korrelation zwischen den beiden ist, desto besser ist die Wahrscheinlichkeit, dass ein System in Vorwärtsleistungstests und Live-Trading gut funktionieren wird. Abbildung 2 veranschaulicht zwei verschiedene Systeme, die auf In-Sample-Daten getestet und optimiert wurden und dann auf Out-of-Sample-Daten angewendet wurden. Die Grafik auf der linken Seite zeigt ein System, das eindeutig Kurven-Fit war, um gut auf die In-Sample-Daten zu arbeiten und völlig auf die Out-of-Sample-Daten fehlgeschlagen. Das Diagramm auf der rechten Seite zeigt ein System, das sich sowohl auf In - als auch Out-of-Sample-Daten gut abspielt. Abbildung 2: Zwei Eigenkapitalkurven. Die Handelsdaten vor jedem gelben Pfeil stellen die Stichprobenprüfung dar. Die zwischen den gelben und roten Pfeilen erzeugten Trades zeigen die Stichprobenprüfung an. Die Trades nach den roten Pfeilen sind von den Vorwärts-Performance-Testphasen. Wenn es wenig Korrelation zwischen dem in-Probe und Out-of-Probe-Test, wie die linke Grafik in Abbildung 2, ist es wahrscheinlich, dass das System überoptimiert wurde und wird nicht gut im Live-Handel. Wenn es eine starke Korrelation in der Leistung gibt, wie in der rechten Tabelle in Abbildung 2 zu sehen ist, beinhaltet die nächste Phase der Auswertung eine zusätzliche Art von Out-of-Probe-Tests, die als Vorwärts-Performance-Tests bekannt sind. (Für mehr Lesung über die Prognose, siehe Finanzielle Vorausschau: Die Bayesian-Methode.) Forward Performance Testing Basics Forward Performance-Tests, auch bekannt als Papierhandel. Bietet den Händlern einen weiteren Satz von Out-of-Sample-Daten, auf denen ein System ausgewertet werden kann. Forward Performance-Tests ist eine Simulation des tatsächlichen Handels und beinhaltet die Systemlogik in einem Live-Markt. Es wird auch Papierhandel genannt, da alle Trades nur auf Papier ausgeführt werden, das heißt, Handelseinträge und Exits werden zusammen mit jedem Gewinn oder Verlust für das System dokumentiert, aber keine wirklichen Trades werden ausgeführt. Ein wichtiger Aspekt der Vorwärtsleistungsprüfung ist, der Systemlogik genau anders zu folgen, wird es schwierig, wenn nicht unmöglich, diesen Schritt des Prozesses genau zu bewerten. Händler sollten ehrlich sein über alle Handelseinträge und Ausgänge und vermeiden Verhalten wie Kirsche Kommissionierung Trades oder nicht einschließlich ein Handel auf Papier Rationalisierung, dass ich hätte nie diesen Handel genommen. Wenn der Handel nach der Systemlogik aufgetreten wäre, sollte er dokumentiert und ausgewertet werden. Viele Broker bieten ein simuliertes Handelskonto an, in dem Trades platziert und der entsprechende Gewinn und Verlust berechnet werden kann. Mit einem simulierten Trading-Account kann eine semi-realistische Atmosphäre, auf die Handel zu handeln und weiter zu bewerten das System zu schaffen. Abbildung 2 zeigt auch die Ergebnisse für die Vorwärtsleistungsprüfung an zwei Systemen. Auch hier sorgt das im linken Chart dargestellte System nicht weit über die anfängliche Prüfung von In-Sample-Daten hinaus. Das System, das in der rechten Tabelle gezeigt wird, führt jedoch weiterhin gut durch alle Phasen, einschließlich der Vorwärts-Performance-Tests. Ein System, das positive Ergebnisse mit guter Korrelation zwischen In-Probe-, Out-of-Sample - und Forward Performance-Tests zeigt, ist bereit, in einem Live-Markt umgesetzt zu werden. Die Bottom Line Backtesting ist ein wertvolles Werkzeug in den meisten Handelsplattformen. Die Aufteilung historischer Daten in mehrere Sets, um für die Probenahme und die Out-of-Probe-Tests zu sorgen, können den Händlern ein praktisches und effizientes Mittel zur Bewertung einer Handelsidee und eines Systems bieten. Da die meisten Händler Optimierungstechniken im Backtesting anwenden, ist es wichtig, dann das System auf saubere Daten zu bewerten, um seine Lebensfähigkeit zu bestimmen. Die Fortsetzung der Out-of-Probe-Tests mit Vorwärts-Performance-Tests bietet eine weitere Schicht der Sicherheit, bevor sie ein System in den Markt riskieren echtes Bargeld. Positive Ergebnisse und gute Korrelation zwischen In-Probe und Out-of-Probe-Backtesting und Forward Performance Test erhöht die Wahrscheinlichkeit, dass ein System wird gut funktionieren im eigentlichen Handel. (Für einen umfassenden Überblick über die technische Analyse siehe Technische Analyse: Einleitung.) Der Gesamtmarktmarktwert aller ausstehenden Aktien der Gesellschaft. Die Marktkapitalisierung erfolgt durch Multiplikation. Frexit kurz für quotFrench exitquot ist ein französischer Spinoff des Begriffs Brexit, der entstand, als das Vereinigte Königreich stimmte. Ein Auftrag mit einem Makler, der die Merkmale der Stop-Order mit denen einer Limit-Order kombiniert. Ein Stop-Limit-Auftrag wird. Eine Finanzierungsrunde, in der Anleger eine Aktie von einer Gesellschaft mit einer niedrigeren Bewertung erwerben als die Bewertung, Eine ökonomische Theorie der Gesamtausgaben in der Wirtschaft und ihre Auswirkungen auf die Produktion und Inflation. Keynesianische Ökonomie wurde entwickelt. Ein Bestand eines Vermögenswerts in einem Portfolio. Eine Portfolioinvestition erfolgt mit der Erwartung, eine Rendite zu erzielen. This. Was ist Walk Forward Analysis Gehen Sie vorwärts Anaylsis ist der Prozess der Optimierung eines Handelssystems mit einem begrenzten Satz von Parametern, und dann testen Sie die am besten optimierte Parametersatz auf out-of-sample Daten. Dies ist ähnlich wie Sie Ihren Fachberater im Live-Handel nutzen würden. Die Prinzipien der Walk-Forward-Analyse wurden zum ersten Mal in dem Buch The Evaluation and Optimization of Trading Strategies von Robert Pardo beschrieben. Um eine Walk-Forward-Analyse in MetaTrader durchzuführen, optimiere ich zunächst den Expertenberater im Strategy Tester. Dann wählen Sie das profitabelste Ergebnis auf der Registerkarte Optimierungsergebnisse und führen Sie einen Backtest über einen Zeitraum unmittelbar nach dem Optimierungszeitraum aus. Das Enddatum der Optimierungsperiode entspricht dem Startdatum der Testperiode. Dieser Vorgang wird wiederholt, bis eine zufriedenstellende Stichprobengröße erreicht ist. Wenn der Fachberater bei der Prüfung im Vergleich zu den Optimierungsergebnissen gut funktioniert, dann kann man schließen, dass der Fachberater wahrscheinlich im Live-Handel profitabel sein wird. Wenn hingegen der Fachberater bei der Prüfung schlecht arbeitet, müssen entweder die Optimierungsparameter oder die Dauer der Test - und Optimierungsperioden angepasst werden. Wenn nach vielen Versuchen der Fachberater bei der Prüfung noch nicht gut läuft, dann kann man schließen, dass das Handelssystem unrentabel ist. Die Animation nach rechts veranschaulicht die Vorwärtsanalyse. Eine Optimierung erfolgt über einen längeren Zeitraum (die In-Sample-Daten) und dann wird der optimierte Parametersatz über einen nachfolgenden kürzeren Zeitraum (die Out-of-Sample-Daten) getestet. Die Optimierungs - und Testperioden werden nach vorne verschoben und der Vorgang wird wiederholt, bis eine geeignete Stichprobengröße erreicht ist. Quelle Ein Beispiel für eine Walk Forward Analysis Lets bieten ein real-life Beispiel: Wurden gehen eine Spaziergang Analyse auf einem Experten Berater, mit EURUSD M30 zu tun. Gut optimieren diesen Fachberater über einen Zeitraum von 120 Tagen. Weve wählte die 3 oder 4 wichtigsten Parameter zu optimieren, um nicht zu optimieren oder Kurve passen die Ergebnisse. Auch weniger Parameter bedeutet einen schnelleren Test. Nun wählen Sie das profitabelste Ergebnis, und backtest diese Parameter über einen Zeitraum von 30 Tagen unmittelbar nach dem Optimierungszeitraum. Es wird empfohlen, eine Testperiode von etwa 25 der Länge des Optimierungszeitraums zu verwenden. Sobald wir unsere Ergebnisse aufgezeichnet haben, verschieben Sie die nächste Optimierungs - und Testperiode um 30 Tage. Nach 12 aufeinanderfolgenden Runden der Optimierung und Prüfung, haben auch ein Jahr im Voraus zu Fuß vorwärts Analyse Daten. Wir vergleichen den durchschnittlichen täglichen Gewinn für die Optimierungsperioden mit dem durchschnittlichen täglichen Gewinn für die Testperioden. Dies gibt uns eine Berechnung namens Walk-Forward-Effizienz-Verhältnis. Ein Vorwärts-Wirkungsgrad größer als 0,5 gilt als sehr gutes Ergebnis. Das nennen wir ein robustes Handelssystem. Allerdings ist ein Fachberater handelbar, solange er über mehrere Testperioden konsequent rentabel ist. Wenn das Walk-Forward-Effizienz-Verhältnis negativ ist, dann bedeutet das, dass der Fachberater im Vergleich zu seinen Optimierungsergebnissen nicht gut funktioniert hat. Natürlich können Sie im MetaTraders Strategy Tester eine manuelle Weiterentwicklung durchführen. Aber der Prozess ist langwierig, zeitaufwändig und fehleranfällig. Dies ist, wo die Walk Forward Analyzer Software kommt in. Das Programm wird automatisch eine Walk-Forward-Analyse mit MetaTraders Strategy Tester über eine beliebige Zeit, mit nur ein paar Einstellungen durch den Benutzer zur Verfügung gestellt.