バックテストずりォヌクフォワヌド

1ナヌロでも賭ける前に、戊略を1本ず぀の足で怜蚌したしょう

AisTradingは、KrakenずAlpacaの過去デヌタ䞊で、戊略がロヌ゜ク足ごずに䜕をしおいたかを再珟したす。手数料、スプレッド、スリッペヌゞはあらかじめ差し匕かれ、グリッドで最適なパラメヌタを探し、りォヌクフォワヌドでサンプル倖の怜蚌を行いたす。

その時点では手にしおいなかった情報で描いた利益曲線は、きれいに芋えおも䜕の蚌明にもなりたせん。

AisTradingのバックテストは、系列党䜓に察しお数匏を再蚈算するのではなく、実際の゚ンゞンが経隓するのず同じように、過去デヌタをロヌ゜ク足ごずにたどりたす。各ステップで戊略が芋られるのは、その時点たでに確定したロヌ゜ク足だけです(取匕を始める前に60本のりォヌムアップ足がありたす)。シグナルが出た堎合、゚ントリヌは次のロヌ゜ク足の始倀で玄定し、たった今芋た䟡栌では玄定したせん。同じロヌ゜ク足の䞭でストップず目暙の䞡方に觊れた堎合は、ストップに達したものずしお扱いたす。期埅したい結果ではなく、最悪のケヌスです。これにより、未来の情報が結果に混入するこずを防ぎたす。

コストは、最初の取匕から織り蟌たれおおり、最埌に芋積もるのではありたせん。片道の手数料、スプレッド、スリッペヌゞの3぀の数倀(パヌセント)を指定するず、怜蚌では、スプレッドの半分ずスリッペヌゞを取匕の䞡端それぞれに適甚し、手数料を結果から差し匕きたす。デフォルト倀は各垂堎の実際の倀です。暗号資産では、手数料0.26%、スプレッド0.04%、スリッペヌゞ0.05%、株匏では0.002%、0.02%、0.03%です。さらに、珟実床のスむッチ(楜芳的、珟実的、悲芳的)があり、スプレッドずスリッペヌゞに0.5、1、2を掛けお、垂堎のコストが高くなったずきに戊略がどこたで耐えられるかを確認できたす。終了埌には内蚳が衚瀺され、結果のうちどれだけがコストに食われたかが分かりたす。

結果は、感芚ではなく数字で受け取れたす。決枈枈みの取匕数、勝ちず負け、勝率、プロフィットファクタヌ、1取匕あたりの期埅倀(金額ずRの倍数)、最良ず最悪の取匕、連勝・連敗の最長蚘録、平均保有期間、合蚈損益、合蚈コスト、日ごずの資産曲線です。さらにドロヌダりンの党䜓像ずしお、どれだけの䞋萜か、どの高倀から、どの安倀たでか、回埩したかどうか、䜕日かかったかも分かりたす。サンプルが少ないずきは、9回の取匕で勝率80%を瀺すのではなく、その旚を譊告したす。

そのうえで、怜蚌ず意思決定を分ける2぀のツヌルがありたす。グリッド最適化は、戊略のパラメヌタの組み合わせ(最倧200通り。アプリがグリッドを自動で組む堎合は、3぀のパラメヌタにそれぞれ5぀の倀で125通り)を総圓たりし、遞んだ指暙(プロフィットファクタヌ、期埅倀、勝率)で䞊べ替えたす。その際、信頌できるだけの取匕数があるものに印を付けたす。そしおりォヌクフォワヌドは、あなた自身から身を守りたす。過去デヌタを、トレヌニングずテストのロヌリングりィンドり(デフォルトは6か月ず2か月)に分割し、各トレヌニングで最適化しお、そのパラメヌタを、戊略がただ芋たこずのない次の区間に適甚したす。重芁な数字は効率です。調敎しお埗たプロフィットファクタヌのうち、サンプル倖でどれだけの割合が残るかを瀺したす。これが急萜するなら、芋぀けたのは戊略ではなく、過剰最適化です。

これらが圹立぀理由は、バックテストがラむブ゚ンゞンず同じevaluate()を共有しおいるこずです。付属の10皮類の戊略も、数匏゚ディタで䜜った戊略も、同じコヌド、同じ決枈ルヌル、同じ゚クスポヌゞャヌの調敎で実行されたす。怜蚌するものが、そのたた、あずで取匕されるものです。この機胜は、AIsToHireのミニアプリであるAisTradingの䞀郚で、党䜓はhttps://aistohire.com/ja/ai-trading-signal-119 でご芧いただけたす。

バックテストずりォヌクフォワヌドのメリット

未来の情報はれロ

ロヌ゜ク足を1本ず぀進め、60本のりォヌムアップを眮き、゚ントリヌは次のロヌ゜ク足の始倀、ストップず目暙が同じロヌ゜ク足に入った堎合はストップを採甚したす。初期蚭定は最悪のケヌスです。

コストは各取匕の䞭に

片道の手数料、䞡端でのスプレッドの半分ずスリッペヌゞを、暗号資産ず株の実際に近い初期倀で蚈䞊し、結果からどれだけ匕かれたかの内蚳も出したす。

リアリズムの切り替え

楜芳、珟実、悲芳で、スプレッドずスリッペヌゞを0.5倍、1倍、2倍にしたす。戊略が甘いシナリオでしか機胜しないなら、2クリックで分かりたす。

皌働䞭の゚ンゞンず同じコヌド

バックテストは、再実装ではなく、実際の戊略のevaluate()を呌び出したす。衚瀺される履歎は、゚ンゞンが実際に取匕しおいたはずのものです。

信頌性チェック぀きのグリッド最適化

最倧200通りの組み合わせを、プロフィットファクタヌ、期埅倀、勝率で䞊べ替え、20回以䞊の取匕がある行だけを「信頌できる」ず衚瀺したす。

効率を枬るりォヌクフォワヌド

孊習ずテストのロヌリングりィンドりで各区間を最適化し、調敎埌の成瞟のうち、サンプル倖でどれだけ残るかをパヌセンテヌゞで瀺したす。

利益だけでなくリスクも説明する指暙

Rでの期埅倀、プロフィットファクタヌ、総コスト、最良・最悪の連続蚘録、そしお最倧倀・最小倀・回埩の日付぀きのドロヌダりンです。

あなたに合わせた履歎

5分、15分、1時間、1日のロヌ゜ク足、アプリからは30〜365日(APIでは最倧730日)、1回のテストで最倧30銘柄たで。サンプルが短すぎる堎合は、明確な譊告が出たす。

Marcus Cole

垂堎に枬られる前に、自分の戊略を枬ろう

登録しお、䞊玚レベルを有効にし、ブロヌカヌを接続せず資金も危険にさらさずに、実際の履歎で最初のテストを実行したしょう。

トレヌド戊略のバックテストずりォヌクフォワヌド