كيف يمكن اختبار استراتيجيات بولينجر باند بشكل مسؤول؟
حدد المفهوم قبل الاختبار
استراتيجية تعتمد على أشرطة بولينجر هي مجموعة قواعد تستخدم المسافة بين متوسط متحرك وأشرطة التقلب (غالبًا ما تُشتق من الانحراف المعياري) لتحديد ما إذا كانت الظروف تبدو مرتفعة أو منخفضة بشكل غير عادي مقارنة بالتاريخ الحديث. يبدأ الاختبار العكسي المسؤول بتحديد الميكانيكا الدقيقة بحيث يمكن لأي شخص آخر تكرار نفس الحسابات.
عرّف، بلغة واضحة، ما تقوم بحسابه ومتى:
- نوع المتوسط المتحرك (على سبيل المثال، بسيط أو أسي) وطول النافذة.
- مضاعف عرض الشريط (العامل المطبق على مقياس التقلب).
- قاعدة القرار (على سبيل المثال، ما الذي يُفعّل “إشارة” وما يُعدّ دخولًا وخروجًا).
- محاذاة الوقت (أي قيم شريط للشمعة تُستخدم للقرار، ومتى يُفترض تنفيذ الصفقة).
حتى لو استخدمت الاستراتيجية أشرطة بولينجر، فإن النتائج تعتمد بشدة على هذه الافتراضات. لا تثبت العلاقات التاريخية أن البيانات المستقبلية ستصرف بنفس الطريقة.
افصل الميكانيكا المستقرة عن الشروط المتغيرة
يصبح الاختبار العكسي غير موثوق عندما تتغير إعدادات الاختبار بصمت مع مجموعة البيانات. لتقليل هذا الخطر، افصل الميكانيكا المستقرة عن الشروط المتغيرة:
الميكانيكا المستقرة (تعريف الاستراتيجية): رياضيات المؤشر، ومنطق القرار، وتوقيت الحدث الذي تفترضه.
الشروط المتغيرة (ما يمكن أن يختلف عبر الجولات): نظام السوق، الإطار الزمني، جودة البيانات، وافتراضات التنفيذ.
صرّح بافتراضات بياناتك صراحةً. على سبيل المثال، عرّف ما إذا كنت تستخدم أسعار الوسط أم البائع/المشتري، وما إذا كنت تعيد أخذ العينات، وما إذا كنت تسمح بفجوات أو تعديلات بيانات الشركات (إذا كان ذلك ذا صلة). إذا لم تحدد هذه الأمور، فقد تنتج “نفس” الاستراتيجية نتائج مختلفة.
نمذج التكاليف والتنفيذ في الحسابات
نمط فشل مادي في اختبارات استراتيجيات المؤشرات هو تجاهل الاحتكاكات. يتضمن الاختبار المسؤول على الأقل نموذج تكلفة مبسط وافتراض تنفيذ محافظ.
الفئات الشائعة للتكاليف التي يجب تعريفها وإدراجها في حسابات الأداء:
- السبريد أو الفرق الفعال بين سعر البيع والشراء: الفرق بين السعر الذي تلاحظه مفاهيميًا والسعر الذي تفترض أنك تستطيع التداول به.
- العمولة أو الرسوم: تكاليف لكل صفقة أو لكل حجم.
- انزلاق السعر: حركة سعر سلبية بين اللحظة التي يُفعّل فيها القاعدة والوقت المفترض للتنفيذ.
- تكاليف التمويل أو الاحتفاظ: إذا كانت استراتيجيتك تحتفظ بمراكز عبر فترات زمنية حيث يمكن أن تتراكم التكاليف.
لا تحتاج إلى واقعية مثالية لتكون مسؤولاً، لكن يجب أن تعامل التكاليف كجزء من القياس وليس كفكرة لاحقة. أيضًا، عرّف كيفية تطبيق التكاليف: على سبيل المثال، عند الدخول فقط، أو عند الدخول والخروج، أو باستمرار مع وقت الاحتفاظ.
تحكم في التحيز: الافتراضات، الضبط، وتأثيرات البقاء
يمكن أن يظهر التحيز حتى عندما تكون قاعدة استراتيجيتك ثابتة. تشمل ضوابط التحكم الرئيسية:
ضبط الافتراضات: وثّق كل افتراض مستخدم لحساب الإشارات والعوائد (محاذاة الوقت، التقريب، معالجة البيانات المفقودة، وما إذا كنت تقصّر القيم المتطرفة).
ضبط الضبط (التناسب الزائد): إذا قمت بضبط المعلمات بناءً على نفس الفترة التي تقيمها لاحقًا، فقد تكون النتائج مضللة. يستخدم النهج المسؤول فصلًا بين اختيار المعلمات والتقييم النهائي.
ضبط نطاق البيانات: تجنب انتقاء فترة العينة بعناية. إذا اختبرت فقط السنوات التي تبدو مواتية، فأنت تحول الاختبار العكسي فعليًا إلى عملية اختيار بدلاً من التحقق.
استخدم فحوصات خارج العينة واختبارات المتانة
يعني الاختبار خارج العينة تقييم الأداء على بيانات لم تُستخدم لاختيار المعلمات أو تحسين الافتراضات.
طريقة عملية للتحقق المستقل هي:
- اختر تعريف الاستراتيجية والمعلمات باستخدام جزء واحد من البيانات التاريخية.
- قيّم نفس التعريف على جزء مختلف.
- كرر العملية عبر فترات متعددة غير متداخلة (طرق التدحرج أو التقدم للأمام) لمعرفة ما إذا كانت النتائج تعتمد على نافذة مواتية واحدة.
اختبارات المتانة مهمة أيضًا. أعد التشغيل بتغيرات معقولة في المعلمات (على سبيل المثال، أطوال نوافذ مختلفة أو مضاعفات) وتأكد من أن الاستنتاجات الرئيسية لا تنهار تحت تغييرات صغيرة.
الأدلة والأمثلة: ما يجب الإبلاغ عنه
يركز التقرير المسؤول على العناصر القابلة للقياس والتحقق بدلاً من النتائج التي لا يمكن التحقق منها. على الأقل، أبلغ عن:
- قيم المعلمات الدقيقة وإعدادات المؤشر المستخدمة.
- فترة (فترات) العينة والإطار الزمني.
- افتراضات التكلفة والتنفيذ.
- مقياس (مقاييس) التقييم وكيفية حسابه.
- ما إذا كانت النتائج مبنية على بيانات خارج العينة.
الاستراتيجية التي تبدو جيدة فقط تحت مجموعة ضيقة من الافتراضات هي علامة حمراء. تحقق أيضًا مما إذا كان الأداء مدفوعًا بعدة أحداث متطرفة؛ إذا كان الأمر كذلك، فإن التغييرات الصغيرة في الافتراضات يمكن أن تقلب الاستنتاج.