Czym są dane historyczne?

Definicja i rola w procesach na rynku Forex

Dane historyczne oznaczają zapisane informacje o przeszłej aktywności rynkowej, takie jak znaczniki czasu i pola związane z cenami. W kontekście rynku Forex są one powszechnie wykorzystywane do pomiaru tego, co wydarzyło się wcześniej, aby można było analizować zachowanie danej metody w znanych warunkach. Kluczową ideą jest to, że dane historyczne są danymi wejściowymi do analizy, a nie prognozą.

Jak są wykorzystywane (prosty model)

Podstawowym sposobem myślenia o danych historycznych jest potraktowanie ich jako zbioru danych plus reguł. Zbiór danych zawiera przeszłe obserwacje. Reguły określają, co należy obliczyć na podstawie tych obserwacji (na przykład, jak obliczane są stopy zwrotu, jak definiowane są wejścia i wyjścia oraz jak stosowane są koszty). Jeśli oceniana jest strategia lub model, dane historyczne są wykorzystywane do wygenerowania wyniku testów wstecznych lub pomiaru zgodnie z tymi regułami.

Typowy proces wygląda następująco: (1) zdefiniowanie założeń, (2) wybór okna czasowego z przeszłymi danymi, (3) wielokrotne uruchamianie tych samych obliczeń na tym zbiorze danych oraz (4) zapisanie uzyskanych wskaźników wydajności. Co ważne, założenia są częścią procesu. Zmiana definicji — na przykład sposobu modelowania czasu realizacji zleceń lub spreadów — może zmienić wynik, nawet jeśli ceny historyczne pozostają takie same.

Typowe przykłady tego, co obejmują dane „historyczne”

Dane historyczne mogą obejmować ceny średnie, serie bid/ask lub wartości pochodne, w zależności od źródła danych. Mogą również zawierać wolumeny lub inne pola, jeśli są dostępne. W praktyce liczy się nie etykieta, ale to, czy zbiór danych odpowiada na pytanie, które chcesz zadać. Na przykład, jeśli metoda zależy od zachowania bid/ask, użycie wyłącznie serii pojedynczych cen może być niedopasowaniem.

Ograniczenia i sposoby zawodności

Dane historyczne mają kilka istotnych ograniczeń:

• Niestacjonarność: zachowanie rynku może zmieniać się w czasie, więc zależności zaobserwowane historycznie mogą słabnąć.
• Problemy z jakością danych: brakujące świece, wartości odstające lub nieprawidłowe znaczniki czasu mogą prowadzić do mylących wyników.
• Przeuczenie i „szukanie zwycięzców”: gdy reguły są zbyt agresywnie dopasowywane do jednego przeszłego okresu, wyniki mogą zawieść w innych warunkach.
• Luki w realizmie wykonania: obliczenia historyczne mogą nie odzwierciedlać rzeczywistej niepewności realizacji zleceń, opóźnień ani kosztów.

Ze względu na te problemy dane historyczne nie mogą dowieść, że metoda będzie działać podobnie w przyszłości. Nawet jeśli metoda wydaje się spójna w jednym oknie historycznym, ta spójność może być częściowo artefaktem przyjętych założeń.

Odróżnianie od pojęć pokrewnych

Dane historyczne są często mylone z powiązanymi koncepcjami:

• Dane wybiegające w przyszłość lub dane na żywo: dane z okresu późniejszego niż analiza. Służą do oceny, czy metoda sprawdza się bez modyfikowania reguł.
• Wyniki testów wstecznych: wyniki obliczone na podstawie danych historycznych przy określonych regułach. Wynik testu wstecznego odzwierciedla zarówno dane, jak i założenia.
• Wyniki papierowe a wyniki zweryfikowane: analiza wykorzystująca tylko jedno okno danych może wyglądać dobrze, ale weryfikacja wymaga rozdzielenia okresów i realistycznych danych wejściowych.

Weryfikacja, którą możesz przeprowadzić samodzielnie

Aby zweryfikować twierdzenia oparte na danych historycznych, sprawdź, czy analiza jest przejrzysta pod względem założeń, definicji i modelowania kosztów. Powszechną zasadą niezależności jest stosowanie oddzielnych okresów czasu: jednego do ustalania reguł i drugiego do oceny. Upewnij się również, że zbiór danych użyty do oceny nie jest tym samym zbiorem, który posłużył do dostrajania.

Przeglądając jakąkolwiek interpretację danych historycznych, zadaj sobie pytanie: Co dokładnie obejmuje zbiór danych, jak obliczane są stopy zwrotu lub zdarzenia, jakie założenia przyjęto dotyczące wykonania i kosztów oraz co się psuje, gdy dane się zmieniają? Te kontrole pomagają oddzielić stabilne mechanizmy od zmiennych warunków.