Jak można odpowiedzialnie przeprowadzić backtesting SMMA?

Zdefiniuj SMMA jasno przed testowaniem

SMMA oznacza Smoothed Moving Average (wygładzona średnia krocząca). Jest to rodzaj średniej kroczącej, która aktualizuje swoją wartość stopniowo, zamiast przeliczać ją od nowa na każdym słupku. W backtestingu „odpowiedzialność” zaczyna się od zdefiniowania dokładnych mechanizmów, które będziesz symulować:

• Krok czasowy i dane: Co liczy się jako jeden słupek (np. minuta, godzina, dzień) i jakiej ceny używasz (otwarcie, maksimum, minimum, zamknięcie lub średnia).
• Długość (okres): Liczba słupków używana przez definicję SMMA.
• Inicjalizacja: Początkowa wartość SMMA i sposób jej zasilenia na początku zbioru danych.
• Reguła aktualizacji: Formuła, którą stosujesz na każdym nowym słupku.

Jeśli te elementy nie zostaną określone z góry, dwie osoby mogą przeprowadzić „backtesting SMMA”, który nie mierzy tego samego.

Oddziel stabilne mechanizmy od zmiennych warunków

Kształt średniej kroczącej wynika z jej mechanizmów, ale wyniki transakcyjne (jeśli symulujesz transakcje) zależą od wielu zmiennych warunków. Aby przeprowadzić backtesting w sposób odpowiedzialny, traktuj je oddzielnie:

• Stabilne mechanizmy: Zasady obliczania SMMA i definicje parametrów.
• Zmienne warunki rynkowe: reżimy zmienności, zachowanie spreadu, luki cenowe oraz to, czy dane cenowe rzeczywiście odzwierciedlają ceny wykonywalne.
• Wykonanie i koszty: prowizje, spread bid/ask, poślizg i czas realizacji zleceń.

Nawet jeśli badasz tylko zachowanie wskaźnika (a nie strategię transakcyjną), nadal potrzebujesz stabilnych definicji, aby wyniki były porównywalne.

Określ założenia i modelowanie kosztów

Backtesty często wyglądają „lepiej”, gdy pomija się koszty i szczegóły wykonania. Odpowiedzialny backtesting dokumentuje założenia dla każdego obliczenia lub przykładu, który uruchamiasz. Kluczowe założenia obejmują:

• Koszty: Czy modelujesz prowizję za transakcję, spread jako koszt, czy oba?
• Poślizg: Czy zakładasz stały poślizg, funkcję zmienności, czy konserwatywny przedział najgorszego przypadku? (Wybierz jeden i uzasadnij go.)
• Czas wykonania: Jeśli reguła wyzwala się na zamknięciu słupka, czy wykonujesz na otwarciu następnego słupka, na zamknięciu, czy z innym założeniem czasowym?
• Jakość danych: Czy znaczniki czasu są spójne, czy brakuje słupków i czy ceny są wyrównane, tak aby SMMA i logika zdarzeń używały tego samego słupka?

Ponieważ koszty i wykonanie są zmienne, celem nie jest „przewidywanie” rzeczywistych wyników, ale unikanie myląco optymistycznych symulacji.

Kontroluj obciążenia: zapobiegaj patrzeniu w przyszłość i nadmiernemu dopasowaniu

Odpowiedzialny backtesting sprawdza, czy Twoja konfiguracja nie może przypadkowo skorzystać z informacji, do których nie powinna mieć dostępu.

• Patrzenie w przyszłość (wyciek przyszłych danych): Upewnij się, że każda wartość użyta w czasie t zależy tylko od danych dostępnych do czasu t. Obejmuje to rozgrzewanie wskaźnika i wszelkie filtrowanie.
• Obciążenie związane z ponownym doborem parametrów: Jeśli wypróbujesz wiele okresów SMMA i wybierzesz ten z najlepszym wynikiem w próbie, możesz dopasować się do danych. Użyj ustrukturyzowanego procesu: zdefiniuj zakres poszukiwań parametrów, a następnie zablokuj wybory przed oceną.
• Obciążenie selekcyjne w danych: Używanie tylko „czystych” okresów lub usuwanie segmentów z dużymi spadkami może zawyżyć wyniki. Preferuj przejrzystą regułę określającą, które segmenty historyczne są uwzględniane.

Użyj kontroli poza próbą, aby przetestować stabilność

Wyniki historyczne mogą się zmieniać wraz ze zmianą warunków rynkowych, dlatego „odpowiedzialne” testowanie wymaga oceny poza danymi użytymi do skonfigurowania modelu.

Typowe podejście to:

• Trening (w próbie): Użyj jednej części historii, aby zdecydować o wyborze parametrów SMMA i wszelkim mapowaniu zachowania wskaźnika na mierzony wynik.
• Walidacja (dostrajanie parametrów): Użyj oddzielnej części, aby zmniejszyć nadmierne dopasowanie.
• Testowanie (ocena końcowa): Użyj ostatniej części wyłącznie do końcowej weryfikacji.

Rozważ także ocenę walk-forward, w której wielokrotnie ponownie trenujesz/wybierasz parametry, używając tylko danych z przeszłości, i testujesz na następnym segmencie. Pomaga to ujawnić, czy wyniki zależą od konkretnego okresu.

Opisz ograniczenia i tryby awarii

Nawet idealnie napisany backtesting SMMA może zawieść z powodu niedopasowania modelu lub zmian reżimu rynkowego. Przykłady istotnych ograniczeń obejmują:

• Zależność od reżimu: Metody wygładzania mogą zachowywać się inaczej na rynkach trendowych niż bocznych.
• Wrażliwość na koszty: Małe przewagi mogą zniknąć po uwzględnieniu realistycznego spreadu i poślizgu.
• Efekty rozgrzewania: Wczesne słupki mogą używać inicjalizacji, która nie odzwierciedla zachowania w stanie ustalonym.
• Niedopasowanie danych i modelu: Jeśli ceny historyczne nie reprezentują wykonywalnych cen transakcyjnych (lub jeśli Twoje założenia dotyczące czasu wykonania są nierealistyczne), backtesting może nie być możliwy do uogólnienia.

Odpowiedzialny raport zawiera nie tylko „co zadziałało”, ale także kiedy i dlaczego może zawieść.

Weryfikacja, którą możesz przeprowadzić samodzielnie

Aby zweryfikować rygor własnego backtestingu bez polegania na zewnętrznych twierdzeniach:

1. Ręcznie przelicz wartości SMMA dla kilku słupków, używając podanej formuły i inicjalizacji, a następnie potwierdź, że Twój kod się z nimi zgadza. 2.