Jak odpowiedzialnie przeprowadzić backtest wskaźnika Fractal Dimension Index?

Fractal Dimension Index: co dokładnie testujesz

Fractal Dimension Index (FDI) to miara wywodząca się z danych szeregów czasowych, która ma na celu określenie, jak „nierówna” lub „złożona” wydaje się ścieżka obserwowanego szeregu. W praktyce backtest podejścia opartego na FDI rozpoczyna się od zdecydowania, jaką wartość sygnału obliczasz, na podstawie jakiego szeregu cenowego, przy użyciu jakiej długości okna i jakich szczegółów algorytmicznych.

Odpowiedzialny backtest zaczyna się od definicji. Określ:

• szereg wejściowy (na przykład stopy zwrotu vs. ceny)
• krok czasowy (tick, zamknięcie świecy lub interwał po ponownym próbkowaniu)
• rozmiar okna kroczącego używanego do obliczenia wskaźnika
• sposób konwersji obliczonego FDI na zmienną decyzyjną (na przykład poziom, z-score lub rangę)

Jeśli pominiesz te elementy, różne „backtesty FDI” mogą nie być porównywalne, nawet jeśli mają tę samą nazwę.

Odpowiedzialny proces backtestu

1) Ustal założenia i wybory pomiarowe

Uczyń każde założenie dotyczące obliczeń jawnym przed uruchomieniem eksperymentów. Istotne przykłady obejmują sposób próbkowania szeregu, sposób obsługi brakujących świec oraz to, czy obliczasz FDI, używając wyłącznie informacji dostępnych w danym kroku czasowym. Ma to znaczenie, ponieważ przypadkowe spojrzenie w przyszłość (nawet subtelne) może zawyżyć pozorne wyniki.

Zadbaj o deterministyczny charakter backtestu: używaj tej samej ścieżki kodu, tego samego przetwarzania danych i tych samych ziaren losowości (jeśli występują) we wszystkich przebiegach. Udokumentuj regułę decyzyjną, którą stosujesz po obliczeniu wartości FDI. Backtest powinien mierzyć to, co faktycznie zdefiniowałeś, a nie implikowaną historię transakcyjną.

2) Modeluj koszty i wykonanie w realistyczny sposób

Backtesty często zawodzą, ponieważ ignorują koszty lub zakładają doskonałe wykonanie. Nawet jeśli nie próbujesz przewidywać stóp zwrotu, Twoja ocena musi uwzględniać tarcia istotne dla Twojej metodologii. Co najmniej uwzględnij:

• koszty transakcyjne (prowizje)
• przybliżenie spreadu bid/ask, jeśli Twoja logika wejścia/wyjścia implikuje transakcje po różnych stronach rynku
• poślizg jako ograniczone założenie, a nie zero

Timing wykonania jest również wyborem pomiarowym. Jeśli Twoja reguła wyzwala sygnał na zamknięciu świecy, ale zakładasz natychmiastowe wykonanie po tej samej cenie zamknięcia, implicite przyjmujesz korzystne założenie dotyczące czasu. Bardziej konserwatywne podejście polega na dopasowaniu wykonania do najwcześniejszego momentu, w którym informacja byłaby zbywalna w ramach wybranego modelu świec.

3) Kontroluj obciążenie: optymalizuj na jednym okresie, oceniaj na innym

„Sukces backtestu” często wynika z przeuczenia: wybory parametrów, które dopasowują się do szumu, a nie do stabilnej struktury. Stosuj kontrolę obciążenia, taką jak:

• walidacja krocząca (dopasowanie/optymalizacja na oknie, ocena na następnym bloku)
• blokowe testowanie poza próbą (oddzielne, ciągłe okresy oceny)
• utrzymywanie stałych progów decyzyjnych podczas oceny

Jeśli używasz wielu cykli optymalizacji, powinieneś traktować sam proces optymalizacji jako część potoku, a nie coś, co dzieje się dopiero „po” tym, jak wyniki wyglądają dobrze.

Dowody, przykłady i na co zwracać uwagę

Dowody powinny odnosić się do mechaniki

Odpowiedzialna ocena sprawdza, czy zaobserwowane wyniki są spójne z rolą wskaźnika jako miary złożoności/nierówności — a nie tylko, czy krzywa kapitału wygląda gładko.

Użyj co najmniej jednego przykładowego eksperymentu z podanymi założeniami, takiego jak:

• obliczenie FDI na oknie kroczącym
• zdefiniowanie zmiennej decyzyjnej na podstawie FDI (na przykład „wysoka vs. niska złożoność” według percentyla)
• ocena stałej, wcześniej zadeklarowanej reguły decyzyjnej na bloku poza próbą

Następnie przetestuj wrażliwość: zmieniaj jedno założenie na raz (długość okna, częstotliwość ponownego próbkowania, metodę normalizacji), utrzymując stały protokół oceny. Jeśli wnioski załamują się pod wpływem niewielkich, rozsądnych zmian, zależność może być krucha.

Porównaj z prostymi punktami odniesienia

Nie jako konkurs „kto wygra”, ale w celu interpretacji, czy wskaźnik wnosi coś ponad ogólne zachowanie. Punkty odniesienia mogą obejmować stałą obecność na rynku, losowy timing z tą samą częstotliwością transakcji lub prostą statystykę obliczoną na tych samych danych. Celem jest wykrycie, kiedy pozorna przewaga potoku może wynikać z projektu oceny, a nie z FDI.

Ograniczenia i tryby awarii, które należy uwzględnić

Ważnym ograniczeniem jest to, że miara złożoności może się zmieniać z wielu powodów niezwiązanych z żadną zbywalną przewagą. FDI może reagować na reżimy zmienności, załamania strukturalne, zmiany mikrostruktury i przesunięcia reżimów, które nie utrzymują się.

Istotne tryby awarii obejmują:

• Wyciek spojrzenia w przyszłość z obliczania FDI przy użyciu przyszłych informacji.
• Przeuczenie do małego zestawu wartości parametrów.
• Niedoszacowanie kosztów, które zamienia małe pozorne zyski w straty po uwzględnieniu tarcia.
• Niestacjonarność: zależności, które obowiązywały historycznie, mogą nie przenieść się na przyszłość.