Jak można odpowiedzialnie przeprowadzić backtesting wskaźnika zmienności (Volatility Ratio)?

Jak można odpowiedzialnie przeprowadzić backtesting wskaźnika zmienności (Volatility Ratio)?

Odpowiedzialny backtesting wskaźnika zmienności (Volatility Ratio) oznacza traktowanie go jako mierzalnej wielkości, która zależy od danych i założeń, a następnie testowanie go w warunkach odzwierciedlających sposób, w jaki stopy zwrotu byłyby faktycznie realizowane. Celem nie jest „udowodnienie” przyszłych wyników, ale sprawdzenie, czy zależność obserwowana w historii przetrwa staranne kontrole pod kątem problemów z danymi, kosztów i przeuczenia (overfitting).

Odpowiedni proces składa się z czterech warstw: (1) precyzyjna definicja wskaźnika i dokładnych danych, (2) jawne założenia dotyczące kosztów i realizacji, (3) kontrola obciążeń zapobiegająca dopasowywaniu do szumu historycznego oraz (4) weryfikacja na okresach poza próbą i prostych liniach bazowych.

Mechanizm i definicja: co testujesz

Wskaźnik zmienności (Volatility Ratio) to statystyka oparta na zmienności, która porównuje zmienność bieżącego okna z oknem referencyjnym (lub z inną miarą zmienności). Typowa struktura jest następująca:

• Oblicz zmienność dla „bieżącego” okna wstecznego.
• Oblicz zmienność dla „referencyjnego” okna wstecznego.
• Utwórz iloraz (na przykład bieżący podzielony przez referencyjny).

Przed jakimkolwiek testowaniem zdefiniuj następujące elementy, ponieważ zmiana któregokolwiek z nich zmienia statystykę:

• Seria cen: jakiej ceny używasz (na przykład mid, średnia bid/ask lub proxy close-to-close).
• Definicja stopy zwrotu: wzór na stopę zwrotu użyty wewnątrz zmienności (stopy zwykłe vs logarytmiczne).
• Estymator zmienności: odchylenie standardowe stóp zwrotu lub inna miara rozproszenia.
• Długości okien: bieżące i referencyjne okna wsteczne.
• Częstotliwość próbkowania: rozmiar świecy (np. dzienny vs godzinowy) oraz sposób obsługi brakujących danych.

Jeśli nie zapiszesz tych elementów dokładnie, Twoje wyniki nie będą mogły zostać niezależnie zweryfikowane.

Dowody poprzez realistyczny backtesting: dane, koszty i przykłady

Nawet jeśli obliczenie wskaźnika zmienności (Volatility Ratio) jest poprawne, backtesty często zawodzą, ponieważ rzeczywiste warunki transakcyjne różnią się od czystych obliczeń historycznych.

Aby backtesting był oparty na dowodach:

1. Stosuj założenia, które możesz poddać audytowi

   • Określ, w jaki sposób okna zmienności są wyrównywane do znaczników czasu.
   • Wskaż, czy wskaźnik jest obliczany wyłącznie na podstawie informacji dostępnych w momencie podejmowania decyzji.
   • Jeśli używasz świec, zdefiniuj, jak traktujesz pierwsze niekompletne okna.

2. Dodaj założenia dotyczące tarcia Historyczne stopy zwrotu obliczone na podstawie cen mid lub cen zamknięcia mogą być zbyt optymistyczne. Odpowiedzialne podejście modeluje co najmniej:

   • Spread lub wpływ bid/ask (nawet jako konserwatywne stałe założenie).
   • Prowizje/opłaty, jeśli mają zastosowanie do Twojej rzeczywistości danych.
   • Opóźnienie w realizacji, jeśli wskaźnik jest obliczany na zamknięciu świecy, ale transakcja jest zakładana w późniejszym czasie.

3. Oddziel statystykę od twierdzeń o wynikach Możesz badać, czy wskaźnik ma tendencję do współzmienności z późniejszą zrealizowaną zmiennością lub czy zmienia charakterystykę rozproszenia. Unikaj jednak traktowania wskaźnika jako samodzielnej instrukcji wejścia/wyjścia.

4. Stosuj linie bazowe Porównaj swoje ustalenia z prostymi alternatywami:

   • Linia bazowa „bez wskaźnika”, która wykorzystuje stałe oczekiwania.
   • Linia bazowa wykorzystująca surową zmienność bez normalizacji wskaźnikiem.

Mała ilustracja (z jawnymi założeniami)

Załóżmy, że obliczasz estymator zmienności z logarytmicznych stóp zwrotu w dwóch oknach. Następnie obliczasz wskaźnik na każdej świecy, używając wyłącznie wcześniejszych danych. Do oceny wybierasz horyzont docelowy i obliczasz zrealizowaną zmienność w tym horyzoncie, używając tej samej definicji stopy zwrotu. Twoje pytanie badawcze brzmi: czy określony zakres wskaźnika odpowiada znacząco różnej zrealizowanej zmienności, po uwzględnieniu tarcia i bez ponownego dostrajania?

To przeformułowuje zadanie z „przewidywania zysku” na „testowanie, czy statystyka jest powiązana z mierzalnymi wynikami zmienności przy przejrzystych założeniach”.

Ograniczenia i ryzyka: jak backtesty mogą zawieść

Co najmniej jeden istotny scenariusz awarii jest powszechny w przypadku statystyk opartych na zmienności:

• Zmiany reżimu rynkowego: mapowanie między wskaźnikami zmienności a przyszłą zmiennością (lub ryzykiem) może się załamać, gdy zmienia się dynamika rynku.
• Niestabilność estymatora: estymaty zmienności mogą być zaszumione, zwłaszcza w krótkich oknach lub w okresach niskiej zmienności.
• Błędy przeżycia i artefakty danych: brakujące świece, działania korporacyjne lub niespójne źródła danych mogą zniekształcić zmienność.
• Przeuczenie poprzez dostrajanie parametrów: jeśli długości okien lub progi są wybierane w celu maksymalizacji historycznych wyników, zależność może być pozorna.

Inne praktyczne niepewności obejmują różnice w realizacji między platformami i w czasie oraz fakt, że zrealizowane wyniki zależą od kosztów i tego, czy wdrożona metoda odpowiada timingowi backtestu.

Weryfikacja i kolejne kroki: kontrola obciążeń i testowanie poza próbą

Aby zmniejszyć ryzyko, że Twój backtest odzwierciedla jedynie szum:

1. Walidacja krocząca / walidacja z przesuwaniem okna Dopasuj lub wybierz parametry wyłącznie na podstawie okresu treningowego, a następnie oceń na następnym okresie, powtarzając to w czasie.