Jakie dane są potrzebne do oceny doradców ekspertów MT4?

Definicja i kluczowe pytanie

Doradca ekspert MT4 (EA) to zautomatyzowana logika transakcyjna działająca w MetaTraderze 4. Aby ocenić EA, potrzebujesz danych, które pozwolą Ci zrozumieć (1) co EA faktycznie robi oraz (2) w jakich warunkach EA był oceniany. Celem nie jest przewidywanie przyszłych zysków, ale weryfikacja, czy jego deklarowane zachowanie i testowane zachowanie są spójne i oparte na jasno określonych założeniach.

Dane wejściowe: jakich danych potrzebujesz, aby opisać EA

Zacznij od opisu operacyjnego EA. Minimalny użyteczny zestaw danych wejściowych obejmuje:

1. Logika strategii i parametry: zasady, których używa EA (kryteria wejścia/wyjścia, kontrola ryzyka, zarządzanie pozycją) oraz pełny zestaw regulowanych parametrów. Jeśli EA używa wskaźników, zapisz, które wskaźniki, ich wartości parametrów i w jaki sposób są łączone.

2. Założenia dotyczące sesji transakcyjnej i wykonania: wszelkie filtry, takie jak dozwolone godziny handlu, typy zleceń, obsługa poślizgu oraz czy EA ogranicza handel podczas wydarzeń o charakterze newsowym (jeśli takie zasady istnieją).

3. Założenia modelu kosztów: zakładany spread, prowizje, swapy/opłaty za finansowanie oraz wszelkie modelowane koszty transakcyjne. Jeśli wyniki EA są prezentowane bez udokumentowania kosztów, jest to istotny brakujący element danych.

4. Dane użyte do oceny: historyczne serie cenowe użyte do testowania wstecznego, w tym interwał czasowy, model słupków (jak konstruowane są ticki/słupki) oraz czy test wsteczny wykorzystuje realistyczne założenia dotyczące wykonania.

5. Konfiguracja środowiska: założenia dotyczące waluty konta, ograniczenia związane z dźwignią (jeśli istotne dla kontroli depozytu zabezpieczającego) oraz uprawnienia transakcyjne. Nawet jeśli EA „tylko kupuje/sprzedaje”, limity depozytu zabezpieczającego i ograniczenia wykonania mogą wpływać na wykonalność.

Pochodzenie: skąd pochodzą dane

Pochodzenie oznacza, że możesz prześledzić każdy zbiór danych i ustawienie do źródła:

• Źródło i dokumentacja EA: skąd pochodzi kod lub skompilowany plik binarny, informacje o wersji/budowie oraz wszelka dokumentacja opisująca, do czego służy każdy parametr.
• Konfiguracja użyta podczas testowania: dokładne wartości parametrów, metoda określania wielkości pozycji i ustawienia ryzyka użyte podczas jakichkolwiek raportowanych wyników.
• Pochodzenie danych rynkowych: dostawca lub zbiór danych użyty do historycznych testów wstecznych. Jeśli pochodzenie jest niejasne, nie możesz ocenić, czy test wsteczny uwzględnił płynność i założenia dotyczące mikrostruktury.
• Pochodzenie metody oceny: czy wyniki pochodzą z testowania wstecznego, testowania na żywo (forward testing) czy handlu papierowego (paper trading) i jak długo trwał każdy okres.

Ma to znaczenie, ponieważ identyczne ustawienia parametrów mogą zachowywać się inaczej, gdy zmieni się pochodzenie danych lub model wykonania.

Aktualność i „co było wiadome w danym momencie”

Nawet w kontekście nietransakcyjnym na żywo, aktualność wpływa na interpretację. Musisz określić:

• Okno czasowe użyte do testowania wstecznego (daty rozpoczęcia/zakończenia) oraz czy pokrywa się ono z późniejszymi okresami oceny.
• Ryzyko wycieku danych: czy jakakolwiek optymalizacja wykorzystywała informacje z tego samego okresu, na którym później „udowadniała” wyniki.
• Definicja próby poza próbą (out-of-sample): co zostało zarezerwowane do oceny, a co zostało użyte do dostrojenia parametrów.

Praktyczne, ponadczasowe podejście polega na wymaganiu, aby wyniki EA były oceniane z wyraźnie rozdzielonymi okresami oraz aby można było wyjaśnić, jakie dane wejściowe były dostępne na każdym etapie.

Dowody lub przykład: jak sprawdzić, czy EA odpowiada deklaracjom

Aby ocenić EA, porównaj trzy warstwy dowodów:

1. Zgodność specyfikacji z kodem: czy udokumentowane zasady odpowiadają zachowaniu kodu (lub zachowaniu skompilowanego pliku, jeśli kod jest niedostępny)?
2. Realizm testu wstecznego: czy ocena wykorzystuje prawdopodobne założenia dotyczące wykonania dla danych instrumentów i interwałów czasowych (w tym koszty i obsługę realizacji zleceń)?
3. Powtarzalność: czy ktoś może ponownie uruchomić ten sam test wsteczny z tymi samymi parametrami i źródłem danych i uzyskać takie same lub bardzo podobne wyniki?

Jeśli nie możesz odtworzyć wyników przy użyciu tego samego udokumentowanego zestawu ustawień, traktuj dowody skuteczności jako słabe.

Ograniczenia i ryzyka: istotne tryby awarii, na które należy zwrócić uwagę

Typowe ograniczenia, które powinieneś traktować jako dane o ryzyku pierwszej kategorii, obejmują:

• Przeuczenie (overfitting): wyniki w dużej mierze zależne od konkretnych wartości parametrów lub konkretnych warunków historycznych.
• Niedopasowanie wykonania: wyniki testów wstecznych zakładające idealną realizację zleceń, ignorujące poślizg lub pomijające prowizje/szczegóły spreadu.
• Ukryta zależność od reżimu rynkowego: logika działająca w jednym reżimie rynkowym, ale zawodząca w innych (na przykład, gdy zmienia się struktura zmienności lub trendu).
• Operacyjne przypadki brzegowe: zachowanie podczas ponownych połączeń, niewystarczającego depozytu zabezpieczającego, częściowej realizacji zleceń lub nagłych zmian spreadu.
• Kruchość wskaźników: jeśli EA opiera się na wskaźnikach, sprawdź, jak wrażliwy jest na zmiany parametrów wskaźników oraz na używaną rozdzielczość danych.

Zależności historyczne nie przesądzają o przyszłych wynikach; najlepsze dostępne dowody są ograniczone do warunków, które możesz zweryfikować.