Bezpośrednia odpowiedź: definicja i cel
Praktyka backtestingu to proces sprawdzania, jak zdefiniowany zestaw zasad handlowych zachowałby się na danych z przeszłości. Służy do tego, by dowiedzieć się, czy te zasady są spójne z określonymi zachowaniami oraz czy podejście jest na tyle wiarygodne, by zbadać je dalej. W kontekstach forex backtesting zazwyczaj wykonuje się na historycznych szeregach cenowych, aby oszacować wyniki przy założeniach dotyczących realizacji zleceń.
Praktyka backtestingu nie jest tym samym co przewidywanie przyszłości. Historyczne zależności mogą się załamać, a realny handel obejmuje czynniki (takie jak zmiany spreadu, różnice w realizacji zleceń i poślizg), które mogą nie być w pełni uchwycone przez proste symulacje historyczne.
Mechanika: jak działa backtesting
Backtest wymaga jasnego, powtarzalnego modelu. Kluczowe elementy są następujące:
- Zasady handlowe: warunki wejścia/wyjścia, dobór wielkości pozycji i kontrole ryzyka zapisane tak, aby można je było stosować w identyczny sposób za każdym razem.
- Dane i okno czasowe: z jakiego historycznego okresu korzystasz oraz na jakim interwale (na przykład świeczki minutowe vs. świeczki godzinowe).
- Założenia dotyczące realizacji zleceń: jak w symulacji wypełniane są transakcje (ceny, koszty oraz to, czy zlecenia mogą zostać zrealizowane na następnej świecy, czy po określonej cenie).
- Wskaźniki oceny: co mierzysz, np. łączny zwrot, obsunięcia (drawdowns), stopę wygranych lub zmienność.
Uproszczony przykład modelu to: „Gdy zasada uruchamia się na świecy t, otwórz po założonej cenie realizacji, zamknij, gdy uruchomi się zasada wyjścia, a następnie powtarzaj to na całym zbiorze danych.” Każde obliczenie zależy od założeń, więc te założenia powinny być jasno podane przed interpretacją wyników.
Pojęcia pokrewne i czym różni się praktyka backtestingu
Backtesting jest często wymieniany obok innych podejść do oceny, ale nie są one identyczne:
- Test forward (paper lub live simulation) sprawdza zasady na danych, które pojawiają się po okresie backtestu, zmniejszając zależność od dokładnego okna historycznego.
- Analiza walk-forward wielokrotnie ponownie trenuje lub ponownie ocenia, używając przesuwających się okien, starając się naśladować to, jak zasady zachowałyby się, gdy do gry dochodzą nowe dane.
- Przegląd wykresu lub „ręczne cofanie się wstecz” może wyglądać podobnie, ale zwykle jest mniej uporządkowany: zasady mogą być niejasne, może wystąpić błąd doboru (selection bias), a założenia dotyczące realizacji zleceń mogą być nieczytelne.
Praktykę backtestingu najlepiej rozumieć jako uporządkowaną, możliwą do sprawdzenia metodę stosowania jawnych zasad do danych historycznych — a nie jako dowód na to, że konkretna przyszła sytuacja jest prawdopodobna.
Dowody i przykład: konkretna, możliwa do sprawdzenia konfiguracja
Aby backtest był możliwy do sprawdzenia, zdefiniuj swoje założenia z góry.
Na przykład przyjmij zasady wejścia oparte na regułach i zasady wyjścia oparte na regułach, a następnie uruchom symulację na wybranym oknie historycznym, używając jednego spójnego założenia dotyczącego realizacji (takiego jak wykorzystanie ceny z konkretnej świecy jako ceny wypełnienia). Zapisz wyniki oraz zachowanie reguł w czasie.
Przydatną praktyką jest porównanie dwóch backtestów, które różnią się tylko jednym celowo wybranym elementem (na przykład okresem czasu), aby sprawdzić, czy pozorne zachowanie silnie zależy od tego wyboru. Jeśli wyniki dramatycznie się zmieniają po dostosowaniu rozsądnych ustawień, to jest to sygnał ostrzegawczy.
Ograniczenia i ryzyka: co może pójść nie tak
Backtesting często zawodzi z przewidywalnych powodów:
- Niestacjonarność (non-stationarity): warunki rynkowe się zmieniają, więc wzorce, które działały w jednej epoce, mogą nie utrzymać się w kolejnej.
- Niedopasowanie realizacji: historyczne ceny mogą nie odzwierciedlać realistycznych wypełnień, zwłaszcza jeśli realizacja zleceń różni się od modelu symulacji.
- Koszty transakcyjne i płynność: koszty oraz możliwość wejścia/wyjścia mogą istotnie wpływać na wyniki; pomijanie ich może zawyżać osiągi.
- Overfitting: zbyt dokładne dopasowanie zasad do historycznego szumu może sprawić, że wyniki będą wyglądać świetnie w próbie (in-sample), ale słabo wypadną na nowych danych.
- Problemy z jakością danych: brakujące, skorygowane lub niespójne szeregi historyczne mogą zniekształcać wyniki.
Te ograniczenia oznaczają, że sam „ładnie wyglądający” backtest nie wystarcza. Pokazuje, że zasady mogły mieć w tamtym konkretnym kontekście historycznym określone zachowanie — przy tych konkretnych założeniach.
Weryfikacja i kolejne pytanie: jak niezależnie ocenić
Niezależna weryfikacja powinna koncentrować się na tym, czy wnioski przetrwają zmianę danych i założeń. Typowe sprawdzenia obejmują:
- Testy out-of-sample: oceniaj zasady na osobnym okresie, który nie był użyty do opracowania ani strojenia.
- Analiza wrażliwości: zmieniaj kluczowe założenia (takie jak koszty lub timing realizacji) w rozsądnym zakresie i obserwuj, czy wnioski się zmieniają.
- Przejrzystość zasad: upewnij się, że zasady są w pełni określone, aby backtest można było odtworzyć.
- Powtarzana ocena: uruchamiaj proces na wielu oknach historycznych, aby zmniejszyć ryzyko, że wyniki wynikają z jednego „szczęśliwego” okresu.
DOCUMENT END