Backtesting Trading กลยุทธ์ Matlab

ในขณะที่ฉันชอบที่คำถามนี้กำลังจะไปฉันขอแนะนำให้ทำเป็นคอนกรีตเล็ก ๆ น้อย ๆ สิ่งที่เป็นส่วนของกระบวนการ backtesting ที่คุณต้องการเรียนรู้นี้สามารถช่วงใดก็ได้จากเพียงประมาณผลตอบแทนปกติที่ผลตอบแทนจากกลยุทธ์ของคุณมีอยู่แล้ว ได้รับการดำเนินการตามกฎการก่อตัวแบบเต็มรูปแบบ Constantin Dec 30 14 ที่ 21 06 ถ้าเป็นเรื่องจริงฉันไม่ทราบข้อมูลเกี่ยวกับ backtesting มากนักฉันได้รับแจ้งว่าฉันจะต้องทำ backtest กลยุทธ์ใหม่หรือปรับปรุงหลักสูตรปัจจุบันในระหว่างการฝึกงานของฉันดังนั้นฉันต้องการ รู้อะไรเพิ่มเติมเกี่ยวกับเรื่องก่อนที่จะเริ่มต้นสิ่งที่เป็นส่วนต่างๆของมัน Maxime Dec 30 14 ที่ 21 31 ความคิดทั่วไปสำหรับตราสารทุน backtest ง่ายๆโดยปกติจะประกอบด้วยสองขั้นตอนของผลตอบแทนการลงทุนที่เกิดจากการสร้างผลงานของคุณ กฎระเบียบหรือกลยุทธ์การซื้อขายการปรับเปลี่ยนความเสี่ยงของผลตอบแทนของพอร์ตการลงทุนโดยใช้รูปแบบการกำหนดราคาสินทรัพย์ขั้นตอนที่ 2 เป็นเพียงการถดถอยและการคำนวณง่ายมากใน Matlab อะไรของฉัน trickier s การดำเนินการตามขั้นตอนที่ 1 ซึ่งจะทำให้คุณรู้สึกสะดวกสบายมากใน Matlab และมีวิธีต่างๆในการทำเช่นนี้หากคุณรู้จักวิธีการถดถอย OLS ใน Matlab สิ่งที่คุณควรเน้นคือการจัดการเมทริกซ์ทุกประเภท การใช้งานใน Matlab. Portfolio การสร้างและผลตอบแทน computation. To ให้ตัวอย่างของวิธีการกลยุทธ์การซื้อขายดั้งเดิมสามารถนำมาใช้ใน Matlab ให้สมมติฐานของการรับคืนข้อมูลรายเดือนและระยะเวลาการถือครองสม่ำเสมอของหนึ่งเดือนในสินทรัพย์ n กว่า k งวดที่ i in และ k ในการสมมติว่าไม่มีการเปลี่ยนแปลงในองค์ประกอบของจักรวาลสต็อกของคุณเมทริกซ์ผลตอบแทนของคุณ X มีขนาด k เท่า n X เริ่มต้นจุด x จุด x vdots ddots vdots ddots vdots จุด x จุด x vdots ddots vdots ddots vdots จุด x จุด x end. Where ผลตอบแทนจะคำนวณเป็น x frac -1.Assuming ว่าเกณฑ์การเลือกของคุณเป็นชนิดของสต็อกบางลักษณะ ซึ่งจะมีอยู่ที่ความถี่รายเดือนคุณจะมีลักษณะเป็นเมทริกซ์ C. จากนั้นคุณสามารถเขียนอัลกอริทึมที่ระบุรายการเหล่านั้นใน C ซึ่งตรงกับเกณฑ์การเลือกของคุณเช่นเกินเกณฑ์ที่กำหนดและแทนที่รายการที่ตรงกันซึ่ง i และ t เหมือนกัน ของตัวบ่งชี้เมทริกซ์ I ซึ่งได้รับการเริ่มต้นเป็นเมทริกซ์เป็นศูนย์โดยใช้ฟังก์ชันศูนย์กับคนแล้วคุณสามารถคูณรายการของ I โดยผลตอบแทนของเมทริกซ์ X เพื่อให้ได้เมทริกซ์ R ซึ่งระบุถึงผลตอบแทนจากการถือครองของคุณคุณสามารถ จากนั้นคำนวณค่าเฉลี่ยของรายการที่ไม่ใช่ศูนย์สำหรับแต่ละแถวของ R เพื่อให้ได้รูปแบบผลตอบแทนของพอร์ตการลงทุนของคุณการปรับเปลี่ยนและระบุผลตอบแทนที่ผิดปกติในขั้นตอนที่ 2 คุณเปรียบเทียบเวกเตอร์นี้เป็นปกติ ผลตอบแทนที่ได้จากการประมาณความถดถอยของแบบจำลองการกำหนดราคาสินทรัพย์เช่นแบบจำลอง Fama - French โดยการลบเวกเตอร์การรับผลตอบแทนปกติจากเวคเตอร์ผลตอบแทนของพอร์ตลงทุนคุณจะทราบได้อย่างไรว่ากลยุทธ์การซื้อขายของคุณมีผลตอบแทนที่เป็นบวกผิดปกติหรือไม่? . ถ้าคุณใหม่ Matlab ผมเองแนะนำให้คุณทำความคุ้นเคยกับมันพอที่จะใช้กลยุทธ์นี้ง่ายก่อนผ่อนคลายบางสมมติฐานง่ายเช่นระยะเวลาการถือครองสม่ำเสมอและ periodicity และดำเนินการเพื่อการใช้งานที่ซับซ้อนมากขึ้นอีกครั้งสิ่งที่ฉันต้องการ ความเครียดอยู่ที่นี้คุณจะต้องสะดวกสบายมากกับ Matlab และโดยเฉพาะอย่างยิ่งวิธีต่างๆในการจัดการการฝึกอบรมซึ่งอาจใช้เวลาสักครู่หากคุณไม่จำเป็นต้องใช้ Matlab สำหรับการฝึกงานของคุณและต้องการได้ผลลัพธ์รวดเร็วคุณสามารถทำขั้นตอนที่ 1 ใน Excel แทนซึ่งเป็นที่น่าเบื่อ แต่ doesn t ต้องมีการลงทุนครั้งแรกที่คุ้มค่าที่คุณต้องทำให้ Matlab. To กลายเป็น คุ้นเคยกับ Matlab ผมแน่ใจว่าคุณได้ค้นพบเอกสารที่ดีมากที่มาพร้อมกับมันแล้วนั่นเป็นทรัพยากรที่มีค่าที่สุดเพียงอย่างเดียวและน่าจะมีประโยชน์มากกว่าทรัพยากรที่เฉพาะเจาะจงมากขึ้นซึ่งผมจะรอจนกว่าคุณจะคุ้นเคย กับ Matlab เองทั้งหมดที่จำเป็นในการกำหนดผลตอบแทนตามปกติคือการถดถอย OLS และความเข้าใจพื้นฐานของรูปแบบการกำหนดราคาสินทรัพย์ตอบเดือนธันวาคม 30 14 ที่ 22 20 โพสต์นี้เป็นเรื่องเกี่ยวกับความสำคัญคือการใช้วิธีการเพิ่มประสิทธิภาพที่แตกต่างกันเช่นพันธุกรรม อัลกอริธึมและ parallelisation เพื่อให้ได้ผลลัพธ์ได้เร็วขึ้นอัลกอริธึมเชิงจริยธรรม Optimisation แม้ว่าจะมีหลักการของขั้นตอนวิธีการวิวัฒนาการทางพันธุกรรมที่ได้รับการอธิบายไว้เป็นอย่างดีในการสัมมนาทางเว็บของ MathWorks ในตัวอย่าง แต่จะใช้สำหรับการเพิ่มประสิทธิภาพของกลุ่มกลยุทธ์เท่านั้น ชุดนี่คือตัวอย่างที่ดีของการใช้อัลกอริทึมเหล่านี้ แต่มันเกิดขึ้นว่ามีความจำเป็นที่จะต้องกำหนดตัวแปรหลายตัวแปรด้วยช่วงเวลาที่สำคัญสำหรับ r หนึ่งกลยุทธ์คุณ don t รับโดยมีการวนซ้ำหนึ่งและ parallelisation ของการคำนวณกระบวนการอาจใช้เวลาหลายวันแน่นอนมีกลยุทธ์ในขั้นตอนสุดท้ายของการเพิ่มประสิทธิภาพเมื่อเราเกือบจะแน่นอนรู้ว่ากลยุทธ์การซื้อขายจะประสบความสำเร็จเราสามารถรอหลายวัน เช่นกันหรือเช่ากลุ่มทั้งหมด - ผลอาจจะคุ้มค่าอย่างไรก็ตามถ้าเราต้องการที่จะประมาณการผลของกลยุทธ์ขนาดใหญ่และตัดสินใจว่ามันคุ้มค่าที่จะใช้เวลาแล้วขั้นตอนวิธีทางพันธุกรรมอาจจะเหมาะอย่างสมบูรณ์เราให้บริการ ความเป็นไปได้ที่จะใช้สามวิธีเพื่อเพิ่มประสิทธิภาพของกลยุทธ์ใน WFAToolbox. Linear วิธีการมันเป็นโหมดปกติของการเรียงลำดับที่คุณจะเห็นผล suboptimal กลางทั้งหมดมันให้ความถูกต้องสูงสุดวิธีการแบบขนานทั้งหมดของ CPU ของคุณจะใช้ไม่อนุญาตให้ เห็นผลกลาง แต่อย่างมากเร่งการดำเนินการมันให้ความถูกต้องสูงสุดในระหว่างการเพิ่มความเร็วในการคำนวณวิธีการทางเรขาคณิตจะใช้ขั้นตอนวิธีการเพิ่มประสิทธิภาพการวิวัฒนาการมัน allo ws เพื่อดูค่าต่ำสุด แต่ให้ผลลัพธ์ใกล้เคียงกับสิ่งที่ดีที่สุดไม่ใช่วิธีที่ถูกต้อง แต่แม่นยำมากพอสำหรับการเริ่มต้นใช้งานของกลยุทธ์เร็วมากเรามักถามว่า WFAToolbox - Walk-Forward Analysis Toolbox สำหรับ MATLAB มีความสามารถในการใช้ GPU ในการคำนวณอย่างไรก็ตาม GPU ไม่เหมาะกับงานทั้งหมดและการใช้งานที่เฉพาะเจาะจงมากดังนั้นเพื่อที่จะใช้งานคุณต้องปรับตรรกะและรหัสของแต่ละกลยุทธ์สำหรับการทดสอบแกนกราฟิก เพื่อความไม่แพร่หลายดังกล่าวของวิธีการหนึ่งไม่สามารถใช้ GPU ใน WFAToolbox ต่อไปส่วนที่ 2 ของการสนทนาของปัญหาและแนวทางแก้ไขปัญหาในการทดสอบและการวิเคราะห์กลยุทธ์การซื้อขายขั้นตอนวิธีใน MATLAB ผมขอเชิญคุณอ่านโพสต์นี้เกี่ยวกับปัญหาของ unavailability ของการสร้างภาพของ กระบวนการในการแก้ปัญหาซอฟต์แวร์ที่ทันสมัยสำหรับการทดสอบระบบการซื้อขายการตรวจสอบกระบวนการทดสอบในประสบการณ์การทำงานของฉันฉันมักจะวิเคราะห์แพลตฟอร์มยอดนิยมอื่น ๆ สำหรับการทดสอบกลยุทธ์การซื้อขายเช่น TradeStation Me TaStock Multicharts ฯลฯ และฉันรู้สึกประหลาดใจเสมอที่ความสนใจเพียงเล็กน้อยในการสร้างภาพของขั้นตอนการทดสอบสิ่งที่เราไม่เห็นผลของค่ากลางขั้นต่ำที่เหมาะสมที่สุดของพารามิเตอร์ที่ดีที่สุดเรามักทิ้งทองพร้อมกับ สิ่งสกปรกเรื่องนี้เกิดขึ้นเนื่องจากการสุ่มตัวอย่างแบบกว้างเกินไปกลยุทธ์นี้จะปรับพารามิเตอร์ตามวิธีที่เราเห็นทั้งกลยุทธ์ที่สมบูรณ์แบบซึ่งล้มเหลวในชีวิตจริงหรือเห็นข้อเสนอหนึ่งหรือสองข้อซึ่งควรจะเป็นที่ดีที่สุดเพราะได้รับเลือกข้อมูลช่วงเวลาดังกล่าว กลยุทธ์การซื้อขายที่ดีที่สุดคือการซื้อและระงับ แต่เหตุใดจึงต้องมีกลยุทธ์อื่น ๆ การตรวจสอบกระบวนการทดสอบกลยุทธ์การซื้อขายใน MATLAB ที่เสนอในการสัมมนาผ่านเว็บเป็นผลโดยไม่เห็นผลลัพธ์ขั้นกลางเราต้องสุ่มสี่สุ่มห้าเปลี่ยนแปลงพารามิเตอร์ เพื่อพยายามรับข้อมูลที่ดีกว่าหรือดูในสี 3D หรือ 4D บางส่วนเป็นมิติที่ 4 ตามที่เสนอในการสัมมนาผ่านเว็บการวิเคราะห์ค่าในช่องว่าง N มิติสามารถเป็นได้อย่างแน่นอน แต่มีข้อ จำกัด หลายประการถ้ามีมากกว่า 4 มิติเมื่อคุณเห็นสัญญาณและความถี่ที่ปรากฏในช่วงราคาคุณมีเกือบทั้งหมดการแสดงภาพที่จำเป็นในกลยุทธ์ของคุณความถี่ของการทำธุรกรรม เส้นโค้งความสามารถในการทำกำไรความถูกต้องของการเปิดความคล้ายคลึงกับค่านิยม suboptimal ฯลฯ ที่ไม่สามารถกล่าวเกี่ยวกับประสิทธิภาพในพื้นที่ N มิติที่ข้อมูลที่เป็นประโยชน์ทั้งหมดในความเป็นจริงว่าค่าที่เหมาะสมไม่ได้เป็นเพียงหนึ่ง แต่มี ทั้งช่วงของค่าต่ำสุดในพื้นที่อย่างน้อยหนึ่งพื้นที่ในขณะที่การเพิ่มประสิทธิภาพกลยุทธ์ในกล่องเครื่องมือวิเคราะห์เดินไปข้างหน้าของ WFAToolbox สำหรับ MATLAB เป็นค่าที่เหมาะสมใหม่จะถูกพบสัญญาณการซื้อขายในช่วงเวลาในตัวอย่างและนอกกลุ่มตัวอย่างจะปรากฏขึ้นทันที บนแผนภูมิเพื่อให้คุณสามารถควบคุมช่วงของตัวเลือกที่คุณควรกำหนดและคุณสามารถหยุดการเพิ่มประสิทธิภาพชั่วคราวโดยไม่รอจนจบการทดสอบเนื่องจากเป็นที่ชัดเจนว่ามีบางอย่างเกิดขึ้น ng หรือทุกอย่างถูกปรับสวัสดีชื่อของฉันคือ Igor Volkov ฉันได้รับการพัฒนากลยุทธ์การค้าอัลกอริธึมตั้งแต่ปี 2006 และได้ทำงานในกองทุนป้องกันความเสี่ยงหลายแห่งในบทความนี้ฉันต้องการจะพูดคุยเกี่ยวกับปัญหาที่เกิดขึ้นในทางของนักพัฒนากลยุทธ์การค้า MATLAB ในระหว่างการทดสอบ และการวิเคราะห์รวมทั้งเพื่อเสนอแนวทางที่เป็นไปได้ฉันใช้ MATLAB เพื่อทดสอบกลยุทธ์ขั้นตอนวิธีมาตั้งแต่ปี 2007 และฉันได้ข้อสรุปว่านี่ไม่ใช่เครื่องมือการวิจัยที่สะดวกที่สุดเท่านั้น แต่ยังเป็นเครื่องมือที่มีประสิทธิภาพมากที่สุดเนื่องจากเป็นไปได้ การใช้โมเดลเชิงเศรษฐศาสตร์และทางเศรษฐศาสตร์ที่ซับซ้อนเครือข่ายประสาทการเรียนรู้ด้วยเครื่องฟิลเตอร์ดิจิตอลตรรกศาสตร์ฟัซซี่เป็นต้นโดยการเพิ่มกล่องเครื่องมือภาษา MATLAB ค่อนข้างง่ายและได้รับการจัดทำเป็นเอกสารไว้อย่างดีดังนั้นแม้แต่โปรแกรมที่ไม่ใช่โปรแกรมเมอร์เช่นฉันก็สามารถควบคุมได้ มันเป็น 2008 ถ้าฉันไม่เข้าใจผิดเมื่อ webinar แรกในการซื้อขาย algorithmic ใน MATLAB กับ Ali Kazaam ได้รับการปล่อยตัวครอบคลุมหัวข้อการเพิ่มประสิทธิภาพกลยุทธ์ง่ายๆตาม tec ตัวชี้วัด hnical ฯลฯ แม้รหัสวุ่นวายเครื่องมือที่น่าสนใจพอที่จะใช้พวกเขาทำหน้าที่เป็นจุดเริ่มต้นสำหรับการวิจัยและการเพิ่มประสิทธิภาพของรูปแบบการทดสอบและการวิเคราะห์ซึ่งจะช่วยให้การใช้อำนาจทั้งหมดของ toolboxes และเสรีภาพในการดำเนินการ MATLAB ในระหว่าง การสร้างกลยุทธ์การค้าของตัวเองในเวลาเดียวกันก็จะช่วยให้การควบคุมกระบวนการของการทดสอบและได้รับข้อมูลและการวิเคราะห์ในภายหลังของพวกเขาจะเลือกผลงานที่มีประสิทธิภาพของระบบการซื้อขายที่แข็งแกร่งต่อมาการสัมมนาผ่านเว็บ Mathworks ได้รับการปรับปรุงทุกปีและค่อยๆนำมาใช้ องค์ประกอบที่น่าสนใจมากขึ้นดังนั้นการสัมมนาทางเว็บครั้งแรกเกี่ยวกับการซื้อขายคู่ทางสถิติการเก็งกำไรโดยใช้กล่องเครื่องมือ Econometric จึงเกิดขึ้นในปี 2010 แม้ว่า Toolbox ของการทดสอบและการวิเคราะห์จะยังคงเหมือนเดิมในปี 2013 กล่องเครื่องมือซื้อขายจาก Mathworks ปรากฏขึ้นซึ่งอนุญาตให้เชื่อมต่อ MATLAB ไปยังส่วนต่างๆ โบรกเกอร์สำหรับการใช้งานของพวกเขาแม้ว่าจะมีโซลูชั่นอัตโนมัติสำหรับการดำเนินการของการทำธุรกรรม s จากจุดนั้น MATLAB อาจถูกพิจารณาว่าเป็นระบบสำหรับการพัฒนากลยุทธ์การซื้อขายด้วยวัฏจักรเต็มรูปแบบจากการโหลดข้อมูลไปจนถึงการดำเนินกลยุทธ์การซื้อขายอัตโนมัติโดยที่ทำไม Algotrader ควรทำ Reinvent Wheel แต่ Mathworks ไม่ได้เสนอทางออกที่สมบูรณ์สำหรับการทดสอบและ การวิเคราะห์กลยุทธ์รหัสเหล่านั้นที่คุณจะได้รับจากการสัมมนาผ่านเว็บเป็นองค์ประกอบเฉพาะของการทดสอบระบบแบบเต็มรูปแบบและจำเป็นต้องปรับเปลี่ยนแก้ไขกำหนดค่าเหล่านี้และเพิ่มลงใน GUI เพื่อความสะดวกในการใช้งานเสียเวลามาก จึงวางคำถามสิ่งที่เป็นกลยุทธ์จะต้องผ่านกระบวนการเดียวกันของการทดสอบและการวิเคราะห์ซึ่งจะช่วยให้สามารถจัดเป็นมั่นคงและใช้งานได้ดังนั้นทำไมทุกคนควร reinvent ล้อและเขียนรหัสของตัวเองสำหรับกลยุทธ์การทดสอบที่เหมาะสม ใน MATLAB ดังนั้นจึงตัดสินใจที่จะสร้างผลิตภัณฑ์ที่จะช่วยให้สามารถทำกระบวนการทั้งหมดที่เกี่ยวข้องกับการทดสอบและวิเคราะห์กลยุทธ์การซื้อขายแบบอัลกอลิกึมโดยใช้วิธีง่ายๆ อินเตอร์เฟซที่ใช้งานง่ายก่อนอื่นผมอยากจะตอบคำถามต่อไปนี้เกิดอะไรขึ้นกับ blog.1 Jev Kuznetsov ไม่ใช่เจ้าของบล็อกอีกต่อไปบล็อกถูกซื้อมาจากเพื่อนของเรา Jev Kuznetsov ผู้ซึ่งย้ายไปอยู่ที่ บล็อกอื่น ๆ เขาสรุปว่างูใหญ่ดีกว่า MATLAB เพื่อการค้าซึ่งฉันถือว่าเป็นเท็จ MATLAB ยังคงเป็นหนึ่งในซอฟต์แวร์ที่ดีที่สุดในโลกสำหรับวัตถุประสงค์การค้า algorithmic IMHO ฉันมีข้อเท็จจริงบางอย่างเกี่ยวกับเรื่องนี้แม้ว่าการสนทนาในอนาคต 2 เราได้เปลี่ยน brand. From ขณะนี้บล็อกจะเรียกว่า MatlabTrading ซึ่งเป็นที่เข้าใจมากขึ้นเกี่ยวกับหัวข้อที่จะรวมถึงนอกจากนี้ชื่อโดเมนได้รับการเปลี่ยนแปลงแทนการเริ่มต้นแม้ว่าโดเมนเก่ายังคงทำงานเปลี่ยนเส้นทางจากชื่อโดเมนหลัก สิ่งที่จะเกิดขึ้นกับ blog.1 บทความและบทความอื่น ๆ เราหวังว่าจะนำชีวิตไปสู่บล็อกนี้โดยการโพสต์เนื้อหาที่เกี่ยวข้องสัปดาห์ละครั้งหรือสองครั้งในช่วง 2-3 เดือนแรกเราจะโพสต์บทความเหล่านั้นส่วนใหญ่และบทความ ideos ที่เรามีอยู่แล้วเพื่อให้ง่ายสำหรับผู้อ่านที่รักของเราเพื่อค้นหาข้อมูลเกี่ยวกับทรัพยากรหนึ่งและมี crosslink กับพวกเขาแล้วเรามีแผนการที่จะเขียนบทความเกี่ยวกับด้านการปฏิบัติของการค้า algorithmic ใน MATLAB วิธีการสร้างกลยุทธ์การซื้อขายอัตโนมัติที่ทันสมัยเช่น การค้าคู่ค้า arbitrage คู่ค้าหมายถึงการพลิกกลับของตลาดกลยุทธ์การซื้อขายที่เป็นกลางตามวงกลม bollinger cointegration ฯลฯ ตัวกรองคาลมานสำหรับสินค้าโภคภัณฑ์หุ้นและ Forex. Trend กลยุทธ์ดังต่อไปนี้กับ Jurik Moving Average และอื่น ๆ ที่มีความซับซ้อนดิจิตอล filters. Forecasting กลยุทธ์กับการเรียนรู้เครื่องเครื่องเวกเตอร์สนับสนุนและวิธีการอื่น ๆ การสร้างกลยุทธ์การซื้อขายที่มีประสิทธิภาพโดยใช้การจัดการเงินทดสอบการเดินไปข้างหน้าเพื่อการลงทุนด้านวิทยาศาสตร์ทุนของคุณเกี่ยวกับวิธีรับ 1 ล้านจาก 10 ปีในหนึ่งปีที่มีผลตอบแทนสูงสุด แต่ประเมินความเสี่ยงและผลตอบแทนที่อาจเกิดขึ้นหลังจากการอ่านนี้คุณได้คิดว่านี่เป็นอีกเรื่องหนึ่ง บทความโง่สำหรับคนที่ยากจนเหล่านั้นกำลังมองหาวิธีที่จะกลายเป็นคนรวยผ่านการซื้อขายสำหรับ อดีตและทั้งหมดที่ดีที่เป็นเท็จโดยสิ้นเชิงเราทำงานใน MATLAB และส่วนใหญ่ของเราเป็นนักวิทยาศาสตร์และผู้เชี่ยวชาญในด้านนั้นเพื่อให้ทุกอย่างเป็นร้ายแรง 2 more interactivity. I จะมีความสุขถ้าเราสามารถเกี่ยวข้องทั้งหมดผ่านความเห็นในบทความสมัครสมาชิก ข่าวสารของเราจะได้รับการแจ้งเตือนเกี่ยวกับโพสต์และกิจกรรมใหม่ ๆ ในภายหลังเรามีแผนที่จะจัดงานสัมมนาผ่านเว็บ Google Hangouts อย่าพลาดคลิกที่ปุ่มการติดตามที่มุมขวาบนเพื่อเข้าร่วมชุมชนของเราสิ่งที่คุณต้องการอ่านใน โพสต์บล็อกโพสต์สิ่งที่คุณสามารถขอแนะนำกรุณาเขียนที่นี่ใน comments. In โพสต์ก่อนหน้าฉันมาสรุปว่าการซื้อขายคู่ปิดเพื่อปิดไม่เป็นผลกำไรในวันนี้ตามที่เคยเป็นก่อน 2010 ผู้อ่านชี้ให้เห็นว่าอาจเป็น นั่นหมายถึงการคืนค่าของการแพร่กระจายเพียงเลื่อนไปที่ช่วงเวลาที่สั้นลงฉันเกิดขึ้นเพื่อแบ่งปันความคิดเดียวกันดังนั้นฉันจึงตัดสินใจที่จะทดสอบสมมติฐานนี้เวลานี้เพียงหนึ่งคู่ได้รับการทดสอบ 100 SPY vs -80 IWM Backtest ดำเนินการกับข้อมูลแถบ 30 วินาที ตั้งแต่ 11 2011 ถึง 12 2012 Th e กฎง่ายและคล้ายกับกลยุทธ์ที่ฉันทดสอบในโพสต์ล่าสุดถ้าแถบกลับของคู่เกินกว่า 1 ใน z-score การค้าแถบถัดไปผลดูสวยมากฉันจะพิจารณานี้เป็นหลักฐานเพียงพอที่ยังคงมีมากมาย ของการพลิกกลับค่าเฉลี่ยในระดับ 30 วินาทีหากคุณคิดว่าแผนภูมินี้ดีเกินกว่าที่จะเป็นจริงโชคไม่ดีที่ในกรณีนี้ไม่ได้มีการพิจารณาต้นทุนการทำธุรกรรมหรือการแพร่กระจายราคาเสนอโดยแท้จริงแล้วผมสงสัยว่าจะมี กำไรใด ๆ ที่เหลือหลังจากหักค่าใช้จ่ายการซื้อขายทั้งหมดยังคงชนิดของแผนภูมินี้แครอท dangling อยู่ด้านหน้าของจมูกของฉันทำให้ฉันไปทุกคนข่าวตามการคำนวณของฉันซึ่งฉันหวังว่าจะเป็นจริงไม่ถูกต้องการซื้อขายคู่คลาสสิกตายบาง คนจะไม่เห็นด้วยอย่างยิ่ง แต่นี่คือสิ่งที่ฉันพบให้เป็นกลยุทธ์สมมุติที่ทำงานบนตะกร้าของ etfs SPY, XLY, XLE, XLF, XLI, XLB, XLK, IWM, QQQ, DIA จากเหล่านี้ etfs 90 คู่ที่ไม่ซ้ำกัน สามารถทำได้แต่ละคู่ถูกสร้างขึ้นเป็นตลาด neu tral spread. Strategy rules ในแต่ละวันสำหรับแต่ละคู่ให้คำนวณ z-score โดยใช้ค่าส่วนเบี่ยงเบนมาตรฐาน 25 วันถ้า z-score threshold ไปที่ short ให้ปิดในวันถัดไปถ้า z-score-threshold ยาวไปให้ปิดถัดไป day. To ให้มันง่ายทั้งหมดการคำนวณจะทำโดยไม่มีการจัดการเงินทุนใด ๆ หนึ่งสามารถมีได้ถึง 90 คู่ในผลงานในแต่ละวันค่าใช้จ่ายในการทำธุรกรรมจะไม่นำเข้าบัญชีทั้งที่จะนำมันเพียงแค่กลยุทธ์นี้แทร็คหนึ่งวันหมายถึงการย้อนกลับลักษณะของตลาด นี่คือผลการจำลองสำหรับหลายเกณฑ์ไม่ว่าสิ่งที่เกณฑ์จะใช้กลยุทธ์เป็นผลกำไรสูงในปี 2008 ที่ดีงาม 2009 และสมบูรณ์ไร้ค่าตั้งแต่ต้นปี 2010 นี่ไม่ใช่ครั้งแรกที่ฉันเจอการเปลี่ยนแปลงในค่าเฉลี่ย - การคืนค่าพฤติกรรมใน etfs ไม่ว่าฉันได้พยายามฉันมีโชคในการหากลยุทธ์การซื้อขายคู่ที่จะทำงานใน ETFs ผ่าน 2010 ไม่ได้ข้อสรุปของฉันคือรูปแบบ stat - arb ง่ายนี้ don t ตัดใด ๆ more. แทน บอกคุณว่าเป็นเครื่องมือที่ดีที่สุดหรือ กระบวนการที่คุณสามารถใช้สำหรับการทดสอบย้อนหลังให้ฉันแทนมุ่งเน้นไปที่ข้อผิดพลาดที่ใหญ่ที่สุดที่คุณต้องหลีกเลี่ยงเพื่อทำ backtest ที่น่าเชื่อถือนี่คือบางส่วนของปัจจัยที่สำคัญที่สุดที่คุณต้องจำไว้เมื่อ backtesting กลยุทธ์การซื้อขายหุ้น การใส่ข้อมูลข้อมูลนี่คือความผิดพลาดที่ยิ่งใหญ่ที่สุดที่ผู้คนส่วนใหญ่ทำในการสร้างกลยุทธ์ที่ให้ผลลัพธ์ที่น่าสนใจเมื่อสร้างกลยุทธ์หากคุณเริ่มต้นปรับแต่งค่าพารามิเตอร์ของคุณในแบบที่ทำให้ได้รับผลตอบแทนสูงสุดแล้วกลยุทธ์นั้นจะเป็นไปได้มากที่สุด ล้มเหลว miserably ในสภาพความเป็นอยู่มี 2 วิธีในการเอาชนะนี้ - out - of - ตัวอย่างการทดสอบและการสร้างกลยุทธ์ตามตรรกะมากกว่าโดย tweaking ใส่พารามิเตอร์กำลังมองไปข้างหน้าอคตินี้เกิดขึ้นเมื่อคุณใช้ข้อมูลเพื่อสร้างสัญญาณที่มิฉะนั้นจะไม่ได้รับ มีอยู่ ณ จุดนั้นในอดีตตัวอย่างเช่นถ้างบการเงินของ บริษัท สิ้นสุดในเดือนมีนาคมและคุณใช้ข้อมูลรายได้สำหรับปีที่แล้วในวันที่ 1 เมษายนเป็น มีแนวโน้มว่า บริษัท จะไม่ได้ประกาศว่าข้อมูลก่อนเดือนพฤษภาคมหรือมิถุนายนที่จะส่งผลให้มองไปข้างหน้าลำเอียง Disurivorship อคตินี้เป็นหนึ่งในบรรดายากที่จะสังเกตเห็นความผิดพลาดสมมติว่าคุณมีกลยุทธ์ที่ธุรกิจการค้าจากรายการของ 500 ขนาดเล็ก หุ้นที่ปิดตัวลงตามตัวชี้วัดทางเทคนิคบางประการมีโอกาสที่หากคุณพยายามที่จะรับข้อมูลราคาย้อนหลัง 10 ปีสำหรับหุ้น 500 หุ้นเหล่านี้สำหรับการทดสอบย้อนหลังของคุณคุณจะไม่รวมข้อมูลสำหรับหุ้นทั้งหมดที่ถูกเพิกถอนในช่วงระยะเวลา 10 ปี เมื่อคุณทดสอบกลยุทธ์ของคุณคุณจะไม่ถือว่าการค้าที่อาจเป็นไปได้ที่เกิดขึ้นกับหุ้นที่ไม่ดีเหล่านั้นหากคุณได้ใช้กลยุทธ์นี้ในช่วงเวลานั้นจริงการมุ่งเน้นผลตอบแทนมีจำนวนพารามิเตอร์ที่คุณต้องพิจารณา การตัดสินคุณภาพของกลยุทธ์การมุ่งเน้นผลตอบแทนอย่างหมดจดอาจนำไปสู่ประเด็นสำคัญ ๆ ตัวอย่างเช่นถ้า Strategy A ให้ผลตอบแทน 10 ครั้งในช่วงเวลาหนึ่ง ๆ โดยมีการเบี่ยงเบนสูงสุด -2 และกลยุทธ์ B giv es 12 ผลตอบแทนที่มีการเบิกจาก -10 แล้ว B ไม่ชัดเจนกลยุทธ์ที่เหนือกว่ามีพารามิเตอร์ที่สำคัญอื่น ๆ เช่น drawdown อัตราความสำเร็จอัตราส่วน sharpe ฯลฯ ผลกระทบของตลาดค่าธรรมเนียมการทำธุรกรรมเมื่อดูความเป็นไปได้ของกลยุทธ์ เป็นสิ่งสำคัญมากที่จะต้องพิจารณาผลกระทบจากตลาดที่เป็นไปได้ของการค้ารวมถึงค่าใช้จ่ายในการทำธุรกรรมที่อาจเกิดขึ้นคุณอาจถูกล่อลวงให้สร้างกลยุทธ์ที่จะซื้อหุ้นที่มีสภาพคล่องต่ำบางส่วนที่มีแนวโน้มที่จะให้ผลตอบแทนที่โดดเด่น แต่เมื่อคุณเข้าสู่ ตลาดที่จะใช้กลยุทธ์นี้คำสั่งซื้อขนาดใหญ่ในหุ้น illiquid จะย้ายราคาที่คุณจะไม่ได้มีปัจจัยในการทดสอบของคุณนอกจากนี้ค่าใช้จ่ายในการทำธุรกรรมยังสามารถเปลี่ยนผลตอบแทนอย่างมากดังนั้นคุณจึงควรมองไปที่ผลกำไรสุทธิการทำเหมืองข้อมูลนี้สวย คล้ายกับปัญหาการ overfitting ข้อมูลถ้าคุณทรมานข้อมูลนานพอที่จะสารภาพกับสิ่งนี้เป็นเรื่องตลกร่วมกันระหว่างนักวิทยาศาสตร์ข้อมูลที่เชื่อว่าถ้าคุณใช้เวลามากพอที่คุณสามารถ n หารูปแบบในเกือบชุดข้อมูลใด ๆ ที่ไม่จำเป็นต้องหมายความว่ารูปแบบนี้จะถูกต้องในอนาคตการเปลี่ยนแปลงในเชิงบวกอาจเป็นไปได้ที่คุณจะได้พบกับกลยุทธ์ที่มีผลดีต่อข้อมูลที่ผ่านมา แต่เป็นการเปลี่ยนแปลงขั้นพื้นฐานในตลาด พลวัตอาจทำให้กลยุทธ์เดียวกันล้มเหลวในอนาคตเป็นที่รู้จักกันดีว่าเกือบทุกกลยุทธ์ที่ดีต้องให้การพัฒนากับการเปลี่ยนแปลงสภาพตลาดกรอบเวลาเล็ก ๆ เป็นสิ่งสำคัญเพื่อทดสอบกลยุทธ์ในระยะเวลานานพอสมควรและในการเปลี่ยนแปลงสภาวะตลาด โดยเฉพาะอย่างยิ่งสำหรับกลยุทธ์การซื้อขายหุ้นที่อาจดำเนินการได้ดีในตลาดวัว แต่จะกวาดบัญชีธนาคารของคุณออกไปด้านข้างหรือตลาดหมีมีหลายสิ่งที่ควรพิจารณาเมื่อทำ backtesting แต่ในที่สุดวิธีเดียวที่จะทำให้แน่ใจได้ว่า กลยุทธ์การทำงานในสภาพความเป็นอยู่คือการทดสอบในสภาพความเป็นอยู่ ความคิดเห็นที่ฉันเป็นผู้ร่วมก่อตั้ง Tauro Wealth มุมมองที่นำเสนอในที่นี้เป็นเพียงความคิดเห็นส่วนตัวของฉันและมีวัตถุประสงค์เพื่อเป็นข้อมูลเท่านั้นความมั่งคั่งของ Taro เป็น บริษัท ด้านเทคโนโลยีการเงิน Tauro Wealth ที่กำลังมองหาเพื่อแก้ปัญหาที่เผชิญกับนักลงทุนรายย่อยในอินเดียเราหวังว่า เพื่อให้ครอบคลุมระยะยาวโซลูชั่นการลงทุนในส่วนของค่าใช้จ่ายแบบดั้งเดิม 5 มุมมอง 6k ดูคำ UpVotes ไม่สำหรับการทำซ้ำคำตอบต่อไปนี้คำถามที่เกี่ยวข้องวิธีการที่ดีคืออะไร backtest กลยุทธ์การค้าและวิธีการทำ it. Are มีใด ๆ ที่ดีที่สุดห้า เทคนิคการซื้อขายหุ้นหรือกลยุทธ์มีค่อนข้างน้อยโบรกเกอร์ที่ให้ backtesting ให้กับลูกค้าเป็นส่วนหนึ่งของชุดซอฟต์แวร์ไคลเอ็นต์ของพวกเขาอย่างไรก็ตามบ่อยกว่าไม่เหล่านั้นเป็นกล่องสีดำในแง่ที่คุณ don t ทราบวิธีการคำนวณจะทำต่อไป มี backtesters ฟรีออนไลน์ แต่ IMO คุณจะได้รับสิ่งที่คุณจ่าย for. Standalone ซอฟต์แวร์สามารถวิจัยได้ที่ Backtesting Software. The รวมถึง backtesting ซอฟต์แวร์รวมอยู่ในนายหน้าซื้อขายหลักทรัพย์ เครื่องมือของ บริษัท แต่ก็ยังมีซอฟต์แวร์แบบสแตนด์อโลนหากคุณกำลังหาเงินเพื่อการใช้ชีวิตด้วยตัวคุณเองหรือคนอื่น ๆ ก็ต้องการใช้ซอฟต์แวร์แบบสแตนด์อโลนหวังว่าจะเป็นประโยชน์ 1 9k Views View Upvotes Not for Reproduction. Rimantas Petrauskas การสร้างกลยุทธ์ตามหลักเกณฑ์ตั้งแต่ปี 2008 ผู้ร่วมก่อตั้ง Autotrading Academy ฉันได้วิเคราะห์กลยุทธ์การซื้อขายเป็นพัน ๆ ครั้งซึ่งส่วนใหญ่ใช้สำหรับตลาด Forex แต่ฉันคิดว่าประเด็นนี้ยังเกี่ยวข้องกับการเพิ่มคำตอบของฉันที่นี่ก่อนหน้านี้ผมขอบอกว่าบททดสอบหลังทำนั้นเป็นเพียงส่วนหนึ่งของ ไม่ต้องอาศัยผลลัพธ์จากการทำ Backtest เพียงอย่างเดียวคุณจำเป็นต้องเรียกใช้ backtests นับร้อยเพื่อสุ่มเลือกขนาดการแพร่กระจายและจำลองความลื่นไถลในระหว่างการทำ backtest นี่จะบอกคุณได้ว่ากลยุทธ์ของคุณมีพฤติกรรมอย่างไรเมื่อการแพร่กระจายมีการเปลี่ยนแปลงตลอดเวลาและใหญ่กว่าสิ่งที่คุณได้รับในระหว่างการซื้อขายสด . ตามที่คุณเห็นมันเป็นสิ่งสำคัญที่จะเรียกใช้การแพร่กระจายที่มีการแพร่กระจายตัวแปรที่ถูกบันทึกไว้ในประวัติติ๊กประวัติถ้าคุณใช้การแพร่กระจายคงที่ผลการทดสอบของคุณอาจจะไม่ถูกต้องที่ฉันมักจะใช้ MetaT 4 สำหรับ backtesting กลยุทธ์เดียวและ StrategyQuant เพื่อ backtest พันของพวกเขาดังนั้นเมื่อมันมาถึง MT4 ฉันมักจะใช้เครื่องมือเพิ่มเติมที่เรียกว่า Tick ข้อมูลชุดที่จะได้รับการแพร่กระจายตัวแปรและ 99 backtesting quality. You สามารถหาขั้นตอนโดยละเอียดของฉันโดยขั้นตอนการสอน backtesting MT4 ที่นี่ในหน้านี้ส่วนใหญ่ทำงานร่วมกับคู่สกุลเงิน Forex แต่คุณยังสามารถค้า CFD ในหุ้น 1 6k มุมมอง View Upvotes ไม่สำหรับการทำซ้ำ Jozef Rudy ผู้ก่อตั้งที่ - backtesting กลยุทธ์เชิงปริมาณและ ranking. Depends สิ่งที่คุณต้องการ backtest สุ่มทางเทคนิค รูปแบบสิ่งที่สำคัญที่สุดคือตำแหน่งที่คุณสามารถหากลยุทธ์เช่น ssrn หรือคุณสามารถใช้บริการ aggregator สำหรับเอกสารทางวิชาการได้เช่น The Encyclopedia of Quantitative Trading Strategies หากคุณสนใจกลยุทธ์หุ้นตามข้อมูลพื้นฐาน Quantpicker คือจุดและคลิก Alternative Quantopian Algorithmic Investing การค้าอัลกอริทึมในทางตรงข้ามต้องใช้ความรู้ด้านการเขียนโปรแกรม แต่ดีกว่าสำหรับรูปแบบทางเทคนิค 10 8k Views Vi ไม่ได้สำหรับการสืบพันธุ์คำถามที่น่าเศร้าน่าเศร้าที่องค์ประกอบ backtesting ของทุกโปรแกรมที่มุ่งเน้นการค้าปลีกเช่น ninjatrader, tradestation, esignal ฯลฯ เป็นทั้งหมด crap. You อย่างไม่สามารถเชื่อถือได้ผลเป็นผลงานของนวนิยายตัดออกจากผ้าทั้งคุณต้องเป็นอย่างใดอย่างหนึ่ง สร้างสภาพแวดล้อม backtesting ของคุณเองบล็อก Andreas Clenow มีบทความบางอย่างเกี่ยวกับเรื่องนี้หรือคุณสามารถใช้หนึ่งในโซลูชั่นหลายเมฆตาม Quantopian ดูดีจริงและเป็นผลิตภัณฑ์ที่คล้ายกันตอนนี้เริ่มจากรอยขีดข่วนฉัน d จะมอง Quantopian 11 9k Views View Upvotes ไม่ได้สำหรับการสืบพันธุ์คำตอบที่ร้องขอโดย Xiaoguang Wang คำนึงถึงแนวโน้มการตลาดในวงกว้างในกรอบเวลาที่มีการทดสอบกลยุทธ์ที่ระบุตัวอย่างเช่นถ้ากลยุทธ์มีการตรวจสอบย้อนกลับเฉพาะช่วงปี 1999-2000 เท่านั้นอาจไม่คุ้มค่า ดีในตลาดหมีมันเป็นความคิดที่ดีที่จะ backtest ในกรอบเวลานานที่ครอบคลุมหลายประเภทที่แตกต่างของสภาวะตลาดเอาเข้าบัญชีจักรวาลที่ backtesting เกิดขึ้นสำหรับ ตัวอย่างเช่นหากมีการทดสอบระบบตลาดแบบกว้าง ๆ กับจักรวาลซึ่งประกอบด้วยหุ้นเทคโนโลยีอาจล้มเหลวในการดำเนินการได้ดีในหลายสาขาตามกฎทั่วไปหากกลยุทธ์มีการกำหนดเป้าหมายไปยังประเภทเฉพาะของหุ้นให้ จำกัด จักรวาลให้อยู่ในรูปแบบนั้น แต่ในกรณีอื่น ๆ ทั้งหมดถือเป็นจักรวาลขนาดใหญ่เพื่อการทดสอบวัตถุประสงค์มาตรการความเบิกบานเป็นเรื่องสำคัญมากที่จะต้องพิจารณาในการพัฒนาระบบการซื้อขายโดยเฉพาะอย่างยิ่งสำหรับบัญชีที่ใช้ประโยชน์ซึ่งอยู่ภายใต้การเรียกหลักประกันหากส่วนของผู้ถือหุ้นลดลงต่ำกว่าจุดหนึ่ง ควรพยายามทำให้ความผันผวนต่ำเพื่อลดความเสี่ยงและช่วยให้การเปลี่ยนและออกจากสต็อกได้ง่ายขึ้นจำนวนเฉลี่ยของบาร์ที่จัดขึ้นเป็นสิ่งที่สำคัญมากในการเฝ้าดูการพัฒนาระบบการซื้อขายแม้ว่าซอฟต์แวร์ backtesting ส่วนใหญ่จะมีค่าคอมมิชชั่นในขั้นสุดท้าย การคำนวณไม่ได้หมายความว่าคุณควรละเลยสถิตินี้ถ้าเป็นไปได้การเพิ่มจำนวนบาร์โดยเฉลี่ยที่จัดขึ้นสามารถลดค่าคอมมิชชั่นและปรับปรุงการทำงานของคุณได้ ผลตอบแทนที่เพิ่มขึ้นอาจนำไปสู่ผลกำไรที่สูงขึ้นหรือความสูญเสียที่สูงขึ้นในขณะที่การลดลงหมายถึงการลดกำไรหรือขาดทุนที่ลดลงอย่างไรก็ตามโดยทั่วไปแล้วควรเก็บระดับต่ำกว่า 70 เพื่อลดความเสี่ยง สถิติการสูญเสียโดยเฉลี่ยที่รวมกับอัตราส่วนที่ชนะต่อการสูญเสียจะเป็นประโยชน์ในการกำหนดตำแหน่งและการจัดการเงินที่ดีที่สุดโดยใช้เทคนิคต่างๆเช่นเคลลี่ไพรเมอร์ดูการบริหารเงินโดยใช้ Kelly Criterion Traders สามารถใช้ตำแหน่งที่มีขนาดใหญ่และลดค่าคอมมิชชั่นได้โดยการเพิ่มผลกำไรโดยเฉลี่ยและเพิ่มอัตราผลตอบแทนต่อการสูญเสียของพวกเขาผลตอบแทนจากการลงทุนเป็นสิ่งสำคัญเนื่องจากใช้เป็นเครื่องมือในการวัดประสิทธิภาพของระบบเทียบกับสถานที่ลงทุนอื่น ๆ สำคัญไม่เพียง แต่จะมองไปที่ผลตอบแทนรายปีโดยรวม แต่ยังคำนึงถึงความเสี่ยงที่เพิ่มขึ้นหรือลดลงนี้สามารถทำได้โดยการมองไปที่ผลตอบแทนที่มีความเสี่ยงกลับมาที่ ich บัญชีสำหรับปัจจัยความเสี่ยงต่างๆก่อนที่จะใช้ระบบการค้าจะต้องมีประสิทธิภาพดีกว่าสถานที่การลงทุนอื่น ๆ ทั้งหมดที่ความเสี่ยงเท่ากับหรือน้อยลงการทำซ้ำการปรับแต่งเป็นสิ่งสำคัญมากโปรแกรม backtesting จำนวนมากมีการป้อนข้อมูลสำหรับค่าคอมมิชชั่นจำนวนมากหรือเป็นเศษเล็กเศษน้อยขนาดเห็บขอบ ความต้องการอัตราดอกเบี้ยสมมติฐานการลื่นไถลกฎการปรับขนาดตำแหน่งกฎการออกจากแถบเดียวกันการตั้งค่าการตั้งค่าต่อท้ายและอื่น ๆ อีกมากมาย T o ได้ผลการทดสอบย้อนหลังที่ถูกต้องที่สุดเป็นสิ่งสำคัญในการปรับแต่งการตั้งค่าเหล่านี้เพื่อเลียนแบบโบรกเกอร์ที่จะใช้เมื่อ นี่เป็นเงื่อนไขที่ผลการดำเนินงานได้รับการปรับให้เข้ากับอดีตอย่างมากว่าจะไม่ถูกต้องอีกต่อไปในอนาคตโดยทั่วไปความคิดที่ดีในการใช้กฎที่ว่า นำไปใช้กับหุ้นทั้งหมดหรือชุดของกลุ่มเป้าหมายที่เลือกไว้และไม่ได้รับการปรับให้เหมาะกับขอบเขตที่ผู้สร้างไม่สามารถเข้าใจได้อีกต่อไป ไม่ได้เป็นวิธีที่ถูกต้องที่สุดในการวัดประสิทธิผลของระบบการซื้อขายที่กำหนดบางครั้งยุทธศาสตร์ที่ทำผลงานได้ดีในอดีตไม่สามารถทำได้ดีในปัจจุบันผลการดำเนินงานในอดีตไม่ได้บ่งบอกถึงผลการดำเนินงานในอนาคตให้แน่ใจว่าได้มีการค้ากระดาษเป็นระบบที่ได้รับ ประสบความสำเร็จ backtested ก่อนที่จะอยู่เพื่อให้แน่ใจว่ากลยุทธ์ยังคงใช้ในทางปฏิบัติ 3 1k มุมมอง View Upvotes ไม่สำหรับการทำซ้ำ. ซอฟต์แวร์ซื้อขาย zerodha pi มีตัวเลือก inbuilt รหัส backtest และใช้กลยุทธ์อยู่ในตลาดหุ้นอินเดียเลือกหุ้นสำหรับ backtesting - ในที่นี้เราได้เลือก Nifty index ในอนาคตสำหรับ backtesting. Coding และ Backtesting ตอนนี้คุณสามารถกำหนดเงื่อนไขการซื้อขายสำหรับ Buy, Sell, Buy position และ exit position ของขายได้ตัวอย่างเช่นเราได้เขียนยุทธศาสตร์ค่าเฉลี่ยเคลื่อนที่ EMA ใกล้เคียง 50 ซึ่งหมายถึงการซื้อเมื่อราคาหุ้นปิดสูงกว่า 50 วันค่าเฉลี่ยถ่วงน้ำหนักใกล้เคียงสถานะการขายปิด EMA ปิด, 50 ซึ่งหมายถึงขายเมื่อราคาหุ้น clo ร้องเพลงต่ำกว่า 50 วัน exponential moving average. Now ใส่กรอบเวลาไม่มีวันที่จะกลับมาทดสอบและจากนั้นคลิกกลับ Test. Now รายงานการทดสอบกลับถูกสร้างขึ้นตามที่แสดงในภาพด้านล่างรายงานแสดงจำนวนของธุรกิจการค้าไม่มีการค้ากำไรสุทธิ กำไรสูงสุดวาดลงอัตราส่วนความเสี่ยงและซอฟแวร์ etc. pi สามารถใช้ได้ที่ค่าใช้จ่ายเป็นศูนย์สำหรับลูกค้า Zerodha เปิดบัญชีกับพวกเขาและได้รับการเข้าถึงแพลตฟอร์มการซื้อขายขั้นสูงทดสอบวิดีโอสาธิตการสาธิต 1 4k มุมมองดู Upvotes ไม่สำหรับการทำซ้ำ