Trading System Stresstests

Stress-Tests Was ist Stress-Testing Stress-Tests ist eine Simulationstechnik oft in der Bankenbranche verwendet. Es wird auch für Asset - und Liability-Portfolios verwendet, um ihre Reaktionen auf unterschiedliche finanzielle Situationen zu bestimmen. Zusätzlich werden Stresstests verwendet, um festzustellen, wie bestimmte Stressoren ein Unternehmen, eine Branche oder ein bestimmtes Portfolio beeinflussen werden. Stress-Tests sind in der Regel Computer-generierte Simulationsmodelle, die hypothetische Szenarien zu testen, aber sehr individuelle Stresstests Methodik wird auch oft genutzt. BREAKING DOWN Stress-Tests Stress-Tests ist eine nützliche Methode, um festzustellen, wie ein Portfolio während einer Periode der Finanzkrise Tarif. Stress-Tests wird am häufigsten von Finanz-Profis für die regulatorische Berichterstattung und auch für Portfolio-Risikomanagement verwendet. Regulatory Stress Testing Nach der Finanzkrise von 2008 wurde die regulatorische Berichterstattung für die Finanzindustrie und speziell die Banken mit einem breiteren Fokus auf Stresstests und Kapitaladäquanz vor allem aufgrund des Dodd-Frank-Gesetzes 2010 erheblich erweitert. Ab 2011 erforderten neue Regelungen in den Vereinigten Staaten die Einreichung von Comprehensive Capital Analysis and Review (CCAR) - Dokumentationen für die Bankenbranche. CCAR-Dokumentation erfordert Banken, ihre internen Verfahren für das Management von Kapital zu melden und Banken sind verpflichtet, verschiedene Stress-getestete Szenarien enthalten. Zusätzlich zur CCAR-Berichterstattung müssen systematisch wichtige Banken in den Vereinigten Staaten als zu groß eingestuft werden, um vom Financial Stability Board, das typischerweise diejenigen mit mehr als 50 Milliarden an Vermögenswerten ausfallen zu lassen, Stress-getestetes Reporting über die Planung eines Insolvenzszenarios vorzuschlagen. In der jüngsten Berichterstattung der Regierungen dieser Banken im Jahr 2016 gab es acht zu groß, um systemisch wichtige Banken ausfallen zu lassen. Derzeit ist BASEL III auch für globale Banken in Kraft. Dies ist ein globaler Berichtstresstest, der eine Dokumentation der Bankkapitalwerte erfordert, die spezifische Anforderungen für Stresstests verschiedener Krisenszenarien enthält. Stress-Tests für das Risikomanagement Im Investment-Portfolio-Management wird Stresstests auch häufig verwendet, um Portfolio-Risiken zu bestimmen und Hedging-Strategien zur Schadensbegrenzung einzusetzen. Portfolio-Manager verwenden interne proprietäre Stress-Tests-Programme zu verwalten und zu testen ihre Portfolios gegen Marktereignisse und potenzielle Ereignisse. Asset - und Liability-Matching-Stress-Tests sind auch weit verbreitet im Business-und Investment Management. Asset and Liability Matching Stress-Tests können von Unternehmen verwendet werden, um eine ordnungsgemäße interne Kontrollen und Verfahren zu gewährleisten. Renten-und Versicherungs-Portfolios auch stark nutzen Stresstests, um effiziente Ströme von Cash-Flow und Auszahlungen zu gewährleisten. Arten von Stress-Tests Die Verwendung von Monte-Carlo-Simulation ist eine der bekanntesten Methoden der Stresstests. Diese Art von Stresstests kann für die Modellierung von Wahrscheinlichkeiten verschiedener Ergebnisse mit spezifischen Variablen verwendet werden. Faktoren, die in der Monte-Carlo-Simulation berücksichtigt werden, beinhalten oft verschiedene ökonomische Variablen. Unternehmen können sich auch an professionell verwaltete Risikomanagement - und Softwareanbieter für verschiedene Arten von Stresstests wenden. Moodys Analytics ist ein Beispiel für ein ausgelagertes Stresstestprogramm, das für Portfolio-Stress-Tests verwendet werden kann. Backtesting Was ist Backtesting Backtesting ist der Prozess der Prüfung einer Handelsstrategie auf relevante historische Daten, um ihre Durchführbarkeit sicherzustellen, bevor der Händler jedes tatsächliche Kapital riskiert. Ein Händler kann den Handel einer Strategie über einen angemessenen Zeitraum simulieren und die Ergebnisse auf dem Niveau der Rentabilität und des Risikos analysieren. BREAKING DOWN Backtesting Wenn die Ergebnisse die notwendigen Kriterien erfüllen, die für den Trader akzeptabel sind, kann die Strategie dann mit einem gewissen Maß an Vertrauen implementiert werden, dass es zu Gewinnen führen wird. Wenn die Ergebnisse weniger günstig sind, kann die Strategie modifiziert, angepasst und optimiert werden, um die gewünschten Ergebnisse zu erzielen, oder sie kann vollständig verschrottet werden. Eine bedeutende Menge des Volumens, das am heutigen Finanzmarkt gehandelt wird, erfolgt durch Händler, die irgendeine Art von Computerautomation verwenden. Dies gilt insbesondere für Handelsstrategien, die auf einer technischen Analyse beruhen. Backtesting ist ein integraler Bestandteil der Entwicklung eines automatisierten Handelssystems. Sinnvolles Backtesting Wenn es richtig gemacht wird, kann Backtesting ein unschätzbares Werkzeug sein, um Entscheidungen darüber zu treffen, ob eine Trading-Strategie genutzt werden soll. Der Abtastzeitraum, an dem ein Backtest durchgeführt wird, ist kritisch. Die Dauer des Stichprobenzeitraums sollte so lang sein, dass Zeiträume unterschiedlicher Marktkonditionen einschliesslich Aufwärtstrends, Abwärtsbewegungen und gebietsbezogener Handel enthalten sind. Die Durchführung eines Tests an nur einer Art von Marktbedingungen kann zu einzigartigen Ergebnissen führen, die unter anderen Marktbedingungen nicht gut funktionieren, was zu falschen Schlussfolgerungen führen kann. Die Stichprobengröße in der Anzahl der Trades in den Testergebnissen ist ebenfalls entscheidend. Wenn die Stichprobenanzahl zu gering ist, ist der Test möglicherweise nicht statistisch signifikant. Eine Probe mit zu vielen Trades über einen zu langen Zeitraum kann zu optimierten Ergebnissen führen, bei denen sich eine überwältigende Anzahl von Gewinntrades um einen bestimmten Marktzustand oder Trend, der für die Strategie günstig ist, verschmelzen. Dies kann auch dazu führen, dass ein Händler irreführende Schlussfolgerungen zieht. Keep it real Ein Backtest sollte die Realität so gut wie möglich reflektieren. Die Handelskosten, die ansonsten von den Händlern als einzeln betrachtet betrachtet werden können, können einen erheblichen Einfluss haben, wenn die Gesamtkosten über die gesamte Backtesting-Periode berechnet werden. Diese Kosten umfassen Provisionen, Spreads und Slippage, und sie könnten den Unterschied zwischen bestimmen, ob eine Handelsstrategie rentabel ist oder nicht. Die meisten Backtesting-Softwarepakete enthalten Methoden, um diese Kosten zu berücksichtigen. Vielleicht ist die wichtigste Metrik mit Backtesting verbunden ist die Strategien der Robustheit. Dies wird erreicht, indem die Ergebnisse eines optimierten Rücktests in einer bestimmten Abtastzeitperiode (als In-Probe bezeichnet) mit den Ergebnissen eines Backtests mit der gleichen Strategie und Einstellungen in einer anderen Abtastzeitperiode (bezeichnet als out - Der Probe). Wenn die Ergebnisse ähnlich profitabel sind, kann die Strategie als gültig und robust angesehen werden und ist bereit, in Echtzeit-Märkten implementiert zu werden. Wenn die Strategie im Out-of-Sample-Vergleich fehlschlägt, dann muss die Strategie weiterentwickelt werden, oder sie sollte ganz aufgegeben werden. Stress Testing für Trading-Strategie Robustheit von Michael R. Bryant In dem Artikel über Multi-Markt-Handelsstrategien. Ich diskutierte das Konzept der Robustheit, die ich als Unempfindlichkeit gegenüber Variationen in den Daten, auf denen die Strategie basiert beschrieben. Der Aufbau eines Handelssystems über mehrere Märkte ist ein Weg, die Robustheit zu erhöhen. Allerdings, was ist, wenn Sie bereits über eine Strategie und Sie wollen sehen, wie robust es ist Testing eine Trading-Strategie für Robustheit wird oft als Sensitivitätsanalyse oder mehr umgangssprachlich als Stresstests. Die Grundidee ist, zu sehen, was passiert, wenn kleine Änderungen an den Strategie-Eingaben, Preisdaten oder anderen Elementen der Strategie oder der Handelsumgebung vorgenommen werden. Eine robuste Strategie weist eine proportionale und relativ gedämpfte Reaktion auf solche Veränderungen auf, während eine Strategie, die nicht robust ist, unverhältnismäßig reagiert und manchmal nicht richtig ausfällt, wenn kleine Änderungen an ihren Eingängen oder ihrer Umgebung vorgenommen werden. Warum dies wichtig ist Einfach gesagt, Robustheit ist wichtig, weil die Märkte niemals gleich bleiben. Nehmen Sie die Strategie-Eingaben, zum Beispiel. Eingaben, wie die Rückblicklänge für einen gleitenden Durchschnitt, können über den Rücktestzeitraum optimal sein, aber nach vorne können unterschiedliche Werte optimal sein. Wir wollen wissen, wie gut die Strategie funktioniert, wenn die Inputs nicht mehr optimal sind. Ein Weg, um Adresse, die zu sehen, wie die Ergebnisse ändern, wenn die Eingabewerte geändert werden. Wie im vorigen Artikel dargelegt, steht die Idee der Robustheit im Zusammenhang mit der Überarbeitung der Strategie. Wir wollen sicherstellen, dass sich die Strategie während des Entwicklungsprozesses nicht so eng an den Markt gepasst hat, dass sie keiner Veränderung des Marktes standhält. Generell können wir das testen, indem wir den Markt ändern, die Strategie ändern oder beides. Eine Strategie, die nicht gut auf relativ kleine Veränderungen ankommt, ist nicht robust und wird wahrscheinlich über-fit sein. Eine solche Strategie dürfte in Zukunft nicht gut laufen. Arten von Stress-Tests Es gibt viele verschiedene Möglichkeiten, eine Strategie kann Stress getestet werden. Wir können Änderungen an der Strategie selbst oder an den Preisdaten vornehmen, auf denen wir sie erneut testen. Wir können die Handelskosten, wie das Ausmaß des Schlupfes, ändern oder die Positionsbestimmung ändern. Grundsätzlich kann alles, was die Strategie-Back-Testergebnisse beeinflusst, variiert werden. In diesem Artikel werden die folgenden drei Arten von Stresstests diskutiert: Änderung der Strategie-Eingaben. Kleine Änderungen einzelner Preise. Ändern der Startleiste. Die Gründe für die Änderung der Strategie-Inputs wurde oben diskutiert. Um sie zu ändern, wird ein Prozentsatz zufällig zwischen - Max und Max gewählt, wobei Max in der Größenordnung von 1 oder 5 liegen kann. Dieser Prozentsatz wird auf den Wertebereich für jeden Eingang angewendet. Wenn wir beispielsweise die Rückblicklänge für einen Indikator aus dem Wertebereich von 1 bis 100 wählen, wäre der Bereich 100, und der zufällig gewählte Änderungsprozentsatz würde auf 100 angewendet werden. Der Änderungsbetrag, entweder positiv oder Negativ, würde dann dem ursprünglichen Eingangswert hinzugefügt, um ihn um diesen Betrag höher oder niedriger zu machen. Nun geben Sie auch einen minimalen Änderungsbetrag an, z. B. 1 für den Betrag, um eine Indikatorrückblicklänge zu ändern. Auf diese Weise wird, wenn der zufällige Änderungsprozentsatz eine kleine Zahl ist, die Eingabe noch geändert. Eine Möglichkeit, dass eine Strategie über-fit und daher nicht robust sein kann, ist, wenn sie im Backtest zu eng an bestimmte Preise angepasst ist. Zum Beispiel, wenn die Strategie lange auf einer Haltestelle und mehrere große, profitable Trades eingeben, um den hohen Preis des Tages, das sollte eine rote Fahne zu erhöhen. Was würden die Ergebnisse aussehen, wenn die hohe war eine Tick niedriger an diesen Tagen Wenn eine solche kleine Änderung würde die Ergebnisse ruinieren, ist die Strategie eindeutig nicht robust. Eine Stress-Test-Technik, um diese Art von Überanpassung zu erkennen ist, zufällige Änderungen an einzelnen Preisen zu machen und die Ergebnisse zu bewerten. Um die Preisdaten zufällig zu ändern, verwenden Sie zwei Einstellungen. Eins ist die Wahrscheinlichkeit, einen Preis zu ändern. Zum Beispiel, wenn die Wahrscheinlichkeit 50 ist, bedeutet dies, dass theres eine Chance 50, dass jeder Preis - offen, hoch, niedrig, schließen jeder Bar - wird geändert werden. Die zweite Einstellung ist die maximale prozentuale Änderung, die auf einen Preis angewendet wird, der geändert wird. Wie bei den Eingabewerten wird der tatsächliche Betrag der Änderung zufällig zwischen - Max und Max gewählt, wobei Max die maximale prozentuale Preisänderung ist. Der Wert von Max wird als Prozentsatz des durchschnittlichen wahren Bereichs in den letzten 100 Takten genommen. Wenn beispielsweise der mittlere wahre Bereich 10 Punkte und die maximale prozentuale Änderung 20 ist, dann ist der Änderungsbetrag eine zufällig gewählte Zahl zwischen -2 und 2 Punkten. Nehmen wir an, die tatsächliche Zahl ist -1,25 Punkte, und der Schlusskurs ist 1250,50. Das modifizierte Ende wäre dann 1249,25. Schließlich ist es möglich, dass die Änderung eines Preises wird die normale Preisordnung ungültig, wie die Verringerung der offenen, so dass seine unter dem niedrigen. Um dies zu verhindern, müssen die Preise möglicherweise angepasst werden, nachdem die Änderung vorgenommen wurde, um die offenen und geschlossenen innerhalb des hohen Bereichs zu halten. Die letzte Stresstestmethode, die diskutiert wird, beinhaltet das Ändern der Startstange. Seine wahrscheinlich offensichtlich, dass eine gute Strategie sollte nicht auseinanderfallen, wenn Sie den Back-Test auf einer anderen Bar starten. Es könnte weniger offensichtlich, wie dies geschehen kann. Betrachten Sie eine hypothetische Strategie, die lange auf einen gleitenden Durchschnitt Crossover eintritt. Es hält dann den Handel genau fünf Bars vor dem Ausstieg auf dem Markt. Setzen Sie die Eignung der Logik beiseite, stellen Sie sich vor, wie die Handelsgeschichte auf einem Preisschema aussehen könnte. Wenn die gleitende durchschnittliche Einstiegsbedingung einen kurzfristigen Durchschnittsübergang über einem langfristigen Durchschnitt nutzt, ist es völlig möglich, dass in einem anhaltenden Aufwärtstrend die Eintrittsbedingung für eine lange Zeitdauer wahr sein könnte, dh für den kurzfristigen Durchschnitt Höher als der langfristige Durchschnitt für viele Takte in einer Reihe sein. Wenn der Rücktest während dieses Zeitraums begonnen wurde, würde der erste Handel auf der nächsten Tafel nach dem Start-Balken eintreten, und jeder Handel würde fünf Takte dauern, gefolgt unmittelbar durch den nächsten Eintrag und so weiter. Nun überlegen Sie, was passieren würde, wenn die Startleiste geändert wurde. Wenn die Startleiste beispielsweise eine Bar war, würde die gesamte Serie von Geschäften um eine Leiste nach rechts verschoben. Es ist durchaus möglich, dass einige dieser Reihen von Fünf-Bar-Handel wäre viel mehr rentabel als andere, je nachdem, wie die Trades mit einem zugrunde liegenden Fünf-Takt-Zyklus, der existiert ausgerichtet. So, je nach Start-Bar, könnte die Strategie sehr profitabel oder unrentabel, weil der Handel begann und endete. Es könnte nicht offensichtlich sein, während der Entwicklung, dass die Strategie-Logik hatte diese Art der Abhängigkeit von der Startleiste, vor allem für komplexere Arten von Logik. Um die Wirkung der Startleiste zu testen, wird die Leiste, auf der der Strategie-Backtest gestartet wird, durch eine Zufallszahl, die zwischen 1 und N gewählt wird, variiert. Im folgenden Beispiel wurde N als 300 gewählt Wurde durch Zugabe einer zufällig gewählten Zahl zwischen 1 und 300 zu der ursprünglichen Startstangenzahl variiert. Ein Monte Carlo Ansatz Varying die Eingänge, Preise oder die Startbar durch eine zufällige Menge bietet nur eine Alternative zum Vergleich mit den ursprünglichen Ergebnissen. Um ein vollständigeres Bild davon zu erhalten, wie robust eine Strategie ist, können wir den Prozess oft wiederholen, bis wir eine Verteilung der Ergebnisse haben. Allgemein gesprochen, wird die Veränderung der Eingangsgrößen nach dem Zufallsprinzip über eine große Anzahl von Iterationen, um eine statistische Verteilung der Ergebnisse für die Funktion zu erzeugen, die von diesen Eingaben abhängt, Monte-Carlo-Analyse genannt wird. In diesem Fall ist die Funktion die Handelsstrategie und die Funktionseingaben sind die Strategie-Inputs, die Marktpreise und die Startbar. Durch die Wiederholung der Belastungstest viele Male, wir am Ende mit mehreren Sätzen von Handelsergebnissen. Um zu verstehen, wie der Monte Carlo-Prozess funktioniert, betrachten Sie das in Abb. 1. Abbildung 1. Ursprüngliche Eigenkapitalkurve für eine Devisenhandelsstrategie. Die in Abb. 1 ist für eine Handelsstrategie, die für den EURUSD Devisenmarkt auf Tagesbarren entwickelt wurde, mit einem Standard-Los (100.000) pro Handel und 50 pro Los für Handelskosten. Dies ist eine der Bonus-Strategien, die mit Adaptrade Builder enthalten ist. Es wurde im März 2010 entwickelt. Die letzten 100 Trades oder so sind seit Release, was zeigt, dass es gut gehalten hat in Echtzeit Out-of-Sample-Tracking. Um zu erläutern, wie Stresstestergebnisse mit einem Monte-Carlo-Ansatz analysiert werden können, sollten Sie die Ergebnisse der Stresstests der Forex-Strategie auf die Preisdaten berücksichtigen, wie in Abb. 2, die insgesamt 20 Eigenkapitalkurven darstellt, von denen 19 einem anderen Satz von zufällig modifizierten Preisdaten entsprechen. Die ursprüngliche Preisreihe für den EURUSD wurde 19 Mal wie oben beschrieben modifiziert, wobei eine Wahrscheinlichkeit einer Preisänderung von 50 mit einer maximalen prozentualen Änderung von 20 verwendet wurde. Zusammen mit der ursprünglichen Kurve, die als die dickere grüne Linie gezeigt ist, gibt es insgesamt 20 Ergebnisse. Die Gesamtzahl wurde zur Veranschaulichung so klein wie möglich gehalten, wobei in den übrigen Beispielen noch weitere Iterationen verwendet werden. Abbildung 2. Stress-Tests der Forex-Strategie durch die Änderung der Preisdaten 19-mal. Der gesamte Nettogewinn, der jeder Eigenkapitalkurve in Abb. 2 ist wie folgt: 147855.00 133286.00 87771.00 92707.00 132149.00 88384.00 126019.00 96581.00 105466.00 102946.00 86753.00 96127.00 116611.00 68459.00 109427.00 96242.00 111020.00 50201.00 130076.00 104181.00 Der höchste Wert, 147.855, entspricht der ursprünglichen Preisdatei. Der niedrigste Wert ist 50.201. In einer Monte-Carlo-Analyse können wir fragen, was der Nettogewinn voraussichtlich bei einem bestimmten Maß an Vertrauen sein wird, wenn die Ergebnisse variieren. Ein Vertrauensniveau von 95 ist typisch, was bedeutet, dass es eine Chance von 5 geben würde, dass der Nettogewinn niedriger ist als unser gewählter Wert. Um den Wert des Nettogewinns bei 95 Vertrauen zu erhalten, wird die obige Liste vom höchsten zum niedrigsten sortiert, und der Wert 95 des Weges nach unten wird ausgewählt. Da wir 20 Elemente in der Liste haben, wählen wir das 19. Element in der sortierten Liste aus, was ein Nettogewinn von 68.459 d. h. der zweitniedrigste Wert in der Liste wäre. Wir können dieses Ergebnis wie folgt interpretieren: Wenn die Randomisierung der Preisdaten repräsentativ für die Art der zufälligen Unterschiede ist, die wir auf dem Markt erwarten würden, dann können wir erwarten, dass 95 der Zeit der Nettogewinn mindestens 68.459 ist. Der gleiche Ansatz kann auf jede Leistungsmetrik angewendet werden, die wir verfolgen möchten. Wenn die Metrik ein Wert ist, bei dem ein niedrigerer Wert besser ist, z. B. ein maximaler Drawdown, wird die Liste in der umgekehrten Reihenfolge sortiert, bevor der Wert 95 in der Liste ausgewählt wird. Beispiele für Stresstests Nun wird ein repräsentatives Beispiel betrachtet, bei dem für die Monte-Carlo-Analyse insgesamt 100 Proben erzeugt wurden. Feige. 3 zeigt die verschiedenen Eigenkapitalkurven, die sich aus dem Variieren der Preisdatei 99 mal ergeben (plus die ursprüngliche Kurve). Abbildung 3: Stressprüfung der Forex-Strategie durch Variation der Preisdaten 99 mal für insgesamt 100 Eigenkapitalkurven. Durch die Anwendung des Monte Carlo-Ansatzes auf die Ergebnisse für den Stresstest wurden die Ergebnisse in Tabelle 1 mit 95 Vertrauen erzeugt (neben den Ergebnissen für die ursprünglichen Vergleichsdaten). Tabelle 1. Stressprüfung der Forex-Strategie durch Variation der Preisdaten. Erwartungsgemäß zeigen die Monte Carlo-Ergebnisse aus der Modifizierung der Preisdaten eine Leistungsminderung gegenüber den Ergebnissen der ursprünglichen Preisdaten. Allerdings sind die Stresstestergebnisse immer noch positiv, was darauf hindeutet, dass die Strategie zumindest mäßig robust ist. In Fig. 4, unten, wurde der gleiche Ansatz auf die Strategie-Eingangswerte angewendet. Der Modifizierungsprozentsatz wurde auf 1 gesetzt, was für viele Eingaben bedeutete, dass die minimale Änderungsmenge angewandt wurde. Alle Eingaben wurden um mindestens den Mindestbetrag für jede Auswertung modifiziert. Die ursprüngliche Eigenkapitalkurve wird in der Nähe der Oberseite des Diagramms als die dickere, grüne Linie angezeigt. Im Vergleich zu den Ergebnissen der Preisänderungen wirkte sich die Veränderung der Strategie-Inputs stärker auf die Performance aus. Abbildung 4: Stressprüfung der Forex-Strategie durch Variation der Strategie-Inputs 99 mal für insgesamt 100 Eigenkapitalkurven. Die Ergebnisse von Monte Carlo für dieselbe Stichprobe von Leistungsmetriken wie oben sind in Tabelle 2 gezeigt, die die Ergebnisse für die ursprünglichen Eingabewerte enthält. Tabelle 2. Stress-Tests der Forex-Strategie durch die Veränderung der Strategie-Inputs. Monte Carlo Ergebnisse, 95 Die Ergebnisse aus der Veränderung der Start-Bar für die gleiche Forex-Strategie sind unten in gezeigt. 5. Im Vergleich zu den Ergebnissen der beiden anderen Tests wird relativ wenig Einfluss auf die Veränderung der Ausgangsstufe gesehen, was nahelegt, dass die Strategie für diese Variable meist unempfindlich ist. Abbildung 5: Stressprüfung der Forexstrategie durch Variieren der Startbar 99 mal für insgesamt 100 Eigenkapitalkurven. Die Monte Carlo Ergebnisse aus diesem Test sind in Tabelle 3 unten gezeigt, wo sie im Vergleich zu den Ergebnissen für die ursprüngliche Startbar. Tabelle 3. Stressprüfung der Forex-Strategie durch Variieren der Startbar. Monte Carlo Ergebnisse, 95 Ergebnisse, Originaldaten Es ist auch möglich, alles zusammen zu verändern oder Variationskombinationen zu modifizieren, wie etwa die Änderung der Strategieeingaben zur gleichen Zeit wie die Preisdaten. In Fig. 6, unten wurden alle drei Stresstests gemeinsam durchgeführt. Dies bedeutet, dass die Strategie-Eingänge, die Preisdaten und die Startleiste gleichzeitig vor der Bewertung der Strategie zufällig modifiziert wurden. Abbildung 6: Stressprüfung der Forexstrategie durch Variieren der Startbar 99 mal für insgesamt 100 Eigenkapitalkurven. Offensichtlich ist diese Kombination von Stresstests ein strenger Test für die Robustheit der Strategien. Eine oder zwei der in Abb. 6 zeigen einen Netto-Nettogewinn (oder fast so). Nur eine Eigenkapitalkurve nähert sich dem ursprünglichen. Die auf diesem Test basierenden Monte Carlo-Ergebnisse sind nachstehend in Tabelle 4 dargestellt. Tabelle 4. Belastungsprüfung der Forex-Strategie durch Variation der Preisdaten, der Strategie-Eingaben und der Startleiste. Monte Carlo Ergebnisse, 95 Ergebnisse, Original Daten Zusammenfassung und Schlussfolgerungen Over-Fitting ist immer ein Anliegen bei der Entwicklung einer Handelsstrategie. So genannte Stresstests messen, wie robust eine Trading-Strategie ist, was ein Indiz dafür ist, ob die Strategie über-fit ist oder nicht. Während jede Variable, die sich auf die Ergebnisse einer Handelsstrategie auswirkt, potenziell Gegenstand eines Stresstests sein kann, konzentrierte sich dieser Artikel auf drei wichtige Faktoren bei der Bestimmung von Backtest-Ergebnissen: die Preisdaten, die Inputwerte der Strategien und die Startbar für die Back - Test. Die Strategie, die verwendet wurde, um jeden Stresstest zu veranschaulichen, zeigte eine moderate Robustheit in Bezug auf die Preisdaten und Eingabewerte und eine gute Robustheit in Bezug auf die Startstange. Es lohnt sich zu beachten, dass die Beispielstrategie eine dreijährige Aufzeichnung von positiven Echtzeit-Tracking-Ergebnissen hatte, doch in einigen Fällen waren die Stresstestergebnisse schlechter als die tatsächlichen Out-of-Sample-Ergebnisse der Strategie. Dies deutet darauf hin, dass die Belastungstests in diesen Fällen zu stark gewesen sein können. Dies war besonders deutlich, wenn alle drei Versuche, wie in Fig. 6 und Tabelle 4. Der Stresstest für die Strategie-Eingaben kann unrealistisch streng gewesen sein, da er alle Eingaben für jede Test-Iteration modifiziert hat. Ein besserer Ansatz könnte sein, die gleiche Methode anzuwenden, die verwendet wird, um die Preisdaten zu ändern, bei denen ein Preis mit einer bestimmten Wahrscheinlichkeit modifiziert wurde. Anstatt alle Eingaben jedesmal zu modifizieren, könnte eine Wahrscheinlichkeit angewendet werden, um zu bestimmen, ob ein gegebener Eingang modifiziert werden sollte. Wenn ja, würde es in der oben beschriebenen Weise geändert werden, die Eingabe wäre nicht modifiziert. Es wurde gezeigt, wie die Stresstestergebnisse mit der Monte-Carlo-Analyse analysiert werden konnten. Dies ermöglichte uns, die Ergebnisse zu quantifizieren und eine Schätzung der Leistung vorzugeben, die im Allgemeinen konservativer war als die Backtest-Ergebnisse, basierend auf den ursprünglichen Daten. Der Schwerpunkt des Artikels lag auf der Prüfung einer Handelsstrategie, nachdem sie entwickelt worden war. Grundsätzlich könnte dieser Ansatz jedoch auch als Teil des Strategieentwicklungsprozesses verwendet werden. In Adaptrade Builder werden die Strategien auf der Grundlage der getesteten Leistung in der Stichprobenperiode entwickelt. Anstatt die Leistung zu verwenden, die aus der Rückprobe der Strategie auf die ursprünglichen Daten erhalten wurde, könnten die Monte Carlo-Ergebnisse bei 95 Vertrauen aus dem Stresstest verwendet werden. Die obersten Strategien in der Bevölkerung wären diejenigen mit den besten Monte Carlo-Ergebnissen, die dazu tendieren würden, die Bevölkerung in Richtung robuster Strategien zu treiben. Leider, wenn jede Monte-Carlo-Analyse auf N-Simulationen basieren würde, würde der Build-Prozess nehmen N-mal so lange mit diesem Ansatz. Zusammen mit Out-of-Sample-Tests und andere Methoden in dieser Reihe von Artikeln diskutiert, bietet Stress-Tests ein weiteres Werkzeug, um zu identifizieren robuste Handelsstrategien und vermeiden Überformat. Wenn sie im Rahmen des Strategiebewertungsprozesses angewendet werden, können Stresstests dazu beitragen, Strategien auszusondern, die für Veränderungen im Handelsumfeld übermäßig empfindlich sind, was dazu beitragen könnte, Verluste zu vermeiden und Ihre Erfolgschancen auf den Märkten zu erhöhen. Alle Stresstests wurden mit Adaptrade Builder durchgeführt. Dieser Artikel erschien in der März 2013 Ausgabe des Adaptrade Software-Newsletters. HYPOTHETISCHE ODER SIMULIERTE LEISTUNGSERGEBNISSE HABEN BESTIMMTE INHERENTE EINSCHRÄNKUNGEN. EINE AKTUELLE LEISTUNGSAUFNAHME, SIMULATIVE ERGEBNISSE NICHT VERTRETEN. WENN DIE HÄNDE NICHT TATSÄCHLICH AUSGEFÜHRT WERDEN KÖNNEN, KÖNNEN DIE ERGEBNISSE AUSSERDEM AUF DIE AUSWIRKUNGEN AUF BESTIMMTE MARKTFAKTOREN ENTSTANDEN WERDEN KÖNNEN. SIMULATED HANDELSPROGRAMME IM ALLGEMEINEN SIND AUCH AUF DIE TATSACHE, DIE SIE MIT DEM VORTEIL VON HINDSIGHT ENTWERFEN. KEINE REPRÄSENTATION IST GEMACHT, DASS JEDE KONTO ODER GELTEND ZU ERWERBENDE GEWINNE ODER VERLUSTE VERÄNDERT WIRD. Wenn Sie über Neuentwicklungen, Neuigkeiten und Angebote von Adaptrade Software informiert werden möchten, können Sie sich gerne an unsere E-Mail-Liste wenden. Vielen Dank.