Cross checks – robustness tests در استراتژی کوانت چیست؟
معرفی و آموزش Cross checks – robustness tests
نرم افزار استراتژی کوانت | StrategyQuant X به شما این امکان را می دهد که در هنگام ایجاد استراتژی یا هنگام آزمایش مجدد استراتژی های معاملاتی از بررسی های متقابل (تست های استقامت) استفاده کنید، تعدادی تست استقامت در کراس چک (Cross checks – robustness tests) وجود دارد که می توانید از ساده ترین تا پیشرفته ترین تست ها استفاده کنید. در ادامه همراه پردازش اطلاعات مالی دکه باشید تا بیشتر با مبحث معرفی کراس چک یا همان Cross checks – robustness tests (تست استقامت) در استراتژی کوانت x بپردازیم.
تنظیمات کاربردی Cross checks
آموزش کراس چک در نرم افزار استراتژی کوانت x شامل تنظیماتی می شود که بسیار مفید و کاربردی برای استحکام سازی و بهینه سازی اکسپرت معاملاتی (تست استقامت در استراتژی کوانت) خود می باشد، این تنظیمات به دو دسته تقسیم میشوند:
- Cross Check Settings: در این بخش میتوانید تنظیماتی اعمال کنید.
- Filters: در این بخش می توانید فیلترهای را اعمال کنید.
تست های استقامت Cross Checks
-
Retest with higher precision
این آزمون خیلی ساده است، این گزینه استراتژی معاملاتی مارا مجدد بر روی همان داده ها (تنظیمات ورود و خروج و شرایطی که تعیین کردیم) با دقت بالاتر آزمایش می کند. پیشنهاد می شود برای ساخت استراتژی های سودآور حتما از این گزینه استفاده کنید.
-
Monte Carlo trades manipulation
تست استقامت مانت کارلو در استراتژی کوانت شبیه سازی برای استراتژی معاملاتی ما انجام می دهد، که آیا در زمانی که بازار شرایط دیگری دارد این استراتژی جوابگو و قابل اعتماد هست یا نه، من خودم به شخصه عاشق این تست استقامت جذاب هستم.
-
Retest on additional markets
با استفاده از این تست استقامت استراتژی کوانت ما می توانیم استراتژی معاملاتی خودمون را روی یک جفت ارز دیگه با تایم فریم دیگر تست کنیم این کار باعث می شود که آیا این اکسپرت قابلیت سودآوری در نمادهای دیگر را دارد یا خیر.
در دو نمودار بالا می توانید آزمون استراتژی EURUSD (خط قرمز) ، GBPUSD (خط نارنجی) و نمونه کارها از هر دو (خط آبی) را مشاهده کنید. در حالی که در نمودار چپ استراتژی در هر دو ارز به خوبی عمل می کند ، در نمودار سمت راست می توانید عملکرد GBPUSD را بد ببینید. این استراتژی احتمالاً به اندازه کافی قوی نیست.
-
Monte Carlo retest methods
این نوع دیگری از شبیه سازی های مونت کارلو است ، در این حالت تغییرات تصادفی در ویژگی هایی را که نیاز به آزمایش مجدد استراتژی دارند – مانند تغییرات در گسترش ، لغزش ، پارامترهای استراتژی یا داده های تاریخچه ، شبیه سازی می کند. از آنجایی که هر شبیه سازی نیاز به یک آزمایش مجدد کامل دارد ، این بررسی متقابل می تواند زمان زیادی طول بکشد. فرض کنید که این داده های اصلی 0.5 ثانیه طول می کشد ، و شما می خواهید 100 شبیه سازی را در این چک متقابل اجرا کنید ، می توانید انتظار داشته باشید که 100 0.5 0.5 = 50 ثانیه برای هر استراتژی که در آن استفاده می شود ، طول بکشد.
-
What If simulations
ساده است – هر کدام از شبیه سازی های انتخاب شده در لیست سفارشات تولید شده توسط backtest استاندارد اعمال می شود. به عنوان مثال ، اگر از Trade فقط در شبیه سازی روزها استفاده می کنید و معاملات خود را فقط در سه شنبه ، چهارشنبه ، پنجشنبه انجام می دهید ، همه معاملات را با فیلترهایی که در این سه روز باز نشده اند ، فیلتر می کند. مهم است بدانیم که اگر شبیه سازی دوباره از استراتژی پشتیبانی نکند – با لیست معاملات موجود از backtest اصلی کار می کند. با تشکر از این ، این بررسی متقاطع بسیار سریع است.
-
Optimization Profile و System Parameter Permutation
مشخصات بهینه سازی برای هر بهینه سازی که اجرا می کنید ایجاد و ذخیره می شود، بنابراین اگر از بهینه سازی ساده یا Walk-Forward استفاده می کنید ، StrategyQuant یک پروفایل بهینه سازی برای بهینه سازی شما ایجاد می کند که می توانید ارزیابی کنید.
برای نوشتن دیدگاه باید وارد بشوید.