Olen taaksepäin testannut tuhansia strategioita. Oppini kantapään kautta: Ylivarustelu menettää sinulle $$$. Nyt käytän ristiinvalidaatiota auttaakseni taistelemaan vastaan. Tässä on koodi sen tekemiseen (2 minuutissa):

Jos et ole perehtynyt ristiinvalidointiin: • Vähentää ylisovitusriskiä malleissa • Sisältää datan osion osajoukkoihin • Arvioi mallin suorituskykyä näkymättömällä datalla Sitä käytetään kaikissa datatieteissä. Nyt voit käyttää sitä kaupankäyntiin VectorBT PRO:n kanssa. Mennään!

Tuodaan VBT PRO ja muutamat analyysiimme liittyvät kirjastot.

Kerää tiedot suosikkiomaisuudestasi. Käytämme AAPL:ää.

Seuraavaksi asetamme "jakajan", joka jakaa päivämäärän pienempiin osiin valitun kaavion mukaan.

Splitter.plots().show_png() -komento tuottaa seuraavan visualisointiin:

Seuraavaksi luomme funktion, joka suorittaa kaupankäyntistrategian määritellyn päivämäärävälin sisällä yhdellä parametrilla, palauttaen yhden keskeisen mittarin. Strategiamme on yksinkertainen EMA-crossover yhdistettynä ATR:n trailing stopiin.

Koristelemalla (tai käärimällä) funktio 'parametrisoidulla', mahdollistamme 'objektiivin' hyväksyä parametrilistan ja suorittaa ne kaikissa yhdistelmissä.

Analysoidaan tuloksia jakamalla nopeat ja hitaat EMA-jaksot. Se korostaa Sharpe-suhteen minimaalista vaihtelua koulutuksen ja testauksen välillä vähintään 50 %:ssa jaoista, missä sininen osoittaa positiivista muutosta.

Tuloksena on lämpökartta, joka näyttää erilaiset Sharpe-suhteet hitaiden ja nopeiden jaksojen yhdistelmien välillä.

Vaikka olet saattanut laatia lupaavan strategian paperilla, sen ristiinvalidointi on olennaista varmistaa sen johdonmukainen suorituskyky ajan myötä ja varmistaa, ettei kyse ole pelkästään satunnaisista vaihteluista. Sovella täällä oppimiasi tekniikoita omaan strategiaasi.