Saya telah menguji ulang 1000-an strategi. Pelajaran yang saya pelajari dengan cara yang sulit: Overfitting akan kehilangan Anda $$$. Sekarang saya menggunakan validasi silang untuk membantu melawan. Berikut kode untuk melakukannya (dalam 2 menit):

Jika Anda tidak terbiasa dengan validasi silang: • Mengurangi risiko overfitting pada model • Melibatkan partisi data menjadi subset • Memperkirakan kinerja model pada data yang tidak terlihat Ini digunakan dalam semua ilmu data. Sekarang Anda dapat menggunakannya untuk berdagang dengan VectorBT PRO. Ayo!

Mari kita impor VBT PRO dan beberapa pustaka yang relevan dengan analisis kita.

Ambil data untuk aset favorit Anda. Kami akan menggunakan AAPL.

Selanjutnya, kita akan menyiapkan "splitter", yang membagi rentang tanggal menjadi segmen yang lebih kecil sesuai dengan skema yang dipilih.

Perintah splitter.plots().show_png() menghasilkan visualisasi berikut:

Selanjutnya, kita akan membuat fungsi untuk mengeksekusi strategi perdagangan dalam rentang tanggal tertentu menggunakan satu set parameter, mengembalikan satu metrik utama. Strategi kami akan menjadi crossover EMA sederhana yang dikombinasikan dengan trailing stop ATR.

Dengan mendekorasi (atau membungkus) fungsi kita dengan 'parameterized', kita mengaktifkan 'objective' untuk menerima daftar parameter dan menjalankannya di semua kombinasi.

Mari kita analisis hasilnya dengan mengelompokkan periode EMA yang cepat dan lambat. Ini menyoroti variasi minimal dalam rasio Sharpe dari pelatihan ke pengujian yang ditetapkan di setidaknya 50% dari split, di mana biru menunjukkan perubahan positif.

Hasilnya adalah peta panas yang menunjukkan berbagai rasio Sharpe di seluruh kombinasi periode lambat dan cepat.

Meskipun Anda mungkin telah mengembangkan strategi yang menjanjikan di atas kertas, validasi silang penting untuk mengonfirmasi kinerjanya yang konsisten dari waktu ke waktu dan untuk memastikan itu bukan hanya hasil dari fluktuasi acak. Terapkan teknik yang Anda pelajari di sini ke strategi Anda sendiri.