Ho testato retrospettivamente migliaia di strategie. La lezione che ho imparato a mie spese: L'overfitting ti farà perdere $$$. Ora utilizzo la cross-validation per aiutarmi a combattere. Ecco il codice per farlo (in 2 minuti):

Nel caso non fossi familiare con la cross-validation: • Riduce il rischio di overfitting nei modelli • Comporta la suddivisione dei dati in sottoinsiemi • Stima le prestazioni del modello su dati non visti È utilizzata in tutte le scienze dei dati. Ora puoi usarla per il trading con VectorBT PRO. Andiamo!

Importiamo VBT PRO e le poche librerie rilevanti per la nostra analisi.

Ottieni i dati per il tuo asset preferito. Useremo AAPL.

Successivamente, imposteremo uno "splitter", che divide un intervallo di date in segmenti più piccoli secondo uno schema scelto.

Il comando splitter.plots().show_png() produce la seguente visualizzazione:

Successivamente, creeremo una funzione per eseguire una strategia di trading all'interno di un intervallo di date specificato utilizzando un unico set di parametri, restituendo una metrica chiave. La nostra strategia sarà un semplice crossover EMA combinato con uno stop loss trailing ATR.

Decorando (o avvolgendo) la nostra funzione con `parameterized`, abilitiamo `objective` ad accettare un elenco di parametri ed eseguirli su tutte le combinazioni.

Analizziamo i risultati segmentando i periodi EMA veloci e lenti. Evidenzia la minima variazione nel rapporto di Sharpe dal set di addestramento a quello di test in almeno il 50% delle suddivisioni, dove il blu indica un cambiamento positivo.

Il risultato è una mappa di calore che mostra i vari rapporti di Sharpe attraverso le combinazioni di periodi lenti e veloci.

Sebbene tu possa aver sviluppato una strategia promettente sulla carta, è essenziale effettuare una validazione incrociata per confermare le sue prestazioni costanti nel tempo e per assicurarti che non sia semplicemente il risultato di fluttuazioni casuali. Applica le tecniche che hai appreso qui alla tua strategia.