Am testat înapoi mii de strategii. Lecția pe care am învățat-o pe pielea mea: Overfitting-ul îți va pierde $$$. Acum folosesc validarea încrucișată pentru a riposta. Iată codul pentru a face asta (în 2 minute):

În caz că nu ești familiarizat cu validarea încrucișată: • Reduce riscul de supraajustare în modele • Implică partiționarea datelor în submulțimi • Estimează performanța modelului pe date nevăzute Este folosit în toate științele datelor. Acum îl poți folosi pentru tranzacționare cu VectorBT PRO. Să mergem!

Să importăm VBT PRO și câteva biblioteci relevante pentru analiza noastră.

Ia datele pentru activul tău preferat. Vom folosi AAPL.

Apoi, vom configura un "splitter", care împarte un interval de date în segmente mai mici conform unei scheme alese.

Comanda splitter.plots().show_png() duce la următoarea vizualizare:

În continuare, vom crea o funcție pentru a executa o strategie de tranzacționare într-un interval de date specificat, folosind un singur set de parametri, returnând o metrică cheie. Strategia noastră va fi un crossover EMA simplu combinat cu un stop ATR trailing.

Prin decorarea (sau înfășurarea) funcției noastre cu "parametrizare", permitem ca "obiectivul" să accepte o listă de parametri și să îi execute pe toate combinațiile.

Să analizăm rezultatele segmentând perioadele rapide și lente ale EMA-ului. Evidențiază variația minimă a raportului Sharpe între setul de antrenament și cel de testare pe cel puțin 50% dintre împărțiri, unde albastru indică o schimbare pozitivă.

Rezultatul este o hartă termică care arată diversele rapoarte Sharpe pe combinațiile perioadelor lent și rapid.

Deși poate ai dezvoltat o strategie promițătoare pe hârtie, validarea încrucișată este esențială pentru a confirma performanța sa constantă în timp și pentru a te asigura că nu este doar rezultatul fluctuațiilor aleatorii. Aplică tehnicile învățate aici în propria ta strategie.