Tôi đã kiểm tra lại hàng ngàn chiến lược. Bài học tôi đã học theo cách khó khăn: Việc quá khớp sẽ khiến bạn mất $$$. Bây giờ tôi sử dụng xác thực chéo để giúp chống lại. Đây là mã để thực hiện điều đó (trong 2 phút):

Nếu bạn chưa quen với việc kiểm tra chéo: • Giảm nguy cơ quá khớp trong các mô hình • Bao gồm việc phân chia dữ liệu thành các tập con • Ước lượng hiệu suất mô hình trên dữ liệu chưa thấy Nó được sử dụng trong tất cả các lĩnh vực khoa học dữ liệu. Bây giờ bạn có thể sử dụng nó cho giao dịch với VectorBT PRO. Đi nào!

Hãy nhập VBT PRO và một vài thư viện liên quan đến phân tích của chúng ta.

Lấy dữ liệu cho tài sản yêu thích của bạn. Chúng tôi sẽ sử dụng AAPL.

Tiếp theo, chúng ta sẽ thiết lập một "splitter," chia một khoảng thời gian thành các đoạn nhỏ hơn theo một sơ đồ đã chọn.

Lệnh splitter.plots().show_png() tạo ra hình ảnh trực quan sau:

Tiếp theo, chúng ta sẽ tạo một hàm để thực hiện một chiến lược giao dịch trong một khoảng thời gian xác định bằng cách sử dụng một bộ tham số duy nhất, trả về một chỉ số chính. Chiến lược của chúng ta sẽ là một sự giao nhau EMA đơn giản kết hợp với một điểm dừng theo ATR.

Bằng cách trang trí (hoặc bọc) chức năng của chúng ta với `parameterized`, chúng ta cho phép `objective` chấp nhận một danh sách các tham số và thực thi chúng trên tất cả các tổ hợp.

Hãy phân tích kết quả bằng cách phân đoạn các khoảng thời gian EMA nhanh và chậm. Điều này làm nổi bật sự biến đổi tối thiểu trong tỷ lệ Sharpe từ tập huấn luyện sang tập kiểm tra trên ít nhất 50% các phân đoạn, trong đó màu xanh chỉ ra sự thay đổi tích cực.

Kết quả là một bản đồ nhiệt cho thấy các tỷ lệ Sharpe khác nhau qua các kết hợp giữa các khoảng thời gian chậm và nhanh.

Mặc dù bạn có thể đã phát triển một chiến lược hứa hẹn trên giấy, nhưng việc xác thực chéo là rất quan trọng để xác nhận hiệu suất nhất quán của nó theo thời gian và đảm bảo rằng nó không chỉ là kết quả của những biến động ngẫu nhiên. Hãy áp dụng các kỹ thuật bạn đã học ở đây vào chiến lược của riêng bạn.