Распределение эффективности
Как только тестовый прогон прошел тест на значимость, описанный в предыдущем разделе, полезно пересмотреть распределение общей тестовой эффективности. Это достигается путем вычисления средней, максимума, минимума и стандартного отклонения всех тестов. Самым желательным результатом будет большая средняя прибыль с минимальным разбросом (variation). Связка гестов с наименьшей разницей между максимумом и минимумом, а следовательно — с наименьшим стандартным отклонением, будет лучшей. Пример 4 показывает результаты простой торговой модели:
Пример 4: Успешный тестовый прогон
Общее число тестов 1000 100.0% $4,523
Прибыльные тесты 301 30.1 7,345
Убыточные тесты 699 69.9 (2,993)
При сравнении одной оптимизации с другой, лучшей будет имеющая более высокую среднюю и меньшее стандартное отклонение. Совершенствуя торговую модель или внося в нее новые правила, а затем повторно тестируя, важно, чтобы число прибыльных тестов увеличивалось, средняя всей связки возрастала, а стандартное отклонение при этом не росло.
|
Пример 5 показывает результаты добавления в торговую модель, описанную в Примере 4, нового правила, которое снизило эффективность по каждой категории: проценту прибыльных моделей, средним результатам, средней прибыльной и средней убыточной модели. Основываясь на этих результатах, данное правило следует исключить.
Пример 5: Неудачное добавление правила
Общее число тестов 1000 100.0% $4,123
Прибыльные тесты 221 22.1 6,256
Убыточные тесты 699 69.9 (3,457)
Пример 6 демонстрирует результаты добавления в торговую модель правила, которое повысило эффективность по каждой категории: проценту прибыльных моделей, средним результатам, средней прибыльной и средней убыточной модели. На основе этих результатов данное правило следует включить в торговую модель.
Пример 6: Успешное добавление правила
Общее число тестов 1000 100.0% $5,798
Прибыльные тесты 457 45.7 8,981
Убыточные тесты 543 54.3 (1,876)
На Рисунке 5-6 линией А представлены результаты первой оптимизации. Линии В, С и D представляют различные исходы второго теста с одним усовершенствованием, внесенным в модель. Линия В отражает худший исход, потому что показывает более высокую среднюю, но гораздо большее стандартное отклонение. Линии С и D отличаются и обе лучше А, поскольку обе имеют более высокие средние и немного меньшие стандартные отклонения.
|