«Разработка, тестирование и оптимизация торговых систем» является классикой мирового трейдинга. Это путь от неуверенности, бессистемности, расшатанных нервов, изматывающих стрессов к осмысленному трейдингу, опирающемуся на оружие, которым оснащает себя каждый трейдер – Успешную Торговую Систему.

Для описания оптимизационного процесса можно использовать несколько одинаково необходимых терминов: тестовая связка (test batch), тестовый прогон (test run), сканирование переменных, вычислительный процесс и т.д. В этой книге слово оптимизация будет означать отбор параметров. Цель оптимизации — найти значения параметров модели, которые будут давать пиковую эффективность торговли в реальном времени.

Заметьте, что акцент сделан на «пиковую эффективность» торговли и торговли именно в реальном времени. Такое фокусирование может показаться очевидным; к сожалению, на практике многие оптимизаторы на самом деле не достигают данных целей. Такие пользователи программного обеспечения для трейдинга по недоразумению полагают, что результат оптимизации, дающий наибольшую прибыль, и торговая модель, имеющая пиковую эффективность в реальной торговле, есть одно и то же.

Такой сценарий возможен. Однако если оптимизация использует недостаточную выборку данных, то она скорее всего даст слишком маленькую выборку сделок, чтобы обеспечить статистическую значимость. Если оптимизация выполнена на нерепрезентативной выборке данных, модель с большой вероятностью покажет плохие результаты, когда неожиданно столкнется с другими условиями рынка или тренда. Если число степеней свободы ограничено слишком многими условиями, статистическая валидность результатов оказывается под вопросом. Если топ-модель, найденная во время оптимизации, представляет «всплеск» прибыли, а не вершину пологого округлого холма, при смене ценовых паттернов данная модель будет малоустойчивой. Если модель не подвергалась форвардному тестированию, нельзя быть в достаточной степени уверенным в ее способностях торговать в реальном времени. Модель, являющаяся результатом небрежной и неполной оптимизации, скорее всего приведет при реальном трейдинге к существенным убыткам.

Когда оптимизацию пытаются проводить, игнорируя надлежащие статистические принципы и процедуры, такая оптимизация может быстро деградировать до явления, обычно называемого «настройкой на кривую» (curve fitting). Среди разработчиков статистических моделей широко известно, что увеличивая число переменных, можно построить кривую, которая будет соответствовать любому числу точек данных. Поскольку кривая, полученная с помощью процедур моделирования, слишком точно настроена на прошлые данные, нет никаких гарантий того, что она будет хорошо предсказывать будущее движение. Точность настройки отнюдь не предполагает лучшей предсказательной силы. В нашей работе часто все как раз наоборот.

При использовании статистического метода модель, которая лучше всего соответствует большой и репрезентативной выборке данных при достаточном числе степеней свободы, имеет устойчивые параметры и прошла форвардный анализ, будет лучшим предсказателем будущего поведения рынка.

Основы оптимизации

Технология оптимизации проста, однако, она требует осторожности и аккуратности (См. Рис. 7-1). У оптимизации есть пять составляющих: (1) отбор параметров модели и (2) установка диапазонов их сканирования; (3) должен быть установлен объем выборки; (4) для нахождения лучшей модели должен быть задан правильный метод оценки; (5) должен быть выбран критерий оценки тестового прогноза в целом.