Книга Р. Пардо «Разработка, тестирование и оптимизация торговых систем» – это классика мирового трейдинга: это путь от неуверенности, бессистемности, расшатанных нервов, изматывающих стрессов к прибыльному трейдингу, опирающемуся на изощренное оружие, которым оснащает себя каждый трейдер – Успешную Торговую Систему.

Первый шаг — необходимо посмотреть, какова реакция модели на оптимизацию. Всегда существует шанс, что параметры модели, выбранные априори на первом тесте, действительно будут оптимальными. Однако вероятность этого для 10-рыночного 5-периодного теста крайне мала. Это одна из причин объема и диапазона такого тестового цикла; он должен быть достаточно широким, чтобы обеспечить оптимальные параметры в рамках его границ.

Средняя эффективность мультирыночной мультипериодной оптимизации должна улучшаться по сравнению с эффективностью мультирыночного мультипериодного теста. Маловероятно, что выбранное случайно на первом тесте значение (параметра) даст пиковую эффективность. Это особенно очевидно при оптимизации нескольких переменных. Часто между несколькими переменными существует много взаимосвязей: вся степень этой синергии, измеряемой прибылью, оптимизацией, как правило, не раскрывается. По этим причинам околопиковый показатель прибыльности может быть обнаружен лишь в процессе мультирыночной мультипериодной оптимизации. В этом и состоит функция оптимизации.

Например, предположим, что средняя годовая прибыль для 1-рыночного 5-периодного теста составляет $2,000. Разумно было бы ожидать для 1-рыночной 5-периодной оптимизации данного рынка более высокой годовой прибыли. К тому же, подобного улучшения годовой прибыли следует ожидать при оптимизации каждого рынка.

Эффективность всех тестов в каждой отдельной оптимизации следует рассматривать в связке, и она должна удовлетворять статистическому критерию, обеспечивающему валидность результатов. Как минимум 30% всех тестов в оптимизации должны быть равны или выше заранее заданного минимального порога эффективности, основанного на тестах более широкого диапазона. Более высокий процент прибыльных моделей в оптимизации указывает на более устойчивую торговую модель. Очень низкий процент прибыльных моделей может быть всего лишь всплеском прибыли и статистической аномалией, с малой или вовсе отсутствующей предсказательной ценностью.

Должны быть свидетельства того, что выбранная топ-модель окружена другими моделями с хорошими результатами и поэтому не является изолированным всплеском прибыли. Каждая оптимизация должна охватывать достаточно большую выборку данных и группу диапазонов сканирования переменных, которые обеспечат статистически значимое число степеней свободы. Каждую оптимизацию следует разрабатывать таким образом, чтобы она генерировала статистически валидное число сделок. Торговая эффективность должна удовлетворять важнейшему критерию равномерного распределения по выборке данных.