Оцените индикатор до того, как кто-либо напишет правило покупки или продажи

Правила оценивают правило, а не только индикатор

Оценка индикатора только через правила покупки и продажи проверяет выбранное правило не меньше, чем сам индикатор. Эта привычка — метод сигнальных событий: сначала придумать правила, затем оценить правила. Вердикт относится к набору правил не меньше, чем к индикатору, а более сложные многоусловные правила повышают шанс случайной исторической подгонки.

Сравните прогнозы по ячейкам со средним выборки

Метод ячеек сортирует упорядоченные значения индикатора по диапазонам так, чтобы близкие значения попадали в одну корзину, а затем спрашивает, предсказуемее ли последующее рыночное изменение в каждой корзине, чем среднее по всей выборке. Группировка близких значений в ячейки даёт оценку снижения дисперсии от нуля до 100, показывающую, насколько последующее процентное изменение связано с текущим значением.

Снижение дисперсии измеряет, насколько прогноз, обусловленный ячейкой, уменьшает ошибку относительно наивного прогноза, который всегда использует общее среднее выборки. Наивный прогноз — это базовая оценка, согласно которой каждый случай совпадёт со средним по всей выборке выбранного будущего процентного изменения. Условный прогноз — это оценка, взятая из среднего исхода внутри ячейки, соответствующей текущему значению индикатора.

Снижение дисперсии положительно только тогда, когда прогнозы, обусловленные ячейками, имеют меньшую ошибку, чем наивный прогноз по общему среднему. В противном случае мера равна нулю или отрицательна. Почти идеальные оценки одного индикатора на практике считаются недоступными. Типичные оценки снижения дисперсии лежат между нулём и 10 процентами; более высокие оценки описываются как требующие нескольких взаимодополняющих индикаторов.

Разобранный пример коэффициента breadth

В разобранном примере сглаженное скользящей средней отношение advance-minus-decline сопоставлялось с 60-дневным форвардным процентным изменением широкого индекса акций. Использовалось каждое второе наблюдение из выборки с января 1945 по июль 1988 года: 10,708 значений и 10 равнонаполненных ячеек.

По 5,354 использованным случаям среднее по выборке 60-дневное изменение составляло +1.85 процента, тогда как ячейка с наивысшими значениями индикатора из 535 случаев давала в среднем +3.22 процента. Это среднее ячейки — условный прогноз, оцениваемый по снижению дисперсии относительно среднего выборки.

Отложенная выборка и порог случайности

Положительное снижение дисперсии может появиться случайно, особенно когда просеивается много индикаторов, поэтому нужны и разделение на обучение и тест, и порог значимости.

Кросс-валидация формирует средние по ячейкам на обучающей выборке и требует, чтобы то же прогностическое соотношение проявилось на независимой тестовой выборке. Такое разделение упорядоченных наблюдений цены, объёма или ширины рынка использует обучающую выборку для формирования средних по ячейкам, а тестовую — для оценки этих средних вне выборки.

Проверка гипотез добавляет формальную проверку того, что кажущееся улучшение прогноза индикатора маловероятно при нулевой гипотезе отсутствия информации, прежде чем индикатор считается информативным. Критерий хи-квадрат — это фильтр частоты случайности для снижения дисперсии. Порог задан так, что бесполезный индикатор превысит его случайно лишь в 5 процентах случаев.

Ранжирование по горизонту без торгового правила

После этих проверок показанный ряд коэффициента breadth содержал мало прогностической информации на пяти других сглаживаниях и нескольких горизонтах прогноза. Тот же рабочий процесс всё равно позволял ранжировать индикаторы по горизонту без определения торговых правил.