Walk-forward фильтры по метрикам и проверки на уровне случайности для выбранных входов

Перебрать много входов, затем проверить одну выбранную строку

Walk-forward процедура может перебрать много комбинаций входов на in-sample данных, затем применить выбранный фильтр по метрике и взять одну строку входов, чьи связанные правила оцениваются на соответствующем out-of-sample окне.

Оптимизация системы — это in-sample поиск по этим комбинациям входов. Walk-forward анализ — это процедура, которая переносит выбранную строку на соответствующее out-of-sample окно.

Простое ранжирование против составного фильтра по метрике

Ранжирование кандидатских входов по одной простой метрике, например по наибольшей чистой прибыли или лучшему profit factor, описывается как редко дающее хорошие out-of-sample результаты.

Более составной фильтр сначала отбрасывает in-sample строки с более чем пятью убытками подряд, затем оставляет двадцать оставшихся строк с наибольшими отношениями медианы выигрыша к медиане убытка.

В фильтре используются статистики медианы выигрыша и медианы убытка, чтобы несколько крупных, возможно неповторимых сделок не искажали ранжирование так, как это сделало бы среднее.

Описанный прогон walk-forward explorer

Описанный прогон walk-forward explorer охватывает двести два недельных in-sample и out-of-sample окна тридцатиминутных баров SPY для стратегии parabolic SAR; первая и последняя даты конца out-of-sample недели — April 6, 2012 и February 12, 2016.

Out-of-sample оценка в описанном прогоне строится на размере в сто акций SPY после вычета четырехдолларовых издержек на круг и проскальзывания из суммарной чистой прибыли.

Зеркала уровня случайности и выходные столбцы фильтра

Сравнение уровня случайности строится так: создаются пять тысяч зеркальных фильтров, которые в каждом недельном файле берут out-of-sample чистую прибыль случайной строки вместо строки, выбранной фильтром, а затем суммируют эти выборки, чтобы получить эталонное распределение суммарной чистой прибыли. Эта конструкция и есть шаг Bootstrap-ресамплинга в описанном рабочем процессе.

Выходные столбцы фильтра включают student-t по недельным out-of-sample прибылям, эффективность как среднюю дневную out-of-sample прибыль, делённую на среднюю дневную in-sample прибыль, и вероятность того, что суммарная out-of-sample чистая прибыль фильтра возникла случайно.