|
|
АЛЬТЕРНАТИВЫ ТРАДИЦИОННОЙ ОПТИМИЗАЦИИ
Существуют два альтернативных традиционной оптимизации подхода —
это оптимизация с прогонкой вперед и самоадаптивные системы. Обе эти
методики имеют то преимущество, что практически все тестирование
проводится вне (пределов выборки. Оцените результативность системы,
проведите несколько статистических тестов, постройте график изменения
капитала — и система готова к торговле. Все чисто и математически
безукоризненно. Про коррекцию коэффициентов корреляции, множественные
тесты, чрезмерную подгонку системы под ценовые данные и
другие проблемы можно просто забыть. Более того, с современной компьютерной
техникой модели с прогонкой вперед и самоадаптивные модели
становятся практичными и даже несложными.
Принцип оптимизации, или тестирования с прогонкой вперед, состоит
в эмуляции шагов, действительно производимых системой, требующей
периодической оптимизации. Метод работает следующим образом. Оптимизируйте
систему на точках данных от 1 до М. Затем проведите виртуальную
торговлю в точках данных от М + 1 до М + К. Повторно оптимизируйте
систему на точках от К + 1 до К + М. Затем промоделируйте
торговлю в точках от (К + М) + 1 до (К + М) + К. Пройдите таким образом
через всю выборку данных. Как следует из примера, сначала оптимизируется
система, потом моделируется торговля. Через некоторое время
система снова оптимизируется, и торговля возобновляется. Эта последовательность
гарантирует, что торговля всегда происходит на данных, более
поздних, чем данные, использовавшиеся для оптимизации. Практически,
все сделки происходят на данных вне пределов выборки. При тестировании
с прогонкой вперед М — окно оптимизации (или исторического
обзора), а К — интервал повторной оптимизации.
Самоадаптивные системы работают подобным образом, но в этом случае
оптимизация или адаптивный процесс — часть системы, а не тестовой
программы. Как только поступает новая точка данных, самоадаптивная
система обновляет свое внутреннее состояние (правила или параметры) и
затем принимает решение относительно следующей точки данных. При
поступлении следующих данных выполняются принятые решения, и процесс
повторяется. Внутренние изменения, при помощи которых система
изучает рынок и адаптируется к нему, могут происходить не в каждой точке,
а, например, в некоторые фиксированные моменты времени.
Трейдер, планирующий использовать самоадаптивные системы, должен
иметь мощную, основанную на компонентах платформу с использованием
развитого языка программирования (C++, Object Pascal или Visual
Basic) с возможностью доступа к библиотекам и компонентам третьих
производителей. Эти компоненты рассчитаны на встраивание в создаваемые
пользователем программы, включая специальные программы адаптивных
систем. Чем больше компонентов доступно, тем меньше работы: как минимум трейдер, пытающийся использовать самоадаптивные системы,
должен иметь доступ к генетическому оптимизатору и симулятору,
которые могут быть легко встроены в модель. Адаптивные системы будут
рассмотрены в следующих главах, показывая, как этот метод работает на
практике.
Несомненно, что системы с прогонкой вперед и самоадаптивные системы
приобретут большую популярность в будущем с ростом эффективности
рынков и сложности работы на них, а также с расширением доступности
для рядовых трейдеров коммерческого программного обеспечения
на их основе.
Важно: актуальная возможность выиграть $40–$250 реальных (не бонусных) средств в конкурсе на демо-счетах.
|
|
