Метод оптимизации

Метод оптимизации
Итак, вы создали торговый алгоритм, который показал неплохие результаты при тестировании на исторических данных. Прежде чем использовать его для торговли с реальными деньгами, вы сначала должны его оптимизировать. Т.е. гарантировать, что ваш алгоритм прекрасно настроен, и сможет обеспечить вам максимальную доходность. Однако, здесь вы можете столкнуться с некоторыми вызовами.
Во-первых, ваша стратегия довольно проста. Вы можете пройти детальный процесс создания и оптимизации стратегии, включая приспособление кривой активов, корреляцию и т.д. Но вы хотите упростить процесс – что-то более сжатое, что будет соответствовать вашим скромным потребностям.
Во-вторых, вы, возможно, еще не освоили полную технику оптимизации. Вы все еще изучаете ее, и хотите попробовать упростить процесс.
Один из методов оптимизации вашего алгоритма, который я нахожу особенно простым, это — вероятностный. Вероятностный метод, в сущности, содержит много компонентов полной техники оптимизации.
Однако, он больше полагается на здравый смысл и логику, чтобы сузить варианты и оптимизировать алгоритм. Это делает его довольно хорошим способом начать общую концепцию оптимизации стратегии. Кроме того, вы найдете это метод более легким для усвоения.
В конечном итоге, сущность оптимизации стратегии сводится к исключениям всего лишнего.

Пример алгоритма

Приведенный ниже алгоритм довольно простой.
Давайте назовем его RSIMV, что отражает комбинацию RSI и Скользящей средней. Вот, как через алгоритм RSIMV описываются условия торговли:
Если Открытые позиции = 0, то
Если (MA30 > MA14) и RSI =< 60, то
Открыть покупку (50.000) {Это будет покупка 50 лотов}
Установить стоп-ордер = Цена — 50 {пунктов}
Установить лимит-ордер = Цена + (50*2)
Конец

Описание стратегии: если Скользящие средние пересекаются в бычьем направлении и значение RSI равно или ниже 60, это означает, что ралли имеет некоторый запас хода перед достижением уровня перекупленности (значение RSI более 80). Это указывает на хорошую возможность для покупки.
Глядя на алгоритм RSIMV, вы можете заключить, что есть три параметра для оптимизации: RSI и две Скользящих средних.
Начнем со Скользящих средних — мы начали с рассматривать 14- и 30-дневные средние. По-видимому, вариантов для проверки может быть бесконечно много, со многими комбинациями Скользящих средних.
Теоретически это правильно, но здесь в игру вступает вероятность.

Диаграмма 1. Варианты стратегии.
 
Диаграмма 1. Варианты стратегии.

На диаграмме выше мы видим, что более длинные Скользящие средние (оранжевая и красная) имеют меньше шансов получить комбинацию низкого значения RSI и бычьего пересечения Скользящих средних.
Кроме того, комбинация низкого значения RSI и бычьего сигнала происходит только, когда две Скользящих средних, быстрая и медленная, имеют
примерное соотношение 2 к 1 (например, 30 и 14).
Эти два вывода помогают нам сузить параметры поиска.
Самая высокая вероятность найти наилучший набор средних значений — с более быстрыми
Скользящими средними, а не медленными, и теми, которые имеют соотношение близкое к 2:1. И давайте не забывать, что мы уже знаем, что значения 14 и 30 в принципе работают. Так что, нам нет смысла слишком удаляться от этих значений.
Мы будем использовать значения 25 и 12 в качестве первой комбинации и значения 20 и 10 для второй. И те и другие параметры имеют примерное соотношение 2 к 1, и при этом близки к первоначальным значениям. 
Итак:
  1. 25,12
  2. 20,10
Переходим к параметру RSI — здесь сужение поиска вариантов еще проще. Мы знаем, что значение RSI не может быть выше 60, потому что тогда у нас не останется «запаса хода» прежде, чем будет достигнут уровень перекупленности.
С другой стороны, если мы будем брать значения RSI ниже 40, то маловероятно, что в этом случае произойдет бычье пересечение Скользящих средних.
Поскольку, как и в случае Скользящих средних, мы знаем, что первоначальные параметры работали, нам необходимо внести лишь незначительные изменения. Не имея возможности повысить уровень RSI, мы можем взять два варианта более низких значений:
RSI < 55 и RSI < 50.
Следовательно, наши варианты:
  1. 55
  2. 50
Как вы видите, после тестирования всех альтернативных параметров, все, что нам было нужно – это немного изменить значения RSI для входа:
 
Рис. 1

Минусы чрезмерной оптимизации

Как это ни странно может прозвучать, но оптимизация иногда имеет и свои недостатки. Иногда мы можем до такой степени оптимизировать нашу стратегию, что она кардинально будет отличаться от оригинала. Это может загнать нас в вечную гонку оптимизации и заставит тратить впустую драгоценное время.
Поэтому, не поддавайтесь этому соблазну — не становитесь фанатом оптимизации. В конце концов, оптимизация просто настраивает систему, а не создает новую. Если ваши стратегии в целом работают, ограничьте вашу оптимизацию небольшими корректировками параметров. Если система в целом не работает, то оптимизация вам не поможет, и вам придется начинать с чистого листа.
И, наконец, практический совет: всегда ведите учет результатов вашей первоначальной стратегии, и сравнивайте их с результатами после оптимизации стратегии. Это позволит вам убедиться, что вы действительно оптимизировали свою стратегию.

Заключение

Несомненно, техника оптимизации не совершенна. Но, если вы действительно понимаете свою стратегию, то можете применить логику к поиску лучших параметров. Если же вы новичок и имеете недостаток в знании продвинутых методов оптимизации, то оптимизация через вероятностный метод будет для вас хорошим инструментом.
0
532
Нет комментариев. Ваш будет первым!
Загрузка...