Forex Gehen Vorwärtsprüfung

Der Walk Forward Analyzer ist jetzt kostenlos Gehen Sie auf die Download-Seite, um Ihr kostenloses Exemplar zu erhalten Woher wissen Sie, wenn Ihr Experte Berater ist wirklich profitabel MetaTraders Strategie Tester nicht geben Ihnen das ganze Bild Sind Sie auf der Grundlage von über optimistisch Backtests und enttäuscht zu finden Dass Ihr Experte Advisor ist, Geld zu verlieren in Live-Handel Möchten Sie wissen, ob Ihr Experte Advisor ist rentabel, schnell und einfach, ohne Geld zu verlieren Der Walk Forward Analyzer für MetaTrader Der Walk Forward Analyzer verwendet MetaTraders eigenen Strategy Tester, um eine Walk-forward-Analyse durchzuführen . Wobei die vom Benutzer bereitgestellten Einstellungen und Testparameter verwendet werden. Die Software ist einfach zu bedienen und kann Ihnen eine komplette Walk-forward-Analyse in einem Bruchteil der Zeit, die es für Sie tun, um es manuell zu tun. Eine Walk-Forward-Analyse bestimmt, ob ein professioneller Berater profitabel ist, wenn er mit optimierten Parametern auf Out-of-Sample-Daten handelt. Jeder Experte Advisor kann eine beeindruckende Optimierung Ergebnis zu produzieren, aber der wahre Test ist, ob diese Ergebnisse halten, wenn getestet über zukünftige Daten. Der Walk Forward Analyzer führt diesen Vorgang viele Male über Monate und Jahre historischer Daten durch und gibt Ihnen ein genaues Bild von der wahren Leistung Ihres Expertenberaters. Nach Abschluss einer Walk-Forward-Analyse, youll präsentiert werden mit einem detaillierten Walk-forward-Analyse-Bericht, zeigt die Ergebnisse der Test-und Optimierungsläufe, die insgesamt testen Gewinnverlust und die Walk-forward-Wirkungsgrad. Was ein Maß dafür ist, wie robust Ihr Handelssystem ist. Sehen Sie den Walk Forward Analyzer in Aktion Wenn Sie nicht mit dem Walk Forward Analysenverfahren vertraut sind, lesen Sie bitte Was ist Walk Forward Analysis, um herauszufinden, warum es die beste Methode ist, die Robustheit und die potenzielle Rentabilität Ihres Handelssystems zu bestimmen. Das Video unten bietet eine komplette Einführung und Anleitung des Walk Forward Analyzers für MetaTrader: Was ist Walk Forward Analysis Walk forward anaylsis ist der Prozess der Optimierung eines Handelssystems mit einem begrenzten Satz von Parametern und testen Sie dann die am besten optimierte Parameter-Set auf Von-Beispieldaten. Dies ist ähnlich wie Sie Ihre Experten-Berater in Live-Trading zu verwenden. Die Grundsätze der Walk-forward-Analyse wurden zuerst im Buch Die Bewertung und Optimierung von Handelsstrategien von Robert Pardo beschrieben. Um eine Walk-Forward-Analyse in MetaTrader durchzuführen, optimieren Sie zunächst den Expertenratgeber im Strategy Tester. Dann wählen Sie die am meisten profitabel Ergebnis in der Registerkarte Optimierung Ergebnisse und führen Sie einen Backtest es über einen Zeitraum unmittelbar nach dem Optimierungszeitraum. Das Enddatum des Optimierungszeitraums entspricht dem Startdatum des Testzeitraums. Dieser Vorgang wird immer wieder wiederholt, bis eine zufriedenstellende Probengröße erreicht ist. Wenn der Fachberater bei der Prüfung im Vergleich zu den Optimierungsergebnissen gut abschneidet, kann man feststellen, dass der Expertenberater voraussichtlich im Livehandel profitabel sein wird. Wenn hingegen der Sachverständige schlecht im Test durchführt, müssen entweder die Optimierungsparameter oder die Länge der Test - und Optimierungsperioden angepasst werden. Wenn nach vielen Versuchen der Fachberater noch nicht gut in der Prüfung, dann kann man schlussfolgern, dass das Handelssystem unrentabel ist. Die Animation nach rechts veranschaulicht die Vorgehensweise bei der Vorwärtsbewegung. Eine Optimierung wird über einen längeren Zeitraum (die In-Sample-Daten) durchgeführt, und dann wird der optimierte Parametersatz über eine nachfolgende kürzere Periode (die Out-of-Sample-Daten) getestet. Die Optimierungs - und Testperioden werden nach vorn verschoben und der Vorgang wiederholt, bis eine geeignete Probengröße erreicht ist. Quelle Ein Beispiel für eine Vorankommensanalyse Wir können ein realistisches Beispiel anführen: Wir würden eine Vor-Ort-Analyse auf einem Expertenratgeber unter Verwendung von EURUSD M30 durchführen. Optimieren Sie diesen Expertenberater über einen Zeitraum von 120 Tagen. Weve gewählt die 3 oder 4 wichtigsten Parameter zu optimieren, um nicht zu über-Optimierung oder Kurve passen die Ergebnisse. Auch weniger Parameter bedeuten einen schnelleren Test. Nun wählen Sie die profitabelste Ergebnis, und Backtest diese Parameter über einen Zeitraum von 30 Tagen unmittelbar nach dem Optimierungszeitraum. Es wird empfohlen, eine Prüfperiode von etwa 25 der Länge des Optimierungszeitraums zu verwenden. Sobald wir aufgezeichnet unsere Ergebnisse, gut bewegen die nächste Optimierung und Prüfung Zeitraum nach vorne von 30 Tagen. Nach 12 aufeinanderfolgenden Runden der Optimierung und Tests, haben auch ein Jahr im Wert von Walk forward Analyse-Daten. Wir vergleichen den durchschnittlichen täglichen Gewinn für die Optimierungsperioden mit dem durchschnittlichen täglichen Gewinn für die Testperioden. Dies wird uns eine Berechnung genannt Walk forward Effizienz Verhältnis. Ein Walk-forward-Wirkungsgrad größer als 0,5 ist ein sehr gutes Ergebnis. Das nennen wir ein robustes Handelssystem. Ein Fachberater ist jedoch handelbar, solange er über mehrere Testperioden hinweg konsistent profitabel ist. Wenn der Wirkungsgrad der Vorwärtsbewegung negativ ist, dann bedeutet dies, dass der Fachberater nicht in Bezug auf seine Optimierungsergebnisse gut funktionierte. Natürlich können Sie eine vorwärts gehende Analyse manuell in MetaTraders Strategy Tester durchführen. Aber der Prozess ist mühsam, zeitaufwändig und anfällig für Fehler. Dies ist, wo die Walk Forward Analyzer Software kommt in. Das Programm wird automatisch durchführen eine Walk forward Analyse mit MetaTraders Strategy Tester über einen längeren Zeitraum, mit nur wenigen Einstellungen durch den Benutzer zur Verfügung gestellt. Backtesting und Forward Testing: Die Bedeutung der Correlation Trader Die eifrig versuchen, eine Trading-Idee in einem Live-Markt versuchen oft den Fehler, sich vollständig auf Backtesting-Ergebnisse, um festzustellen, ob das System profitabel sein wird. Während Backtesting Händler mit wertvollen Informationen versorgen kann, ist es oft irreführend und es ist nur ein Teil des Evaluierungsprozesses. Out-of-Sample-Tests und Vorwärts-Performance-Tests bieten weitere Bestätigung in Bezug auf eine System-Effektivität, und kann zeigen, dass Systeme echte Farben, bevor echtes Geld auf der Linie ist. Eine gute Korrelation zwischen Backtesting-, Out-of-Sample - und Forward-Performance-Testergebnissen ist entscheidend für die Bestimmung der Tragfähigkeit eines Handelssystems. Weitere Informationen finden Sie unter Backtesting: Interpretation der Vergangenheit. Backtesting-Grundlagen Backtesting bezieht sich auf die Anwendung eines Handelssystems auf historische Daten, um zu überprüfen, wie ein System während des Trainings durchgeführt worden wäre Den angegebenen Zeitraum. Viele der heutigen Handelsplattformen unterstützen Backtests. Händler können Ideen mit wenigen Tastenanschlägen testen und Einblicke in die Effektivität einer Idee erhalten, ohne Geld in einem Handelskonto zu riskieren. Backtesting kann einfache Ideen auswerten, wie z. B. wie ein gleitender Durchschnitt Crossover auf historische Daten oder komplexere Systeme mit einer Vielzahl von Eingaben und Trigger ausführen würde. Solange eine Idee quantifiziert werden kann, kann sie rückgängig gemacht werden. Einige Händler und Investoren können die Expertise eines qualifizierten Programmierers, um die Idee in eine testable Form entwickeln zu suchen. Typischerweise handelt es sich um einen Programmierer, der die Idee in die proprietäre Sprache codiert, die von der Handelsplattform gehostet wird. Der Programmierer kann benutzerdefinierte Eingabevariablen enthalten, die es dem Händler ermöglichen, das System zu optimieren. Ein Beispiel hierfür wäre das einfache gleitende durchschnittliche Crossover-System, wie oben erwähnt: Der Trader würde in der Lage sein, die Längen der beiden im System verwendeten Bewegungsdurchschnitte einzugeben (oder zu ändern). Der Händler konnte backtest, um zu bestimmen, welche Längen der gleitenden Durchschnitte das beste auf den historischen Daten durchgeführt hätten. (Mehr Einblick in das Electronic Trading Tutorial.) Optimierungsstudien Viele Handelsplattformen ermöglichen auch Optimierungsstudien. Dies beinhaltet die Eingabe eines Bereichs für die angegebene Eingabe und lassen Sie den Computer die Mathematik, um herauszufinden, welche Eingaben würden die besten durchgeführt haben. Eine Multi-Variable-Optimierung kann die Mathematik für zwei oder mehr Variablen kombinieren, um zu bestimmen, welche Ebenen zusammen das beste Ergebnis erzielt haben. Beispielsweise können Händler dem Programm mitteilen, welche Eingaben sie in ihre Strategie aufnehmen wollen, die dann unter Berücksichtigung der getesteten historischen Daten auf ihre idealen Gewichte optimiert würden. Backtesting kann spannend sein, indem ein unrentables System oft mit wenigen Optimierungen magisch in eine Geldmaschine verwandelt werden kann. Leider tweaking ein System, um das größte Niveau der Vergangenheit Rentabilität zu erreichen führt oft zu einem System, das schlecht im realen Handel ausführen wird. Diese Überoptimierung schafft Systeme, die nur auf Papier gut aussehen. Kurvenanpassung ist die Verwendung von Optimierungsanalysen, um die höchste Anzahl von Gewinntransaktionen mit dem größten Gewinn aus den in der Testperiode verwendeten historischen Daten zu schaffen. Obwohl es in Backtesting-Ergebnissen eindrucksvoll aussieht, führt die Kurvenanpassung zu unzuverlässigen Systemen, da die Ergebnisse im Wesentlichen nur für diese bestimmten Daten und Zeiträume angepasst sind. Backtesting und Optimierung bieten viele Vorteile für einen Händler, aber dies ist nur ein Teil des Prozesses bei der Bewertung eines potenziellen Handelssystems. Der nächste Schritt besteht darin, das System auf historische Daten anzuwenden, die in der anfänglichen Backtesting-Phase nicht verwendet wurden. (Der gleitende Durchschnitt ist einfach zu berechnen und ist, sobald er in einem Diagramm aufgezeichnet ist, ein leistungsstarkes visuelles Trend-Spotting-Tool.) Weitere Informationen finden Sie unter Simple Moving Averages, die Trends Stand Out darstellen.) In-Sample und Out-of-Sample-Daten Beim Testen einer Idee auf historische Daten ist es vorteilhaft, einen Zeitraum von historischen Daten für Testzwecke zu reservieren. Die anfänglichen historischen Daten, auf denen die Idee getestet und optimiert wird, werden als In-Probe-Daten bezeichnet. Der reservierte Datensatz wird als Out-of-Sample-Daten bezeichnet. Dieses Setup ist ein wichtiger Teil des Evaluierungsprozesses, da es eine Möglichkeit bietet, die Idee auf Daten zu testen, die nicht Bestandteil des Optimierungsmodells waren. Infolgedessen wird die Idee in keiner Weise durch die Out-of-Sample-Daten beeinflusst worden sein, und Händler werden in der Lage sein zu bestimmen, wie gut das System auf neuen Daten, d. H. Im realen Handel, vorgehen könnte. Bevor ein Backtesting oder eine Optimierung initiiert wird, können Händler einen Prozentsatz der historischen Daten reservieren, die für das Out-of-Sample-Testen reserviert werden sollen. Eine Methode besteht darin, die historischen Daten in Drittel aufzuteilen und ein Drittel für die Verwendung im Out-of-Sample-Test zu trennen. Nur die In-Probe-Daten sollten für die Erstprüfung und Optimierung verwendet werden. Fig. 1 zeigt eine Zeitlinie, in der ein Drittel der historischen Daten für einen Test außerhalb des Abtastwerts reserviert ist, und zwei Drittel für das In-Probe-Testen verwendet werden. Obwohl Fig. 1 die Out-of-Sample-Daten am Beginn des Tests zeigt, würden typische Prozeduren den Out-of-Sample-Anteil aufweisen, der unmittelbar der Vorwärtsleistung vorausgeht. Abbildung 1: Eine Zeitzeile, die die relative Länge von In-Sample - und Out-of-Sample-Daten repräsentiert, die im Backtesting-Prozess verwendet werden. Sobald ein Handelssystem unter Verwendung von In-Sample-Daten entwickelt worden ist, ist es bereit, auf die Out-of-Sample-Daten angewendet zu werden. Trader können die Performance-Ergebnisse zwischen den In-Sample - und Out-of-Sample-Daten auswerten und vergleichen. Korrelation bezieht sich auf Ähnlichkeiten zwischen den Leistungen und den Gesamttrends der beiden Datensätze. Korrelationsmetriken können bei der Bewertung der im Testzeitraum erstellten Strategieleistungsberichte verwendet werden (ein Feature, das die meisten Handelsplattformen bereitstellen). Je stärker die Korrelation zwischen den beiden, desto besser die Wahrscheinlichkeit, dass ein System gut in Vorwärts-Performance-Tests und Live-Handel. Fig. 2 veranschaulicht zwei verschiedene Systeme, die auf In-Probe-Daten getestet und optimiert wurden und dann auf Daten außerhalb der Abtastwerte angewendet wurden. Das Diagramm auf der linken Seite zeigt ein System, das klar kalibriert wurde, um gut auf den In-Sample-Daten zu arbeiten und bei den Out-of-Sample-Daten vollständig fehlgeschlagen ist. Das Diagramm auf der rechten Seite zeigt ein System, das sowohl im In - als auch im Out-of-Sample-Bereich gut funktioniert. Abbildung 2: Zwei Aktienkurven. Die Handelsdaten vor jedem gelben Pfeil stehen für Stichprobenprüfung. Die zwischen den gelben und roten Pfeilen erzeugten Trades deuten auf Proben außerhalb des Tests hin. Die Trades nach den roten Pfeilen stammen aus den Vorwärts-Performance-Testphasen. Wenn es nur wenige Korrelationen zwischen dem Stichprobenverfahren und dem Out-of-Sample-Test gibt, wie das linke Diagramm in Abbildung 2, ist es wahrscheinlich, dass das System überoptimiert wurde und im Live-Handel nicht gut funktioniert. Wenn es eine starke Korrelation in der Leistung gibt, wie in dem rechten Diagramm in 2 zu sehen ist, beinhaltet die nächste Phase der Evaluierung eine zusätzliche Art von Out-of-Sample-Tests, die als Vorwärtsleistungstests bekannt sind. (Für weitere Informationen über die Prognose, siehe Financial Forecasting: Die Bayessche Methode.) Forward Performance Testing Basics Forward Performance Testing, auch bekannt als Papierhandel. Bietet den Händlern einen weiteren Satz von Out-of-Sample-Daten, auf denen ein System ausgewertet werden kann. Forward-Performance-Tests ist eine Simulation des tatsächlichen Handels und beinhaltet nach der System-Logik in einem Live-Markt. Es wird auch Papierhandel genannt, da alle Trades auf Papier ausgeführt werden, nur dass Handelseinträge und Exits zusammen mit einem Gewinn oder Verlust für das System dokumentiert werden, aber keine echten Trades ausgeführt werden. Ein wichtiger Aspekt der Vorwärtsleistungstests ist, der Systemlogik genau anders zu folgen, es wird schwierig, wenn nicht unmöglich, diesen Schritt des Prozesses genau zu bewerten. Trader sollten ehrlich über alle Handels-Einträge und Ausfahrten und vermeiden Verhalten wie Cherry Kommissionierung Trades oder nicht einschließlich eines Handels auf Papier Rationalisierung, dass ich nie diesen Handel genommen hätte. Wenn der Handel nach der Systemlogik aufgetreten wäre, sollte er dokumentiert und ausgewertet werden. Viele Broker bieten ein simuliertes Trading-Konto, in dem Trades platziert werden können und der entsprechende Gewinn und Verlust berechnet. Mit einem simulierten Handelskonto kann eine semi-realistische Atmosphäre geschaffen werden, auf der der Handel praktiziert und das System weiter beurteilt werden kann. Abbildung 2 zeigt auch die Ergebnisse für Vorwärtsleistungstests an zwei Systemen. Wiederum kann das in der linken Tabelle dargestellte System nicht weit über das anfängliche Testen an In-Probe-Daten hinausgehen. Das in der rechten Grafik gezeigte System arbeitet jedoch weiterhin gut durch alle Phasen, einschließlich der Vorwärtsleistungstests. Ein System, das positive Ergebnisse mit guter Korrelation zwischen In-Sample-, Out-of-Sample - und Forward-Performance-Tests zeigt, ist bereit, in einem Live-Markt implementiert zu werden. Das Bottom Line Backtesting ist ein wertvolles Werkzeug in den meisten Handelsplattformen. Durch die Aufteilung historischer Daten in mehrere Sets, die für Stichproben - und Out-of-Sample-Tests sorgen, können Händler eine praktische und effiziente Methode zur Bewertung einer Handelsidee und eines Systems darstellen. Da die meisten Trader Optimierungstechniken im Backtesting einsetzen, ist es wichtig, dass dann das System auf saubere Daten ausgewertet wird, um seine Lebensfähigkeit zu bestimmen. Fortsetzung der Out-of-Sample-Tests mit Vorwärts-Performance-Tests bietet eine weitere Ebene der Sicherheit, bevor sie ein System in den Markt riskant echtes Geld. Positive Ergebnisse und eine gute Korrelation zwischen In-Sample - und Out-of-Sample-Backtests und Forward-Performance-Tests erhöhen die Wahrscheinlichkeit, dass ein System im eigentlichen Handel gut abschneiden wird. (Einen umfassenden Überblick über die technische Analyse finden Sie unter Technische Analyse: Einleitung.)