Es gibt drei Mainstream-Ansätze für Backtesting-Strategien: Verwendung von tatsächlichen Kursdaten, die in drei Gruppen unterteilt sind; Bootstrap, das tatsächliche Preisdaten verwendet, diese jedoch neu abtastet; und Monte-Carlo-Simulation. Es gibt theoretische Probleme, die Systembauer darüber streiten, welche Methode die beste ist. Wichtig für den Trader ist, dass er mindestens eine der Backtesting-Strategien korrekt auf sein System anwendet, bevor er ihm sein Handelskapital anvertraut. Ein kritischer Punkt bei der Auswahl einer Backtesting-Strategie ist die Anzahl der generierten Trades; in jeder Phase der Arbeit des Systembauers werden mindestens 1,000 Gewerke benötigt.
Die Verwendung von tatsächlichen Preisdaten, die in drei Teile unterteilt sind, ist der übliche Ausgangspunkt für die meisten Systembauer. Das System wird mit dem ersten Drittel der Daten erstellt. An dieser Stelle hat der Builder Algorithmen gefunden, die mit einem ausreichend kleinen Risiko genug Gewinn zu generieren scheinen, um gute Aussichten zu bieten. Das zweite Drittel der Daten wird zur Optimierung des Systems verwendet.
Nachdem das System optimiert wurde, wird es auf das verbleibende Drittel der Daten angewendet. Dies wird Out-of-Sample-Testen genannt, und hier versagen die meisten Systeme. Wenn das System bei mindestens 1,000 Trades immer noch gute Ergebnisse erzielt, hat der Systembuilder ein tragfähiges System. Wenn das System im Out-of-Sample-Test weniger als 1,000 Trades generiert, sollte der Builder eine andere Backtesting-Strategie in Betracht ziehen.
Bootstrapping ist eine Methode zum Zeichnen einiger Daten aus dem Gesamtsatz, zum Testen, zum Zurücksetzen der Daten und zum Zeichnen weiterer Daten oder zum erneuten Abtasten und erneuten Testen. Die ideale Anzahl von Resamples ist nn oder n hoch n, wobei n die Anzahl der Daten im ursprünglichen Sample ist. Für einen Händler, der wahrscheinlich mit mindestens 2,500 Datenpunkten zu tun hat – 250 Tage im Jahr über 10 Jahre – ist das nicht praktikabel. Glücklicherweise bieten 100 Resamples ein hohes Maß an Vertrauen, dass das Bootstrap-Sample die Originaldaten widerspiegelt, was die Ergebnisse zuverlässig macht. Wenn 100 Resamples nicht die benötigten 1,000 Trades liefern, muss der Trader das Resampling fortsetzen, bis dieses Ziel erreicht ist, wenn er erwartet, dass das System und nicht nur das Resampling der Daten zuverlässig ist.
Die letzte Methode zum Backtesting von Strategien ist die Monte Carlo (MC) Simulation. Dieses Verfahren verwendet einen Computer, um simulierte Daten zu erzeugen, und das System wird dann mit diesen Daten getestet. Der Vorteil der MC-Simulation besteht darin, dass man unbegrenzte Datenmengen erstellen kann, wodurch man 10,000 Trades oder eine beliebige andere Anzahl von Trades generieren kann. Ein weiterer Vorteil ist, dass jeder neue Datensatz keine Stichprobe mehr enthält. Dies bietet die Möglichkeit, wiederholte Optimierungs- und Testläufe durchzuführen; Optimieren Sie einfach diesen Datensatz und wenden Sie diese Systemparameter dann auf die nächsten Daten an, die der Computer generiert.
Ein Nachteil der MC-Simulation besteht darin, dass die Daten möglicherweise nicht genau dieselbe Wahrscheinlichkeitsverteilungsfunktion haben wie Handelsdaten, was die Ergebnisse verzerren könnte. In der besten aller möglichen Welten sollten alle drei Backtesting-Strategien bei der Überprüfung des Systems verwendet werden. Der Erfolg in allen dreien sollte eine sehr hohe Erfolgswahrscheinlichkeit im realen Handel bieten.