Existen tres enfoques principales para las estrategias de backtesting: el uso de datos de precios reales divididos en tres grupos; bootstrap, que utiliza datos de precios reales pero los vuelve a muestrear; y simulaci?n de Monte Carlo. Hay problemas te?ricos que dividen a los creadores de sistemas sobre qu? m?todo es el mejor. Lo importante para el operador es que emplea correctamente al menos una de las estrategias de backtesting en su sistema antes de confiarle su capital comercial. Un tema cr?tico al elegir una estrategia de backtesting es la cantidad de operaciones generadas; Se necesitan al menos 1,000 operaciones en cada fase del trabajo del constructor del sistema.
El uso de datos de precios reales, divididos en tres partes, es el punto de partida habitual para la mayor?a de los creadores de sistemas. El sistema se crea utilizando el primer tercio de los datos. En este punto, el constructor ha encontrado algoritmos que parecen generar suficientes ganancias con un riesgo lo suficientemente peque?o como para ofrecer buenas perspectivas. El segundo tercio de los datos se utiliza para optimizar el sistema.
Una vez que el sistema se haya optimizado, se aplicar? al tercio restante de los datos. Esto se llama prueba fuera de la muestra, y es donde la mayor?a de los sistemas fallan. Si el sistema a?n tiene buenos resultados en al menos 1,000 operaciones, el creador del sistema tiene un sistema viable. Si el sistema genera menos de 1,000 operaciones en las pruebas fuera de la muestra, el constructor deber?a considerar otra estrategia de backtesting.
Bootstrapping es un m?todo para extraer algunos datos del conjunto total, probar, volver a colocar los datos y extraer m?s datos, o volver a muestrear y volver a probar. El n?mero ideal de resamples es nn, o n a la en?sima potencia, donde n es el n?mero de datos en la muestra original. Para un comerciante que probablemente est? tratando con al menos 2.500 puntos de datos, 250 d?as al a?o durante 10 a?os, eso no es pr?ctico. Afortunadamente, 100 resamples proporcionar?n un alto nivel de confianza de que la muestra bootstrap reflejar? los datos originales, haciendo que los resultados sean confiables. Si tomar 100 muestras no proporciona los 1,000 intercambios necesarios, el operador debe continuar con el muestreo hasta que se cumpla ese objetivo si espera que el sistema, en lugar de solo el muestreo de los datos, sea confiable.
El ?ltimo m?todo de estrategias de backtesting es la simulaci?n de Monte Carlo (MC). Este m?todo utiliza una computadora para generar datos simulados, y luego el sistema se prueba con esos datos. La ventaja de la simulaci?n de MC es que se pueden crear cantidades ilimitadas de datos, lo que permite generar 10,000 transacciones o cualquier otra cantidad de transacciones. Otra ventaja es que cada nuevo conjunto de datos est? fuera de la muestra. Esto ofrece la oportunidad de realizar ejecuciones repetidas de optimizaci?n y prueba; simplemente optimice en este conjunto de datos, luego aplique esos par?metros del sistema a los siguientes datos que genere la computadora.
Una desventaja de la simulaci?n de MC es que los datos pueden no tener exactamente la misma funci?n de distribuci?n de probabilidad que los datos comerciales, lo que podr?a sesgar los resultados. En el mejor de los mundos posibles, las tres estrategias de backtesting deben usarse en el proceso de verificaci?n del sistema. El ?xito en los tres deber?a ofrecer una probabilidad muy alta de ?xito en el comercio en el mundo real.
Inteligente de activos.