ПРЕУВЕЛИЧЕНИЕ ЗНАЧЕНИЯ ОПТИМИЗАЦИИ

ПРЕУВЕЛИЧЕНИЕ ЗНАЧЕНИЯ ОПТИМИЗАЦИИ

Одна из наиболее вероятных причин использования оптимизации состоит в том, что она помогает найти наилучшие параметры системы за определенный исторический период на рынке. Простым примером может послужить проверенный и надежный способ торговли, основанный на простом пересечении скользящих средних. Например, если 10-дневное скользящее среднее пересекает 40-дневное скользящее среднее снизу вверх, то вы покупаете. Если 10-дневное скользящее среднее пересекает 40-дневное скользящее среднее сверху вниз, то вы продаете. Эта система имеет три параметра. Первый — это период краткосрочной скользящей средней. Второй — период более долгосрочной скользящей средней. Третий — это тип скользящей средней, который вы используете. Предположим, каждый из этих трех параметров определен: продолжительность краткосрочной скользящей средней — 10 дней, долгосрочной скользящей средней — 40 дней, а тип скользящей средней, которую вы используете, — простая¹ (в отличие от смещенной, взвешенной, или экспоненциальной²).

Если мы применим этот метод к ежедневному графику цен рынка бондов за последние пять лет, то получим следующие показатели:

Чистая прибыль $29.000

Число торгов 32

Число выигрышей 12

Число убытков 20

% выигрышей 37,5%

Средний выигрыш $5.200

Средний убыток $ 1.700

Средняя торговля $906

Коэффициент выигрыш/проигрыш 3,08

Наибольшее падение капитала $11.593

Это основная статистика. В общем, картина не самая блестящая, но вполне солидная. Однако эти показатели не базируются на оптимальных параметрах. Что произойдет, если мы пожелаем произвести оптимизацию параметров, чтобы получить максимальную прибыль? Тогда мы должны оптимизировать все три параметра одновременно, чтобы установить их наилучшую комбинацию. Поэтому я протестировал разные значения для скользящих средних с периодом от 4 до 19 с приращением в 1. Для долгосрочной скользящей средней были испытаны числа от 20 до 50 с приращением 1. Каждый из этих тестов затем был проверен для различных видов скользящих средних: простой, смещенной, экспоненциальной и взвешенной.

Ниже приведены лучшие результаты, которые оказалось возможным получить при использовании простой скользящей средней с 10-дневной краткосрочной скользящей средней и 34-дневной скользящей средней:

Чистая прибыль $57.000

Число торгов 28

Число выигрышей 17

Число убытков 11

% выигрышей 60%

Средний выигрыш $4.200

Средний убыток $ 1.300

Средняя торговля $2.000

Коэффициент выигрыш/проигрыш 3,20

Максимальное проседание капитала $5.000

Лучший результат при пересечении со смещенной скользящей средней похож на второй результат, но с чистой прибылью, которая меньше, и составляет 57.000 долларов. Однако для этого потребовалось 34/57 сделок со средней торговлей в $1.000 при проседании капитала, равном 5.600 долларов. При этом использовалось 6-дневная краткосрочная средняя и 25-дневная долгосрочная средняя. При использовании взвешенной скользящей средней мы получаем прибыль, которая тоже чуть меньше — 57.000 долларов, и при этом заключается 18/36 сделок. Коэффициент выигрыш/проигрыш равен 4,0, и при этом средняя торговля составляет 1.600 долларов. Падение капитала также допускается в разумных пределах: на уровне в 5.600 долларов. Экспоненциальная скользящая средняя дала сравнительно слабый результат: она обеспечила всего 23.000 профита при 32% выгодных торгов при максимальном падении капитала, равном 10.000 долларов. Средняя торговля оставалась все еще на уровне в 700 долларов.

Вот что мы получили. Оптимизированные результаты для системы со скользящей средней применяются к рынку бондов. Теперь единственный вопрос заключается в том: какая нам польза от этой информации? Я боюсь, что не слишком большая. Сама по себе эта информация не имеет никакого смысла, кроме того, что при определенных параметрах она дает нам определенные результаты за пятилетний период. Приведенные выше результаты — это то, что вы обычно видите, когда вам предлагают купить метод или систему, то есть это результаты гипотетического тестирования. Чаще всего такие результаты довольно хороши. Тем не менее в следующих разделах книги показано, что оптимизация торговой системы для одного вида финансовых инструментов и одного набора данных очень похожа на оптимизацию метода Фиксированно-Фракционной торговли для какого-то определенного набора данных, как это показано в главе 5. То, что оптимально для одного ряда данных, может оказаться неоптимальным для другого набора.

¹ Simple — оригинал.

² Displaced, Weighted or Exponential — оригинал.