Dokumentation

Anwendungen

Zuletzt aktualisiert am 6. 5. 2015 von Mark Fric

Walk-Forward-Matrix

Die Walk-Forward-Matrix ist eine leistungsstarke, einzigartige Funktion der StrategyQuant-Plattform. Sie kann Ihnen bei zwei Dingen helfen:

  1. Überprüfung der Robustheit der Strategie
    Wenn die Strategie den Walk-Forwad-Matrix-Test besteht, bedeutet dies, dass sie mit Hilfe der Parameteroptimierung an eine große Bandbreite von Marktbedingungen anpassbar ist.
  2. Ermittlung des optimalen Zeitraums für die Neuoptimierung der Strategie
    es hilft Ihnen, die beste Optimierungsfrequenz zu ermitteln

Standard Walk-Forward-Optimierung testet die Ergebnisse der Strategie mit regelmäßiger Neuoptimierung, z. B. alle 300 Tage.
Aber wie können wir wissen Welches ist der beste Zeitraum für eine erneute Optimierung? Wir können nur raten, es sei denn, wir verwenden eine Walk-Forward-Matrix, mit der wir verschiedene Kombinationen von Reoptimierungszeiträumen testen.

Was ist eine Walk-Forward-Matrix?

Es handelt sich einfach um eine Reihe von Walk-Forward-Optimierungen, die mit unterschiedlicher Anzahl von Reoptimierungsperioden und unterschiedlichen Out of Sample % durchgeführt werden.

Das Ergebnis der WF-Matrix könnte wie in der folgenden Abbildung aussehen - es zeigt das Gesamtergebnis und den idealen Reoptimierungszeitraum.

Es wird auch ein 3D-Diagramm der Ergebnisse (Robustheitsergebnisse) aller Kombinationen von OOS / Läufen in dieser WF-Matrix angezeigt.

Dieses Diagramm und die Tabelle werden am Ende dieses Artikels erläutert, beginnen wir jedoch zunächst mit dem vollständigen Beispiel.

Walk-Forward Matrix Beispiel in StrategyQuant

Die Durchführung der Walk-Forward-Matrix ist fast so einfach wie die Durchführung der WF-Optimierung, in den nächsten Zeilen werde ich den kompletten Prozess zeigen.
Der gesamte Prozess der Verwendung der WF-Matrix ist fast derselbe wie bei der Verwendung einer WF-Optimierung, daher werde ich in diesem Beispiel nur die Unterschiede beschreiben.
Sie können sich beziehen auf Beispiel für Walk-Forward-Optimierung für die Details zu unbeschriebenen Schritten.

Inhalt:

  1. Laden einer Strategie zur Optimierung
  2. Einstellung der Optimierungswerte
  3. Konfigurieren von Vorwärtsläufen
  4. Überprüfung der Ergebnisse
  5. Interpretation der Ergebnisse

Schritt 1: Laden einer Strategie zur Optimierung

Wir müssen zum Optimierungsfenster wechseln und die Strategie laden, die wir optimieren wollen.

Diesmal wechseln wir in den Walk-Forward-Matrix-Modus und legen die Parameter fest. Die WF-Matrix führt eine Reihe von einzelnen Walk-Forward-Optimierungen durch, so dass wir die Anzahl der Perioden (Läufe) und OOS % konfigurieren müssen, die sie durchlaufen wird. Hierfür können wir die Felder Start, Stop und Increment verwenden.

In der Matrix müssen wir angeben, welche Kombinationen wir für die Walk-Forward-Optimierung testen wollen. In unserem Beispiel verwenden wir die Perioden 5, 7, 9, 11, 13, 15 Läufe und OOS % 20, 30, 40.

Achtung!
Die Berechnung der Walk-Forward-Matrix ist sehr zeitaufwändig, da sie für jede Kombination in der Matrix eine vollständige Walk-Forward-Optimierung durchführen muss. Es ist besser, nicht zu viele Schritte festzulegen, zumindest wenn Sie die Ergebnisse relativ schnell erhalten möchten.

Es gibt eine neue Art der Walk-Forward-Optimierung - Simulation - die die Geschwindigkeit der Berechnung der Walk-Forward-Optimierung oder der WF-Matrix um das 10-100fache erhöhen kann.


Schritt 2: Einstellung der Optimierungswerte

Schritt 3: Konfigurieren von Vorwärtsläufen

Diese Einstellungen werden auf dieselbe oder eine sehr ähnliche Weise vorgenommen wie in Beispiel für Walk-Forward-Optimierung.

Wir können auf die Schaltfläche Start um den Test zu starten.


Schritt 4: Überprüfung der Ergebnisse

Wie bereits erwähnt, kann die Walk-Forward-Matrix-Analyse sehr lange dauern, warten Sie also, bis sie abgeschlossen ist. Sie können weniger Parameter, weniger Schritte und weniger WF-Kombinationen verwenden, um die Anzahl der erforderlichen Tests zu verringern und die Analyse schneller zu beenden.

Wenn die Optimierung abgeschlossen ist, erhalten wir wieder ein neues Walk-Forward-Matrix-Ergebnis in unserer Datenbank.

Nach Beendigung des Vorgangs werden wir sehen, dass wir nur zwei Ergebnisse in der Datenbank haben - die ursprüngliche Strategie und das Ergebnis der Walk-Forward-Matrix.

Das WF-Matrixergebnis in der Datenbank zeigt uns den besten Nettogewinn aus allen durchgeführten Walk-Forwad-Optimierungen. Lassen Sie uns auf das WF-Ergebnis in der Datenbank doppelklicken, um es im Detail zu öffnen.

Die Details zeigen das endgültige Ergebnis des Robustheitstests - ob die Strategie den Test bestanden oder nicht bestanden hat - und ein konfigurierbares 3D-Diagramm, das die Ergebnisse für alle Matrixkombinationen anzeigen kann.

Unter den Endergebnissen können Sie eine beliebige Walk-Forward-Kombination auswählen, die getestet wurde, und die detaillierten Ergebnisse unten sehen.

Wenn wir zum Equity-Diagramm wechseln, werden wir auch die Ergebnisse der Walk-Forward-Optimierung für eine ausgewählte Kombination aus der WF-Matrix-Tabelle sehen.

Die blaue Linie stellt die neu optimierte Strategie dar, die dünnere graue Linie die ursprüngliche, nicht optimierte Strategie.
Es ist deutlich zu erkennen, dass diese Strategie besser funktioniert, wenn sie in regelmäßigen Abständen reoptimiert wird.

Beachten Sie, dass diese Ergebnisse und das Diagramm für die ausgewählte Optimierung angezeigt werden - 7 Läufe mit 20% OOS. Wenn Sie eine andere Kombination wählen, werden die Ergebnisse und das Diagramm anders aussehen.


Interpretation der Ergebnisse

Wie bereits zu Beginn dieses Artikels erwähnt, dient die Walk-Forward Matrix sowohl als Überprüfung der Robustheit der Strategie und als Werkzeug zur Ermittlung des optimalen Zeitraums für die Neuoptimierung der Strategie.

Verwendung der Walk-Forward-Matrix als Robustheitsprüfung

Die Optimierung der Strategie mittels Walk-Forward-Optimierung mit verschiedenen Parametern ermöglicht es uns zu sehen, ob die Strategie während verschiedener Reoptimierungsperioden mit unterschiedlicher Länge der Historie, auf der sie optimiert wurde, "überlebt".

Das Score-3D-Diagramm zeigt uns das Ergebnis der Robustheit für jede Parameterkombination. Es ist ein hervorragendes Instrument zur Erkennung und Vermeidung von Überoptimierung (Kurvenanpassung). Robuste Strategien weisen eher allmähliche als abrupte Veränderungen in der Oberflächengrafik auf.

Unser Ziel ist es, dass möglichst viele WF-Kombinationen erfolgreich sind.
Als Minimum suche ich nach einer Gruppe von mindestens 3×3 Kombinationen, bei denen es mehr Erfolge als Misserfolge gibt.

Wenn wir auf die Schaltfläche Konfigurieren klicken, können wir es so einstellen, dass StrategyQuant dies automatisch erkennt - in unserem Beispiel wollen wir eine Gruppe von 3×3 Kombinationen von einzelnen Walk-Forward-Tests, bei denen mindestens 7 dieser 9 Walk-Forward-Tests erfolgreich sind.

In unserem Beispiel gibt es zwei solcher Cluster, deren Grenzen mit gelber und blauer Farbe gezeichnet sind. In beiden Fällen haben 7 von 9 Walk-Forward-Tests bestanden (gekennzeichnet durch die grüne Farbe, die Tests sind mit roten Kreisen markiert).

Wenn nur eine solche 3×3-Gruppe in der Matrix gefunden wird, halte ich die Strategie für robust. Diese Gruppe bedeutet, dass die Strategie nicht nur von der Re-Optimierung profitiert, sondern dass sie auch in verschiedenen Zeiträumen reoptimiert werden kann und trotzdem ihre Rentabilität behält - ein Zeichen von Robustheit.

Was bestimmt den Erfolg einer einzelnen Walk-Forward-Optimierung?

Oben haben wir alle getesteten Walk-Forward-Kombinationen bewertet, um festzustellen, ob die Strategie robust ist, indem wir überprüft haben, dass die Mehrheit der einzelnen WF-Optimierungen unsere Kriterien erfüllt.
Aber wie haben wir entschieden, dass eine einzelne Walk-Forward-Optimierung erfolgreich war oder nicht?
Hierfür verwenden wir anpassbare Bewertung der Robustheit die für jede einzelne Walk-Forward-Optimierung berechnet wird.

Die Robustheitsbewertung ist vollständig anpassbar. In der Tabelle der Komponenten des Robustheitsscores (1) können wir alle Bedingungen festlegen, die wir beobachten möchten, und ihre Grenzwerte einstellen. Lesen Sie die Beschreibung der erweiterten Score-Komponenten in Walk-Forward-Optimierung Artikel.

Der Schwellenwert für die Hauptrobustheitspunkte (2) gibt an, wie viele dieser Punkte erreicht werden müssen, damit das WF-Ergebnis als erfolgreich gilt.

Wir können sehen, dass z.B. 9 Läufe / 20% OOS fehlgeschlagen sind, weil 2 von 6 Scores nicht bestanden wurden - der Robustheits-Score beträgt nur 66% (4 von 6 ist 66%) anstelle der erforderlichen 80 % bestandenen Score-Werte.

Es ist immer gut, sich die gescheiterten Kombinationen anzusehen - was war der Grund für ihr Scheitern?
Wir sollten uns auch die Details ansehen. Sind bei Ihnen alle Kombinationen fehlgeschlagen? Vielleicht sind Ihre Erfolgskriterien zu eng gefasst.

Verwendung der Walk-Forward-Matrix zur Ermittlung des optimalen Reoptimierungszeitraums

Dies ist die natürliche Erweiterung der Robustheitsprüfung. Wenn wir z. B. eine 3×3-Gruppe von einzelnen Walk-Forward-Optimierungen gefunden haben, ziehe ich es vor, diejenige auszuwählen, die in der Mitte liegt.
StrategyQuant tut dies automatisch für uns (wenn wir es richtig konfiguriert haben und das Ergebnis direkt unter dem Endergebnis angezeigt wird):

Denken Sie daran, dass die Strategie auch gegenüber Reoptimierungseinstellungen robust sein sollte - das genaue Reoptimierungsdatum sollte also keine Rolle spielen, solange wir den Reoptimierungs- und Verlaufszeitraum ungefähr so beibehalten, wie sie sein sollten.

Im Falle dieser Strategie kann ich die Strategie gerade jetzt (August) mit einer Historie von 2 Jahren neu optimieren, und ich beabsichtige, sie nächstes Jahr im August (in einem Jahr) erneut zu optimieren.

Erweiterte 3D-Diagramme

Das neue StrategyQuant bietet Ihnen eine neue Funktion - 3D-Diagramme für alle durchgeführten Walk-Forward-Kombinationen. Wie bereits erwähnt, zeigt das 3D-Diagramm die Werte für jede Parameterkombination und ist ein großartiges Werkzeug, um Überoptimierungen zu erkennen und zu vermeiden. Robuste Strategien zeigen allmähliche Veränderungen im Oberflächendiagramm.

Sie können 3D-Diagramme für Nettogewinn, Drawdown, Stagnation, Gewinnfaktor, Stabilität oder jeden anderen Wert auf drei verschiedene Arten anzeigen - als Oberfläche, Balkendiagramm oder als Heatmap.

Tipp - siehe auch Artikel Beschreibung der erweiterten Walk-Forward-Werte zur Beschreibung der verschiedenen Werte, die in Filtern verwendet oder in der Datenbank angezeigt werden können.

War dieser Artikel hilfreich? Der Artikel war nützlich Der Artikel war nicht nützlich

Abonnieren
Benachrichtigen Sie mich bei
1 Kommentar
Älteste
Neuestes Meistgewählt
Inline-Rückmeldungen
Alle Kommentare anzeigen
Mario Gordon
Mario Gordon
29. 12. 2018 2:18 Uhr

Hallo,

Ich stelle fest, dass es in der neuen SQ-Version den Parameter WF net profit stability nicht gibt, welche Option könnte man wählen? Können Sie einen neuen Leitfaden mit den neuen Parametern für SQ4 erstellen?