Frage zu Walk Forward Analysis

Hallo,

Warum beginnen wir bei der WFA mit den ältesten Daten, optimieren einen Prozentsatz der Daten, testen dann einen Prozentsatz der Daten weiter, gehen weiter und wiederholen das Ganze.

Warum nehmen wir nicht stattdessen einen zufälligen Ausschnitt aus der gesamten Historie (sagen wir 20% der Daten), optimieren diesen, testen dann den Rest der Daten (wobei wir den Ausschnitt überspringen), wählen dann einen anderen zufälligen Ausschnitt, testen den Rest der Daten und wiederholen dies viele hundert Mal.

Das scheint einen besseren Anhaltspunkt dafür zu geben, wie gut eine Strategie mit sich ändernden Märkten zurechtkommt und wie empfindlich sie auf Parameteränderungen reagiert.

Was denken Sie?

Keine schlechte Idee, es ist wie eine Kombination aus einigen MC-Funktionen und WFM in einem kombinierten Test.

ja, ich würde es dann nicht Walk-Forward nennen, es ist eher eine Methode zur Überprüfung der Robustheit durch Zufallsoptimierung. Aber es ist nicht schwer, es dort hinzuzufügen, ich werde es zu unseren Aufgaben hinzufügen.

+1

+1,

Diese Idee ist großartig und scheint eine gute Option für SQ4 zu sein,

bei der WFA/WFO könnte eine Option (RANDOMIZIERUNG) aktiviert/deaktiviert werden,

wenn diese Option aktiviert ist, werden die Daten % Teile zufällig verteilt,

wenn nicht angekreuzt, sind die Daten % in Ordnung,

Diese Idee ist eine großartige Funktion zur Überprüfung der Robustheit von Strategien!

Ja, es ist karish. Bravo mikeyc ausgezeichnete Idee

Es könnte in der Tat helfen, Strategien vor dem WFM zu sortieren und zu entfernen und sollte zu den Robustheitstests für Automatisierungszwecke gehören. 

Wir können den IS-Validierungszeitraum nehmen, darauf optimieren und die optimierte Strategie auf IS-Training und OOS testen 🙂