Documentation

Applications

Dernière mise à jour le 6. 5. 2015 par Mark Fric

Matrice de la marche en avant

La matrice Walk-Forward est une fonction puissante et unique de la plateforme StrategyQuant. Elle peut vous aider dans deux domaines :

  1. Vérifier la robustesse de la stratégie
    si la stratégie réussit le test de la matrice de Walk-Forwad, cela signifie qu'avec l'aide de la réoptimisation des paramètres, elle est adaptable à un large éventail de conditions de marché
  2. Trouver la période optimale pour la réoptimisation de la stratégie
    il vous aidera à identifier la meilleure fréquence d'optimisation

Standard Optimisation de la marche en avant teste les résultats de la stratégie avec une réoptimisation périodique, disons tous les 300 jours.
Mais comment savoir quelle est la meilleure période de réoptimisation ? Nous ne pouvons que deviner, à moins d'utiliser la matrice Walk-Forward qui testera différentes combinaisons de périodes de réoptimisation.

Qu'est-ce que la matrice Walk-Forward ?

Il s'agit simplement d'un ensemble d'optimisations Walk-Forward effectuées avec un nombre différent de périodes de réoptimisation et différents % hors échantillon.

Le résultat de la matrice WF pourrait ressembler à l'image ci-dessous - montrant le résultat total plus la période de réoptimisation idéale.

Il affichera également un graphique en 3D des scores (résultats de robustesse) de toutes les combinaisons de résultats positifs et négatifs effectuées dans cette matrice WF.

Ce graphique et ce tableau seront expliqués à la fin de cet article, mais commençons d'abord par l'exemple complet.

Exemple de matrice Walk-Forward dans StrategyQuant

L'exécution de la matrice Walk-Forward est presque aussi simple que l'optimisation WF. Dans les prochaines lignes, je montrerai le processus complet.
L'ensemble du processus d'utilisation de la matrice WF est presque identique à celui de l'optimisation WF ; dans cet exemple, je ne décrirai donc que les différences.
Vous pouvez vous référer à Exemple d'optimisation de la marche avant pour plus de détails sur les étapes non décrites.

Contenu :

  1. Chargement d'une stratégie d'optimisation
  2. Définition des valeurs d'optimisation
  3. Configuration des marches en avant
  4. Vérification des résultats
  5. Interprétation des résultats

Étape 1 : Chargement d'une stratégie d'optimisation

Nous devons passer à la fenêtre Optimizer et charger la stratégie que nous voulons optimiser.

Cette fois-ci, nous allons passer au mode Walk-Forward Matrix et définir les paramètres. La matrice WF effectue une série d'optimisations Walk-Forward uniques, nous devons donc configurer le nombre de périodes (exécutions) et de OOS % qu'elle va parcourir. Pour ce faire, nous pouvons utiliser les champs Start, Stop et Increment.

Dans la matrice, nous devons spécifier les combinaisons que nous voulons tester pour l'optimisation Walk-Forward. Dans notre exemple, nous utiliserons les périodes 5, 7, 9, 11, 13, 15 et les OOS % 20, 30, 40.

Remarque !
Le calcul de la matrice Walk-Forward prend beaucoup de temps, car il faut effectuer une optimisation Walk-Forward complète pour chaque combinaison de la matrice. Il est préférable de ne pas définir un trop grand nombre d'étapes, du moins si vous souhaitez obtenir des résultats relativement rapidement.

Il existe un nouveau type d'optimisation Walk-Forward - la simulation - qui peut améliorer la vitesse de calcul de l'optimisation Walk-Forward ou de la matrice WF de 10 à 100 fois.


Étape 2 : Définition des valeurs d'optimisation

Étape 3 : Configuration des marches exploratoires

Ces paramètres sont définis de la même manière ou de manière très similaire que dans la rubrique Exemple d'optimisation de la marche avant.

Nous pouvons cliquer sur le bouton Démarrage pour commencer le test.


Étape 4 : Vérification des résultats

Comme indiqué précédemment, l'analyse de la matrice Walk-Forward peut prendre beaucoup de temps, attendez donc qu'elle soit terminée. Vous pouvez utiliser moins de paramètres, moins d'étapes et moins de combinaisons WF pour réduire le nombre de tests nécessaires et accélérer la fin de l'analyse.

Lorsque l'optimisation est terminée, nous obtenons à nouveau un nouveau résultat de la matrice Walk-Forward dans notre banque de données.

À la fin de l'opération, nous verrons que la banque de données ne contient que deux résultats : la stratégie originale et le résultat de la matrice Walk-Forward.

Le résultat de la matrice WF dans la banque de données nous indique le meilleur bénéfice net de toutes les optimisations Walk-Forwad effectuées. Double-cliquons sur le résultat de la matrice WF dans la banque de données pour l'ouvrir en détail.

Les détails montrent le résultat final du test de robustesse - si la stratégie a réussi ou échoué le test - et un graphique 3D configurable qui peut afficher les résultats pour toutes les combinaisons de matrices.

En dessous des résultats finaux, vous pouvez choisir n'importe quelle combinaison marche-avant qui a été testée et voir les résultats détaillés ci-dessous.

Lorsque nous passerons au graphique des actions, nous verrons également les résultats de l'optimisation Walk-Forward pour une combinaison sélectionnée dans le tableau de la matrice WF.

La ligne bleue représente la stratégie réoptimisée et la ligne grise plus fine représente la stratégie originale non optimisée.
Nous voyons clairement que cette stratégie est plus performante si elle est périodiquement réoptimisée.

Notez que ces résultats et le graphique d'équité sont affichés pour l'optimisation sélectionnée - 7 passages avec 20% OOS. Si vous choisissez une autre combinaison, les résultats et le graphique seront différents.


Interprétation des résultats

Comme indiqué au début de cet article, la matrice Walk-Forward sert à la fois d'outil d'aide à la décision et d'outil d'aide à la décision. vérification de la robustesse de la stratégie et en tant que outil permettant de trouver la période optimale pour la réoptimisation de la stratégie.

Utilisation de la matrice Walk-Forward comme contrôle de robustesse

L'optimisation de la stratégie à l'aide de l'optimisation Walk-Forward avec différents paramètres nous permet de voir si la stratégie "survit" pendant différentes périodes de réoptimisation, avec différentes longueurs d'historique sur lesquelles elle a été optimisée.

Le graphique Score 3D nous montre les résultats de robustesse pour chaque combinaison de paramètres. Il s'agit d'un excellent outil pour identifier et éviter la sur-optimisation (ajustement de la courbe). Les stratégies robustes semblent présenter des changements graduels plutôt que brusques dans le graphique de surface.

Ce que nous voulons, c'est que le plus grand nombre possible de combinaisons WF soient couronnées de succès.
Au minimum, je recherche un groupe d'au moins 3×3 combinaisons où il y a plus de réussites que d'échecs.

Lorsque nous cliquons sur le bouton Configurer, nous pouvons faire en sorte que StrategyQuant reconnaisse cela automatiquement - dans notre exemple, nous voulons un groupe de combinaisons 3×3 de tests de marche avant simples où au moins 7 de ces 9 tests de marche avant sont réussis.

Dans notre exemple, il existe deux groupes de ce type, dont les limites sont tracées en jaune et en bleu. Dans les deux cas, 7 des 9 tests Walk-Forward ont été réussis (indiqués par la couleur verte, les tests sont marqués par des cercles rouges).

Si un seul de ces groupes 3×3 est trouvé dans la matrice, je considère que la stratégie est robuste. Cette stratégie Le groupe signifie que non seulement la stratégie bénéficie de la réoptimisation, mais qu'elle peut également être réoptimisée sur des périodes différentes tout en conservant sa rentabilité, ce qui est un signe de robustesse.

Qu'est-ce qui détermine le succès d'une optimisation unique de la marche en avant ?

Ci-dessus, nous avons évalué toutes les combinaisons Walk-Forward testées pour déterminer si la stratégie est robuste en vérifiant que la majorité des optimisations WF uniques satisfont à nos critères.
Mais comment avons-nous décidé qu'une seule optimisation de Walk-Forward était réussie ou non ?
Pour ce faire, nous utilisons des Score de robustesse qui est calculée pour chaque optimisation Walk-Forward.

Le score de robustesse est entièrement personnalisable. Nous pouvons définir toutes les conditions que nous voulons observer dans le tableau des composantes du score de robustesse (1) et fixer leurs valeurs limites. Consultez la description des composantes avancées du score dans Optimisation de la marche en avant article.

La valeur seuil du score principal de robustesse (2) indique combien de ces scores doivent être réussis pour que le résultat du WF soit considéré comme satisfaisant.

Nous pouvons voir que, par exemple, 9 séries / 20% OOS ont échoué parce que 2 des 6 scores n'ont pas été réussis - le score de robustesse n'est que de 66% (4 sur 6 représentent 66%) au lieu des 80 % de valeurs de score réussies requises.

Il est toujours bon d'examiner les combinaisons qui ont échoué - quelle est la raison de cet échec ?
Nous devrions également examiner les détails. Toutes les combinaisons ont-elles échoué ? Vos critères de réussite sont peut-être trop stricts.

Utilisation de la matrice Walk-Forward pour trouver la période de réoptimisation optimale

C'est l'extension naturelle de la vérification de la robustesse. Lorsque nous trouvons par exemple un groupe 3×3 d'optimisations uniques de type Walk-Forward, je préfère sélectionner celle qui se trouve au milieu de ce groupe.
StrategyQuant le fait automatiquement pour nous (si nous l'avons configuré correctement) et le résultat est affiché juste en dessous du résultat final :

N'oubliez pas que la stratégie doit également être robuste aux paramètres de réoptimisation - la date exacte de réoptimisation ne devrait donc pas avoir d'importance, tant que la période de réoptimisation et la période historique restent à peu près inchangées.

Dans le cas de cette stratégie, je peux la réoptimiser maintenant (août) sur un historique de 2 ans, et j'ai l'intention de la réoptimiser à nouveau l'année prochaine en août (dans un an).

Graphiques 3D avancés

Le nouveau StrategyQuant vous offre une nouvelle fonctionnalité - des graphiques en 3D de toutes les combinaisons Walk-Forward réalisées. Comme nous l'avons déjà mentionné, le graphique 3D montre la valeur pour chaque combinaison de paramètres et c'est un outil formidable pour identifier et éviter la sur-optimisation. Les stratégies robustes semblent présenter des changements graduels dans le graphique de surface.

Vous pouvez afficher un graphique en 3D du bénéfice net, de la réduction, de la stagnation, du facteur de profit, de la stabilité ou de toute autre valeur sous trois formes différentes : surface, diagramme à barres ou carte thermique.

Conseil - voir aussi l'article Description des valeurs avancées de Walk-Forward pour la description des différentes valeurs qui peuvent être utilisées dans les filtres ou affichées dans la banque de données.

Cet article a-t-il été utile ? L'article était utile L'article n'était pas utile

S'abonner
Notification pour
1 Commentaire
Le plus ancien
Le plus récent Le plus populaire
Commentaires en ligne
Afficher tous les commentaires
Mario Gordon
Mario Gordon
29. 12. 2018 2:18 am

Bonjour,

Je constate que dans la nouvelle version du SQ, il n'y a pas le paramètre WF net profit stability, quelle pourrait être l'option à sélectionner ? Pouvez-vous créer un nouveau guide avec les nouveaux paramètres pour le SQ4 ?