特徴

StrategyQuantの機能において重要なのは、生成された戦略が既存のデータに過学習していないことを保証するための組み込みツールやチェック機能です。つまり、それらの戦略には真の優位性があり、将来にわたって有効であり続けるということです。.

堅牢性テスト（クロスチェック）が戦略生成プロセスに組み込まれている、, ボタンをクリックするだけで、それらをオン/オフに切り替えることができます.

9種類以上の異なるシミュレーションタイプを使用した2つの独立したモンテカルロテストにより、さまざまなランダムな変動を用いて戦略の挙動をシミュレーションすることができます。.

モンテカルロテストを構築ワークフローに直接組み込み、モンテカルロテストを通過しない戦略を自動的に除外することができます。.

独自のシミュレーションモデルやダウンロードでこの機能を拡張することもできます。 既存のユーザー拡張機能.

内蔵のオプティマイザを使用すると、シンプルに戦略を最適化することも、
中 ウォークフォワード モード.

すべてのウォークフォワード期間において、元のおよび最適化された戦略の両方の資産曲線（エクイティチャート）が表示されます。.

次を使って、戦略における「最適」かつ安定したパラメータのクラスターが存在するかどうかを検証できます。 ウォークフォワードマトリックス クラスター分析.

WFマトリックス最適化を実行すると、StrategyQuantは、マトリックスで使用されたすべてのウォークフォワードの組み合わせについて、結果の3Dビューを表示します。.

局所的な最大値、最小値、および結果が特定の領域に集中しているかどうかを素早く見つけることができます。.

詳細はこちら

システムパラメータ順列（SPP）と最適化プロファイルは、元々デーブ・ウォルトン（Dave Walton）とロバート・パルド（Robert Pardo）によって考案された、2つの高度な戦略的堅牢性テストです。.

これらは現在、StrategyQuantにも組み込まれており、戦略の頑健性を手動または自動で評価するために利用できます。.

詳細はこちら

高度なフィルタリングを使用して、プログラムが自動的に除外するようにします 不十分な戦略.

こうすることで、StrategyQuantは完全自動モードで動作し、生成された戦略をいちいち手動で確認する必要なく、数時間、あるいは数日間も稼働し続けることができます。.

最適化やウォークフォワードを含む、バックテストや堅牢性テストで算出される事実上すべての指標に対してフィルタリングが可能です。.

ビルダーでワークフローを自動化することも、カスタムプロジェクトを使用して、必要な数のステップを持つ独自のユニークなワークフローを構築することもできます。.

複数のビルド、再テスト、最適化、その他のタスクを連続してチェインさせ、望む結果を正確に達成することができます。そして、それを完全自動モードで実行させることが可能です。.

StrategyQuant Xの主な利点の1つは、独自のカスタム「フォーマット」で戦略を生成できる機能です。.

StrategyQuantは、以下を使用して戦略を生成します。 戦略テンプレート – これらは、特定の部分に特別なプレースホルダーブロック（これを「ランダムプレースホルダー」と呼びます）を使用する戦略であり、StrategyQuantがこれらのプレースホルダーを埋めるブロックをランダムに生成します。.

詳細はこちら

ファジー論理を使用すると、論理が厳密ではなく「ファジー（曖昧）」な戦略を作成できます。つまり、シグナルを有効にするために条件の何パーセントが真である必要があるかを定義できます。.

この機能により、新しいクラスの戦略が提供されます

詳細はこちら

ATM機能を使用すると、戦略の複数の出口を設定（または検索）して、トレードをスケールアウトすることができます。.

複数のイグジットを使用することで戦略の結果が改善される可能性がありますが、それは正確な戦略と設定によって異なります。.

予備的なテストの結果、ごく単純なATM構成を採用するだけでも、10-30%戦略のパフォーマンスを即座に向上させることができることが示唆されています。.

詳細はこちら

カスタム分析機能を使用すると、StrategyQuantの機能を拡張し、生成された戦略、再テストされた戦略、最適化された戦略、およびデータバンク全体に対してカスタム分析を実行することができます。.

これにより、独自のカスタム計算やフィルタリングを実行できるようになり、例えばPythonなどの外部プログラムやスクリプトを呼び出してそれを実行することさえ可能になります。.

詳細はこちら