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 19с 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.