লাইভ মার্কেটে ট্রেডিং আইডিয়াটি দেখতে আগ্রহী ব্যবসায়ীরা সিস্টেমটি লাভজনক হবে কিনা তা নির্ধারণ করার জন্য প্রায়শই ব্যাকস্টেস্টিং ফলাফলের উপর সম্পূর্ণ নির্ভর করে ভুল করে। ব্যাকস্টেস্টিং ব্যবসায়ীদের মূল্যবান তথ্য সরবরাহ করতে পারে, তবে এটি প্রায়শই বিভ্রান্তিকর হয় এবং এটি মূল্যায়ন প্রক্রিয়ার একমাত্র অংশ।
নমুনা ছাড়াই টেস্টিং এবং ফরোয়ার্ড পারফরম্যান্স টেস্টিং সিস্টেমের কার্যকারিতা সম্পর্কিত আরও নিশ্চিতকরণ সরবরাহ করে এবং প্রকৃত নগদ লাইনে যাওয়ার আগে একটি সিস্টেমের সত্যিকারের রঙগুলি দেখাতে পারে। ব্যাকস্টেস্টিং, নমুনা ছাড়াই এবং সামনের কাজ সম্পাদনের পরীক্ষার ফলাফলের মধ্যে ভাল সম্পর্ক একটি ট্রেডিং সিস্টেমের কার্যকারিতা নির্ধারণের জন্য গুরুত্বপূর্ণ।
ব্যাকটেস্টিং বুনিয়াদি
ব্যাকস্টেস্টিং নির্দিষ্ট সময়ের মধ্যে কোনও সিস্টেম কীভাবে পারফর্ম করত তা যাচাই করতে historicalতিহাসিক ডেটাতে একটি ট্রেডিং সিস্টেম প্রয়োগ করা বোঝায়। আজকের অনেক ট্রেডিং প্ল্যাটফর্ম ব্যাকস্টেস্টিং সমর্থন করে। ব্যবসায়ীরা কয়েকটি কীস্ট্রোক দিয়ে ধারণাগুলি পরীক্ষা করতে পারে এবং কোনও ট্রেডিং অ্যাকাউন্টে তহবিল ঝুঁকি না নিয়ে কোনও ধারণার কার্যকারিতা সম্পর্কে অন্তর্দৃষ্টি অর্জন করতে পারে। ব্যাকস্টেস্টিং সহজ ধারণাগুলির মূল্যায়ন করতে পারে যেমন মুভিং এভারেজ ক্রসওভারটি কীভাবে historicalতিহাসিক তথ্যগুলিতে সঞ্চালন করবে, বা বিভিন্ন ইনপুট এবং ট্রিগার সহ আরও জটিল সিস্টেম systems
যতক্ষণ কোনও ধারণার পরিমাণ নির্ধারণ করা যায় ততক্ষণ এটি ব্যাকসেট করা যেতে পারে। কিছু ব্যবসায়ী এবং বিনিয়োগকারীরা একটি যোগ্য প্রোগ্রামার এর দক্ষতা চাইতে পারেন এই ধারণাটিকে একটি পরীক্ষামূলক ফর্ম হিসাবে বিকাশ করতে। সাধারণত, এর মধ্যে একটি প্রোগ্রামার জড়িত থাকে ট্রেডিং প্ল্যাটফর্ম দ্বারা হোস্ট করা মালিকানাধীন ভাষায় ধারণাটি কোডিং করে। প্রোগ্রামার ব্যবহারকারী-সংজ্ঞায়িত ইনপুট ভেরিয়েবলগুলি অন্তর্ভুক্ত করতে পারে যা ব্যবসায়ীকে সিস্টেমটিকে "টুইঙ্ক" করতে দেয়।
এর উদাহরণটি উপরে উল্লিখিত সাধারণ চলমান গড় ক্রসওভার সিস্টেমে থাকবে: ব্যবসায়ী সিস্টেমে ব্যবহৃত দুটি চলমান গড়ের দৈর্ঘ্য ইনপুট করতে (বা পরিবর্তন) করতে সক্ষম হবে। Whichতিহাসিক ডেটাতে কোন দৈর্ঘ্যের চলমান গড় সেরা সঞ্চালন করতে পারে তা নির্ধারণ করতে ব্যবসায়ী ব্যাকটেস্ট করতে পারত।
অপ্টিমাইজেশন স্টাডি
অনেক ট্রেডিং প্ল্যাটফর্ম অপ্টিমাইজেশন অধ্যয়নের জন্য অনুমতি দেয়। এটিতে নির্দিষ্ট ইনপুটটির জন্য একটি সীমা প্রবেশ করা এবং কম্পিউটারকে "গণিতটি করতে" দেওয়া কী ইনপুটটি সর্বোত্তমভাবে সম্পাদন করতে পারে তা নির্ধারণ করার জন্য অন্তর্ভুক্ত রয়েছে। কোন সংমিশ্রণগুলি সর্বোত্তম ফলাফল অর্জন করতে পারে তা নির্ধারণ করতে একটি বহু-পরিবর্তনশীল অপ্টিমাইজেশান দুটি বা আরও বেশি ভেরিয়েবলের জন্য গণিত করতে পারে।
উদাহরণস্বরূপ, ব্যবসায়ীরা প্রোগ্রামটিকে বলতে পারে যে তারা কী কৌশলটি তাদের কৌশলতে যুক্ত করতে চায়; এরপরে পরীক্ষিত historicalতিহাসিক ডেটা দিয়ে তাদের আদর্শ ওজনে অনুকূলিত করা হবে।
ব্যাকটেস্টিং উত্তেজনাপূর্ণ হতে পারে যে একটি অলাভজনক সিস্টেমটি প্রায়শই যাদুগতভাবে কয়েকটি অপ্টিমাইজেশন সহ অর্থ উপার্জনকারী মেশিনে রূপান্তরিত হতে পারে। দুর্ভাগ্যক্রমে, অতীতে লাভের সর্বাধিক স্তর অর্জনের জন্য একটি সিস্টেমকে টুইট করা প্রায়শই এমন সিস্টেমের দিকে পরিচালিত করে যা সত্যিকারের ব্যবসায়ের ক্ষেত্রে দুর্বল সম্পাদন করবে। এই ওভার-অপটিমাইজেশন এমন সিস্টেম তৈরি করে যা কেবল কাগজে ভাল লাগে।
কার্ভ ফিটিং হচ্ছে পরীক্ষার সময়কালে ব্যবহৃত inতিহাসিক ডেটাতে সর্বাধিক মুনাফা অর্জনে সর্বাধিক সংখ্যক বিজয়ী ব্যবসা তৈরির জন্য অপ্টিমাইজেশন অ্যানালিটিক্স ব্যবহার। ব্যাকটেস্টিং ফলাফলগুলিতে এটি চিত্তাকর্ষক বলে মনে হলেও, কার্ভ ফিটিংটি অবিশ্বাস্য সিস্টেমগুলিতে নিয়ে যায় কারণ ফলাফলগুলি সেই নির্দিষ্ট ডেটা এবং সময় সময়ের জন্য মূলত কাস্টম ডিজাইন করা হয়।
ব্যাকস্টেস্টিং এবং অপ্টিমাইজ করা কোনও ব্যবসায়ীকে অনেকগুলি সুবিধা দেয় তবে কোনও সম্ভাব্য ট্রেডিং সিস্টেমের মূল্যায়ন করার সময় এটি প্রক্রিয়াটির একমাত্র অংশ। কোনও ব্যবসায়ীর পরবর্তী পদক্ষেপটি হ'ল historicalতিহাসিক ডেটাতে সিস্টেমটি প্রয়োগ করা যা প্রাথমিক ব্যাকস্টেস্টিং পর্বে ব্যবহৃত হয়নি।
ইন-স্যাম্পল ভার্সাস ভার্সাল-স্যাম্পল ডেটা
Historicalতিহাসিক ডেটা সম্পর্কে একটি ধারণা পরীক্ষা করার সময়, পরীক্ষার উদ্দেশ্যে historicalতিহাসিক ডেটার একটি সময়কাল সংরক্ষণ করা উপকারী। প্রাথমিক historicalতিহাসিক ডেটা যার উপর ধারণাটি পরীক্ষা করা এবং অনুকূলিত করা হয় তা ইন-স্যাম্পল ডেটা হিসাবে উল্লেখ করা হয়। সংরক্ষিত থাকা ডেটা সেটটি নমুনার বাইরে থাকা ডেটা হিসাবে পরিচিত। এই সেটআপটি মূল্যায়ন প্রক্রিয়ার একটি গুরুত্বপূর্ণ অংশ কারণ এটি ডেটাতে ধারণাটি পরীক্ষা করার একটি উপায় সরবরাহ করে যা অপ্টিমাইজেশন মডেলের কোনও উপাদান ছিল না।
ফলস্বরূপ, বহিরাগত নমুনা তথ্য দ্বারা ধারণাটি কোনওভাবেই প্রভাবিত হবে না এবং ব্যবসায়ীরা নির্ধারণ করতে সক্ষম হবে যে নতুন ডেটাতে, অর্থাৎ বাস্তব জীবনের ব্যবসায়ের ক্ষেত্রে সিস্টেমটি কতটা কার্যকর করতে পারে।
যেকোন ব্যাকস্টেস্টিং বা অনুকূলকরণের আগে, ব্যবসায়ীরা নমুনা ছাড়াই পরীক্ষার জন্য সংরক্ষিত aতিহাসিক তথ্যগুলির একটি শতাংশকে আলাদা করে রাখতে পারেন। একটি পদ্ধতি হ'ল historicalতিহাসিক তথ্যগুলিকে তৃতীয় ভাগে ভাগ করা এবং এক-তৃতীয়াংশকে নমুনা ছাড়াই পরীক্ষার জন্য পৃথক করা। প্রাথমিক পরীক্ষার জন্য এবং কোনও অপ্টিমাইজেশনের জন্য কেবল ইন-স্যাম্পল ডেটা ব্যবহার করা উচিত।
নীচের চিত্রটি একটি সময়সীমা দেখায় যেখানে historicalতিহাসিক তথ্যগুলির এক তৃতীয়াংশ নমুনা ছাড়াই পরীক্ষার জন্য সংরক্ষিত থাকে এবং দুই-তৃতীয়াংশ ইন-নমুনা পরীক্ষার জন্য ব্যবহৃত হয়। যদিও নীচের চিত্রটি পরীক্ষার শুরুতে বহিরাগত নমুনা তথ্য চিত্রিত করে, সাধারণ পদ্ধতিতে সামনের দিকে এগিয়ে যাওয়া কর্মক্ষমতাের পূর্বের নমুনা অংশটি অবিলম্বে থাকবে।
ব্যাকস্টেস্টিং প্রক্রিয়াতে ব্যবহৃত নমুনা এবং বহিরাগত নমুনার আপেক্ষিক দৈর্ঘ্যের প্রতিনিধিত্বকারী একটি সময়লাইন। জুলি ব্যাং Image ইনভেস্টোপিডিয়া 2020 দ্বারা ছবি
সম্পর্ক দুটি পারফরম্যান্স এবং দুটি ডেটার সেটগুলির সামগ্রিক প্রবণতার মধ্যে মিলকে বোঝায় Cor ক্যারলেশন মেট্রিকগুলি পরীক্ষার সময়কালে তৈরি কৌশল কর্মক্ষমতা প্রতিবেদনগুলির মূল্যায়নে (বেশিরভাগ ট্রেডিং প্ল্যাটফর্ম সরবরাহ করে এমন একটি বৈশিষ্ট্য) ব্যবহার করা যেতে পারে। দুজনের মধ্যে পারস্পরিক সম্পর্ক যত বেশি শক্তিশালী হয়, সম্ভাব্যতা তত উন্নত হবে যে কোনও সিস্টেম সামনের পারফরম্যান্স টেস্টিং এবং লাইভ ট্রেডিংয়ে ভাল পারফর্ম করবে।
নীচের চিত্রটি দুটি পৃথক সিস্টেমের চিত্র তুলে ধরেছে যা পরীক্ষিত এবং ইন-স্যাম্পল ডেটাতে অনুকূলিত করা হয়েছিল, তারপরে নমুনার বাইরে থাকা ডেটাতে প্রয়োগ করা হয়েছিল। বাম দিকের চার্টটি এমন একটি সিস্টেম দেখায় যা ইন-স্যাম্পল ডেটাতে ভাল কাজ করার জন্য স্পষ্টভাবে বক্ররেখাযুক্ত ছিল এবং নমুনার বাইরে থাকা ডেটাতে সম্পূর্ণ ব্যর্থ। ডানদিকে থাকা চার্টটি এমন একটি সিস্টেম দেখায় যা নমুনা ইন-ও-বহিরাগত উভয় ক্ষেত্রেই ভাল পারফর্ম করে।
দুটি ইক্যুইটি রেখাচিত্র। প্রতিটি হলুদ তীরের আগে বাণিজ্য ডেটা ইন-স্যাম্পল পরীক্ষার প্রতিনিধিত্ব করে। হলুদ এবং লাল তীরগুলির মধ্যে উত্পন্ন ব্যবসায়গুলি নমুনা পরীক্ষার সূচনা করে। লাল তীরগুলির পরে বাণিজ্যগুলি অগ্রগতির পারফরম্যান্স পরীক্ষার পর্যায়গুলি থেকে।
একবার-নমুনা ডেটা ব্যবহার করে কোনও ট্রেডিং সিস্টেম তৈরি হয়ে গেলে, এটি নমুনার বাইরে থাকা ডেটা প্রয়োগ করার জন্য প্রস্তুত। ব্যবসায়ীরা নমুনা এবং বহিরাগত-নমুনা ডেটার মধ্যে পারফরম্যান্স ফলাফলগুলি মূল্যায়ন ও তুলনা করতে পারে।
যদি উপরের চিত্রের বাম চার্টের মতো ইন-স্যাম্পল এবং আউট-অফ-নমুনা পরীক্ষার মধ্যে সামান্য সম্পর্ক থাকে তবে সম্ভবত সিস্টেমটি অতিরিক্ত-অনুকূলিত হয়েছে এবং লাইভ ট্রেডিংয়ে ভাল সম্পাদন করবে না। পারফরম্যান্সে যদি দৃ strong় সম্পর্ক রয়েছে, ডান চার্ট হিসাবে দেখা গেছে, মূল্যায়নের পরবর্তী পর্যায়ে একটি অতিরিক্ত ধরণের-নমুনা পরীক্ষা জড়িত যা ফরোয়ার্ড পারফরম্যান্স টেস্টিং নামে পরিচিত।
ফরোয়ার্ড পারফরম্যান্স টেস্টিং বেসিকস
ফরোয়ার্ড পারফরম্যান্স টেস্টিং, যা কাগজ বাণিজ্য হিসাবেও পরিচিত, ব্যবসায়ীদের একটি সিস্টেমের মূল্যায়ন করার জন্য অপেক্ষাকৃত নমুনা ডেটার আরও একটি সেট সরবরাহ করে। ফরোয়ার্ড পারফরম্যান্স টেস্টিং প্রকৃত ব্যবসায়ের একটি অনুকরণ এবং লাইভ মার্কেটে সিস্টেমের যুক্তি অনুসরণ করে। একে কাগজ বাণিজ্যও বলা হয় যেহেতু সমস্ত বাণিজ্য কেবল কাগজের উপর কার্যকর হয়; অর্থাত্, ব্যবসায়ের এন্ট্রি এবং প্রস্থানগুলি সিস্টেমের জন্য কোনও লাভ বা ক্ষতির পাশাপাশি নথিভুক্ত করা হয় তবে সত্যিকারের কোন ব্যবসায় কার্যকর হয় না।
ফরোয়ার্ড পারফরম্যান্স টেস্টিংয়ের একটি গুরুত্বপূর্ণ বিষয় হ'ল সিস্টেমের লজিককে ঠিক অনুসরণ করা; অন্যথায়, প্রক্রিয়াটির এই পদক্ষেপটি সঠিকভাবে মূল্যায়ন করা, যদি অসম্ভব না হয়ে থাকে তবে কঠিন হয়ে যায়। ব্যবসায়ীদের যে কোনও ট্রেড এন্ট্রি এবং প্রস্থান সম্পর্কে সৎ হতে হবে এবং চেরি বাছাইয়ের ব্যবসার মতো আচরণ বা এড়িয়ে চলা কাগজপত্রের উপর কোনও বাণিজ্যকে যুক্তিসঙ্গত করে এড়ানো উচিত নয় যে "আমি এই বাণিজ্যটি কখনই গ্রহণ করতাম না।" সিস্টেমের যুক্তি অনুসরণ করে যদি বাণিজ্যটি ঘটে থাকে তবে তা নথিভুক্ত ও মূল্যায়ন করা উচিত।
অনেক ব্রোকার একটি সিমুলেটেড ট্রেডিং অ্যাকাউন্ট অফার করে যেখানে ট্রেডগুলি স্থাপন করা যেতে পারে এবং সংশ্লিষ্ট লাভ এবং ক্ষতির গণনা করা হয়। সিমুলেটেড ট্রেডিং অ্যাকাউন্ট ব্যবহার করা একটি আধা-বাস্তবসম্মত পরিবেশ তৈরি করতে পারে যার উপর বাণিজ্য অনুশীলন করতে হবে এবং সিস্টেমটিকে আরও মূল্যায়ন করতে হবে।
উপরের চিত্রটি দুটি সিস্টেমে এগিয়ে কর্মক্ষমতা পরীক্ষার ফলাফলও দেখায়। আবার, বাম চার্টে প্রতিনিধিত্ব করা সিস্টেম ইন-স্যাম্পল ডেটাতে প্রাথমিক পরীক্ষার বাইরেও ভাল করতে ব্যর্থ। ডান চার্টে প্রদর্শিত সিস্টেমটি অবশ্য এগিয়ে যাওয়ার পারফরম্যান্স টেস্টিং সহ সমস্ত পর্যায়ের মধ্য দিয়ে ভাল সম্পাদন চালিয়ে যাচ্ছে। একটি সিস্টেম যা ইন-স্যাম্পল, আউট-অফ-স্যাম্পল এবং ফরোয়ার্ড পারফরম্যান্স পরীক্ষার মধ্যে ভাল সম্পর্কের সাথে ইতিবাচক ফলাফলগুলি দেখায় একটি সরাসরি বাজারে প্রয়োগের জন্য প্রস্তুত।
তলদেশের সরুরেখা
ব্যাকস্টেস্টিং বেশিরভাগ ট্রেডিং প্ল্যাটফর্মগুলিতে উপলব্ধ একটি মূল্যবান সরঞ্জাম। নমুনা এবং নমুনা ছাড়াই পরীক্ষার জন্য historicalতিহাসিক তথ্যগুলি একাধিক সেটে বিভক্ত করা ব্যবসায়ীদের একটি ট্রেডিং ধারণা এবং সিস্টেমের মূল্যায়নের জন্য ব্যবহারিক এবং দক্ষ উপায় সরবরাহ করতে পারে। যেহেতু বেশিরভাগ ব্যবসায়ীরা ব্যাকস্টেস্টিংয়ে অপ্টিমাইজেশান কৌশলগুলি নিয়োগ করে, তারপরে এটির কার্যকারিতা নির্ধারণের জন্য পরিষ্কার ডেটা সিস্টেমের মূল্যায়ন করা গুরুত্বপূর্ণ।
ফরোয়ার্ড পারফরম্যান্স টেস্টিংয়ের সাথে নমুনা ছাড়াই পরীক্ষা চালিয়ে যাওয়া সত্যিকারের নগদকে ঝুঁকিপূর্ণভাবে বাজারে ফেলে দেওয়ার আগে সুরক্ষার আরও একটি স্তর সরবরাহ করে। ইতিবাচক ফলাফল এবং নমুনা-ও-নমুনা ব্যাকস্টেস্টিং এবং ফরোয়ার্ড পারফরম্যান্স পরীক্ষার মধ্যে ভাল পারস্পরিক সম্পর্ক সম্ভাব্যতা বৃদ্ধি করে যে কোনও সিস্টেম প্রকৃত ব্যবসায়ের ক্ষেত্রে ভাল সম্পাদন করবে।
