Optimalizace trading strategií při změnách tržního režimu
Je obvyklé, že trading strategie (algoritmy, AOS) se vytvářejí na nejdelší možné časové řadě dat na tom kterém trhu. Ideálně více desítek let dat a také pokud možno za pomocí dat i z jiných trhů (teoreticky by nekonečná datový řada vedla k dokonale funkčnímu algoritmu). Pro zabránění přeoptimalizování, které by vedlo k nádhernému backtestu na trénikovém souboru dat (in-sample), ale nefunkční strategii v reálném obchodování (out-of-sample) se používají metody jako walk-forward optimalizace WFO (není model samotný, ale validační metoda), kdy vytváříme trading algoritmus na posuvném in-sample tréninkovém souboru dat a část dat použijeme jako out-of sample testovací vzorek. Jako příklad 1,5 roku posouváme dopředu jako 1 rok in- sample a 0,5 roku out-of sample: To n ám poskytuje zvýšení pravděpodobnosti, že AOS se bude v reálném obchodování (out-of-sample) chovat tak jak bychom očekávali při jejím vytváření na in-sample historických datach a nebude přeoptimalizovaná (curve fitted). Tr...
