داده خارج از نمونه

استفاده از داده‌های خارج از نمونه در طراحی استراتژی معاملاتی

فهرست مطالب

آیا سودده بودن استراتژی در گذشته کافیست؟

داده های خارج از نمونه – همه ما با استفاده از داده‌های گذشته بازار و احتمالا با آزمون و خطا و یا با کمک هوش مصنوعی به دنبال یافتن استراتژی‌های سودده هستیم. اما بسیار اتفاق افتاده است که استراتژی طراحی شده ما که در گذشته سوددهی خوبی داشته است، در عمل زیان‌ده می‌شود.

هر چند این موضوع برخی را از به کار بستن استراتژی‌های معاملاتی و سیستم‌های معاملاتی خودکار ناامید کرده است اما حداقل یک نکته را آشکار می‌سازد: سودده بودن یک استراتژی در گذشته، الزاما دلیلی بر سودآور بودن آن استراتژی در آینده نیست.

این موضوع می‌تواند ناشی از عدم توجه به استحکام استراتژی معاملاتی باشد. یکی از ساده‌ترین راه‌کارهای پیشگیری از آن، استفاده از داده‌های خارج از نمونه در زمان طراحی استراتژی معاملاتی است.

شکست استراتژی معاملاتی در قسمت داده‌های خارج از نمونه (OOS)

در این مطلب به این موضوع می‌پردازیم که استفاده از داده‌های خارج از نمونه در زمان طراحی استراتژی چگونه می‌تواند به ساخت استراتژی‌های قابل اطمینان‌تر کمک کند.

داده‌های خارج از نمونه چیست؟

فرض کنید که داده‌های تاریخی بازار را در ۱۰ سال گذشته در اختیار داریم. برای طراحی استراتژی با استفاده از این داده‌ها می‌توانیم به دو روش عمل کنیم.

روش اول و در واقع بدترین روش که اکثر افراد آن را انتخاب می‌کنند این است که از کل داده‌ها برای طراحی و بک تست استراتژی استفاده کنیم. در این حالت، نمونه مورد آزمون و تست ما برای طراحی استراتژی، تمام داده‌های موجود است.

ممکن است شما هم به این فکر کنید که وقتی از همه داده‌های موجود استفاده کنید احتمال طراحی استراتژی موفق افزایش می‌یابد. اما باید این جمله را این‌گونه اصلاح کرد: هنگامی که شما از همه داده‌های موجود بازار برای طراحی استراتژی استفاده می‌کنید، احتمال یافتن استراتژی‌هایی که به صورت اتفاقی و تصادفی در گذشته بازار سودده بوده و در آینده زیان‌ده می‌شوند، افزایش می‌یابد.

روش دوم و بهتر این است که داده‌های تاریخی بازار را که در اختیار داریم به دو بخش تقسیم کنیم. مثلا از ۱۰ سال داده موجود، ۷ سال را برای طراحی استراتژی استفاده کنیم و ۳ سال از داده‌ها را کنار بگذاریم.

در این حالت، داده‌های آن ۷ سال اول را داده‌های درون نمونه (In Sample) و داده‌های ۳ سال بعدی را داده‌های خارج از نمونه (Out of Sample) یا OOS می‌نامیم. حال، برای طراحی استراتژی، فقط داده‌های درون نمونه (۷ سال اول) را باید ببینیم و پس از طراحی استراتژی، آن را بر روی داده‌های خارج از نمونه تست کنیم.

به کمک این روش می‌توانیم استراتژی‌های مطمئن‌تری به دست آوریم با این اطمینان که آن‌ها به صورت تصادفی و شانسی سودآور نیستند بلکه حتی در داده‌های ۳ سال آینده‌ای که ما جدا کرده‌ایم هم سودآور بوده‌اند.

حتما به یاد داشته باشید که چه شخص شما و چه ابزارهای هوشمندی که ممکن است برای طراحی استراتژی استفاده کنید نبایستی در زمان طراحی استراتژی، تاریخچه قیمتی مربوط به بخش OOS را دیده باشد.

به تعبیری، در زمان طراحی استراتژی، باید فرض کنید که آخرین داده موجود، آخرین داده مجود در IS است.

آیا استفاده از OOS کافی است؟

تقسیم کردن داده‌ها به درون نمونه (IS=in sample) و خارج از نمونه (OOS= out of sample) تنها یکی از کارهایی است که برای افزایش اطمینان نسبت به عملکرد آتی استراتژی لازم است که انجام دهیم، اما همین یک کار هم برای ما سودمند و معنادار است.

برخی افراد، حتی پا را فراتر گذاشته و از بیش از یک قسمت داده خارج از نمونه برای مراحل مختلف تست استراتژی‌ها استفاده می‌کنند. تردیدی نیست که  هر چه در تست‌ها، سخت‌گیرانه‌تر عمل کنیم در پایان تست‌ها به تعداد کمتری استراتژی خواهیم رسید.

اما رسیدن به استراتژی‌هایی که قابلیت اطمینان و اتکای بیشتری دارند و به تعبیری استراتژی‌های مستحکمی هستند، ارزش این سخت‌گیری‌ها را دارد.

بنابراین پیشنهاد ما این است که پیش از پی بردن به زیان‌ده شدن استراتژی در عمل و به قیمت بخشی از سرمایه‌تان، حتما استفاده از OOS را در زمان طراحی استراتژی در دستور کار خود قرار دهید.

دوره کوچینگ مهد سرمایه - هوش مصنوعی

مطالب مرتبط

بالاترین سطح آموزش الگوتریدینگ در بازارهای مالی را در دوره کوچینگ مهد سرمایه خواهید یافت. برای اطلاعات بیشتر به صفحه کوچینگ مراجعه نمایید.


اشتراک گذاری

با نظر سنجی به ما کمک کنید تا بهترین محتوا را برای شما آماده کنیم

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.