ماتریس واک فوروارد

در این مطلب می خوانید(فهرست)

[restrict]

ماتریس واک فوروارد

ماتریس واک فوروارد یک ویژگی منحصر به فرد و قدرتمند در اَلگویاب است . این ویژگی می تواند در دو مورد به شما کمک کند :

  1. تأیید استحکام استراتژی

اگر این استراتژی از آزمون ماتریس واک فوروارد با موفقیت عبور کند ، به این معنی است که با کمک بهینه سازی مجدد پارامتر ها ، می تواند خود با طیف وسیعی از شرایط مختلف در بازار سازگار کند .

  1. پیدا کردن زمان بهینه سازی مجدد استراتژی

این مورد به شما کمک می کند تا بتوانید بهترین دورۀ زمانی برای بهینه سازی های مجدد و تکرار آن در آینده را برای این استراتژی خاص شناسایی کنید .

بهینه سازی استاندارد واک فوروارد نتایج استراتژی را با بهینه سازی مجدد دوره ای آزمایش می کند ، در اینجا فرض کنید هر 300 روز یک بار .

اما چگونه می توان فهمید که بهترین دوره برای بهینه سازی مجدد چیست؟ ما فقط می توانیم حدس بزنیم ، مگر این که از ماتریس واک فوروارد که ترکیبات مختلف دوره های بهینه سازی مجدد را آزمایش می کند استفاده کنیم .

ماتریس واک فوروارد چیست؟

به زبان ساده ماتریس واک فوروارد ، مجموعه ای از بهینه سازی های واک فوروارد است که بر روی تعداد مختلف دوره های بهینه سازی مجدد و درصدهای “خارج نمونه” ی متفاوت انجام می شود .

نتیجۀ ماتریس واک فوروارد مانند تصویر نشان دادن نتیجه کل به علاوه دورۀ ایده آل برای بهینه سازی مجدد است .

تصویر 1

همچنین نمودار سه بعدی نتایج تست استحکام تمام ترکیبات “خارج نمونه” ی اجرا شده در این ماتریس واک فوروارد را نشان می دهد .

تصویر 2

این نمودار و جدول در پایین این مقاله توضیح داده خواهد شد ، ابتدا با مثال کامل شروع می کنیم.

مثال ماتریس واک فوروارد در اَلگویاب

اجرای ماتریس واک فوروارد تقریباً به همان سادگی است که انجام بهینه سازی واک فوروارد ، در ادامه روند کامل کار را به شما نشان می دهم .

به دلیل این که کل فرآیند استفاده از ماتریس واک فوروارد تقریباً مشابه استفاده از بهینه سازی واک فوروارد است ، این مثال فقط تفاوت ها را شرح می دهیم .

برای درک جزئیات بیشتر مربوط به مراحل مختلف می توانید به مثال های آورده شده در بخش مربوط به بهینه سازی واک فوروارد مراجعه کنید .

مرحله 1: بارگذاری یک استراتژی برای بهینه سازی

باید به پنجرۀ بهینه ساز برویم و استراتژی مورد نظر را جهت بهینه سازی بارگیری کنیم .

تصویر 3

این بار حالت ماتریس واک فوروارد را انتخاب کرده و پارامترهای مربوط به آن را تنظیم می کنیم . ماتریس واک فوروارد یک سری بهینه سازی های واک فوروارد انجام می دهد ، بنابراین ما باید تعیین کنیم که چه تعداد دوره برای اجرا بر روی چند درصد از داده های خارج نمونه باید انجام شود . برای این کار باید گزینه های های شروع ، پایان و گام را مشخص کنیم .

در ماتریس باید مشخص کنیم که کدام ترکیبات را می خواهیم برای بهینه سازی واک فوروارد آزمایش کنیم. در این مثال ما دوره های 5 ، 7 ، 9 ، 11 ، 13 ، 15 را برای اجرا و از درصد خارج نمونۀ 20 ، 30 و 40 استفاده خواهیم کرد .

توجه!

انجام محاسبات مربوط به آزمون ماتریس واک فوروارد بسیار وقت گیر است زیرا باید بهینه سازی کامل واک فوروارد برای هر ترکیب در ماتریس اجرا شود . بهتر است حداقل اگر می خواهید سریعا تر به نتیجه برسید تا حد امکان تعداد مراحل زیادی را برای تست در نظر نگیرید .

وظیفه آزمایش مجدد استراتژی ها

استفاده از نوع جدیدی از بهینه سازی واک فوروارد هم امکان پذیر است . این روش شبیه سازی می تواند سرعت انجام محاسبات مربوط به بهینه سازی واک فوروارد یا ماتریس واک فوروارد را 10 تا 100 برابر سریع تر کند .

تصویر 4

مرحله 2: تنظیم مقادیر بهینه سازی

مرحله 3: پیکربندی ماتریس واک فوروارد

این تنظیمات بسیار شبیه به همان روش به کار رفته در مثال بهینه سازی واک فوروارد انجام می شوند .

برای شروع آزمایش می توانیم بر روی دکمۀ “شروع” کلیک کنیم .

تصویر 5

مرحله 4: بررسی نتایج

همان طور که قبلاً هم گفته شد ، تجزیه و تحلیل ماتریس واک فوروارد ممکن است بسیار زمان بر شود بنابراین باید صبر کنید تا پایان این تست پایان یابد . می توانید از پارامترهای کمتر ، مراحل کمتر و همچنین ترکیبات کمتری در تست واک فوروارد استفاده کنید تا تعداد آزمایشات مورد نیاز کاهش یابد و در نتیجه تجزیه و تحلیل سریع تر انجام شود .

هنگامی که بهینه سازی تمام شد ، اَلگویاب یک بار دیگر یک نتیجۀ جدید برای ماتریس واک فوروارد در بانک استراتژی ها نمایش می دهد .

پس از پایان کار ، می بینیم که فقط دو نتیجه در بانک استراتژی داریم . یک نتیجه مربوط به استراتژی اصلی و نتیجۀ دیگر مربوط به ماتریس واک فوروارد است .

تصویر 6

نتیجۀ ماتریس واک فوروارد در بانک استراتژی ، بهینه سازی را با بالاترین سود خالص از میان تمام بهینه سازی های انجام شده نشان می دهد . باید روی نتیجۀ بهینه سازی واک فوروارد در بانک استراتژی دو بار کلیک کنیم تا جزئیات آن برای مشاهده و بررسی باز شود.

تصویر 7

جزئیات نتیجه نهایی آزمون استحکام را نشان می دهد . چه استراتژی از آزمون را با موفقیت پشت سر گذاشته باشد چه از کار افتاده باشد ، اَلگویاب یک نمودار سه بعدی قابل تنظیم که نتایج همۀ ترکیبات ماتریس را نمایش دهد را رسم می کند .

در قسمت پایین نتایج نهایی می توانید هر ترکیب واک فورواردی آزمایش شدۀ دلخواهی را انتخاب کرده و نتایج دقیق مربوط به آن را مشاهده کنید .

تصویر 8

اگر به قسمت نمودار نتایج معاملات برویم ، نتایج بهینه سازی واک فورواردی ترکیب انتخاب شدۀ مربوط به جدول ماتریس واک فوروارد را نیز خواهیم یافت .

تصویر 9

خط آبی نشان دهندۀ استراتژی دوباره بهینه شده و خط خاکستری نازک تر نشان دهندۀ استراتژی اصلی بهینه نشده است .

به وضوح می توان دریافت که اگر این استراتژی به طور دوره ای مجدداً بهینه شود ، عملکرد بهتری دارد.

توجه داشته باشید که این نتایج و نمودار نتایج برای بهینه سازی انتخاب شده یعنی 7 اجرا با 20 درصد “خارج نمونه” نمایش داده می شود که اگر ترکیبی دیگر را انتخاب کنید مسلما” نتایج و نموداری متفاوت نمایش داده می شوند .

تصویر 10

تفسیر نتایج

همان طور که در ابتدای این مقاله بیان شد ، ماتریس واک فوروارد هم به عنوان یک آزمون استحکام استراتژی و هم به عنوان ابزاری برای یافتن دورۀ زمانی بهینه سازی مجدد استراتژی عمل می کند .

ورود به محتویات بانک استراتژی ها

استفاده از ماتریس واک فوروارد به عنوان آزمون استحکام

انجام بهینه سازی استراتژی با استفاده از بهینه سازی واک فوروارد با کمک پارامترهای مختلف به ما امکان می دهد تا ببینیم که آیا استراتژی مد نظر ما طی دوره های مختلف بهینه سازی مجدد روی داده های تاریخی متفاوتی که با آن ها بهینه سازی شده است ، آیا دوام آورده است یا خیر .

نمودار نتایج سه بعدی ، نتیجۀ آزمون استحکام برای هر ترکیب خاص از پارامترها را به ما نشان می دهد ، این یک ابزار عالی برای شناسایی و جلوگیری از بهینه سازی بیش از حد و متناسب شدن استراتژی با داده های تاریخی است. به نظر می رسد که در سطح نمودار سه بعدی استراتژی های قوی و مستحکم ، تغییراتی با شیب ملایم و تدریجی وجود دارد اما این تغییرات آنچنان ناگهانی نیست .

تصویر 11

آنچه ما به دنبال آن هستیم این است که تا آنجا که ممکن است ترکیبات آزمون واک فوروارد موفق باشند .

به عنوان یک هدف حداقلی ، ما در اینجا به دنبال حداقل یک گروه ترکیبی 3 × 3 هستیم که در آن تست های موفق بیش از تست های شکست خورده وجود داشته باشند .

هنگامی که بر روی دکمۀ ” پیکربندی کنید ” کلیک می کنیم می توانیم اعداد مربوطه را طوری تنظیم کنیم که اَلگویاب بتواند این مورد را به طور خودکار تشخیص دهد . در این مثال می خواهیم به دنبال گروه ترکیبی 3 × 3 ای از آزمون های واک فورواردی منفرد بگردیم که حداقل در 7 آزمون از 9 آزمون واک فوروارد موفق شده باشند .

تصویر 12

در مثال ما دو گروه وجود دارد که مرزهای آن ها با رنگ زرد و آبی ترسیم شده است . هر دو مورد در 7 آزمون از 9 آزمون واک فوروارد قبول شده اند . در این تصویر می توانید ببینید که چگونه مناطق مورد نظر با رنگ سبز مشخص شده است و آزمون ها هم با دایره های قرمز مشخص شده اند .

تصویر 13

اگر فقط یک گروه 3 × 3 در ماتریس پدید آید ، ما این استراتژی را قوی و مستحکم محسوب می کنیم . پدیدار شدن این گروه به این معنی است که نه تنها بهینه سازی مجدد برای این استراتژی خوب و مفید است ، بلکه می تواند در دوره های زمانی مختلف دوباره بهینه سازی شود و همچنان هم سودآوری خود را حفظ کند و این خودش نشانۀ قدرت و استحکام استراتژی است .

چه چیز موفقیت بودن یک آزمون بهینه سازی واک فورواردی مستقل را تعیین می کند؟

در مثال بالا ما کل ترکیبات آزمایش شدۀ واک فوروارد را بررسی کردیم تا به این مورد پی ببریم که با توجه به این که اکثر بهینه سازی های واک فورواردی ما تک به تک بر اساس معیارهای مد نظرمان در آزمون پذیرفته شده اند ، آیا استراتژی اصلا” قوی هست یا نه .

اما با چه روشی تصمیم بگیریم که یک آزمون بهینه سازی واک فوروارد موفق است یا نه؟

برای این منظور از گزینۀ “امتیاز استحکام” استفاده می کنیم که برای هر یک از بهینه سازی های واک فوروارد قابل تنظیم و مستقلا” قابل محاسبه است .

تصویر 14

موارد مربوط به امتیاز استحکام به طور کامل قابل تنظیم هستند . ما می توانیم تمام شرایطی را که می خواهیم در جدول اجزای امتیاز استحکام ببینیم و مقادیر و حد و مرز آن ها را تنظیم کنیم . می توانید با مطالعۀ توضیحات آورده شده در بخش مربوط به بهینه سازی واک فوروارد در مورد اجزای تشکیل دهندۀ امتیاز پیشرفته ، اطلاعات بیشتری کسب کنید .

اَلگویاب چگونه کار می کند؟

مقدار اصلی محدودۀ امتیاز استحکام (2) به این معنی است که برای این که نتیجۀ آزمون واک فوروارد موفقیت آمیز تلقی شود ، باید از چند تا از این امتیازات استفاده شود .

به عنوان مثال می توانیم ببینیم که آزمون ما در 9 اجرا و با 20٪ خارج نمونه ناموفق محسوب شد زیرا در 2 آزمون از 6 آزمون قبول نشده است . رتبۀ استحکام فقط 66٪ است (4 از 6 می شود 66٪) در حالی که در اینجا رتبۀ 80٪ مورد نیاز ما بوده است .

همیشه بهتر است به ترکیباتی که شکست خورده اند هم نگاه کنیم و بررسی کنیم که دلیل شکست آن ها چه بوده است .

ما باید جزئیات آن ها را نیز بررسی کنیم و ببینی که آیا همۀ ترکیبات با هم انجام نشده اند یا نه و اصلا” شاید معیارهای تعیین شده از طرف ما برای قبول یا رد یک آزمون خیلی محدود بوده باشد .

استفاده از ماتریس واک فوروارد برای یافتن بهترین زمان بهینه سازی مجدد

این مورد بر مبنای توسعۀ طبیعی تست استحکام است . برای مثال وقتی یک گروه 3 × 3 بهینه سازی واک فوروارد را پیدا کردیم ، بهتر است یکی را که در وسط این گروه قرار دارد را انتخاب کنیم .

اَلگویاب این کار را به طور خودکار برای ما انجام می دهد . البته اگر آن را به درستی پیکربندی و تنظیم کرده باشیم ، نتیجه دقیقاً زیر نتیجۀ نهایی نمایش داده شود :

تصویر 15

لازم است به یاد داشته باشید که این استراتژی باید در تنظیمات بهینه سازی مجدد نیز قوی و مستحکم باشد . بنابراین به شرطی که دورۀ بهینه سازی و نتایج آزمون روی داده های تاریخی مربوط به آن را به خوبی ذخیره کرده و داشته باشیم ، تاریخ دقیق بهینه سازی چندان هم مهم نیست .

در همین مثال در صورت استفاده از این استراتژی ، می توانیم استراتژی را در حال حاضر که ماه اوت است روی داده های 2 ساله مجدداً بهینه سازی کنیم و سال آینده در ماه آگوست یعنی یک سال دیگر هم باید آن را دوباره بهینه سازی کنیم .

نمودارهای پیشرفتۀ سه بعدی

اَلگویاب ویژگی بی نظیری به شما ارائه می دهد و آن نمودارهای سه بعدی از تمام ترکیبات آزمون های واک فورواردی انجام شده است . همان طور که قبلاً هم گفته شد ، نمودار سه بعدی مقدار هر ترکیبی از پارامترها را نشان می دهد و ابزاری عالی برای شناسایی و جلوگیری از بهینه سازی بیش از حد است . به نظر می رسد که در سطح نمودار استراتژی های قوی و مستحکم ، شکل تغییرات به صورت تدریجی و ملایم است .

می توانید نمودار سه بعدی سود خالص ، اُفت سرمایه ، رکود ، فاکتور سود ، ثبات یا هر مورد دیگری را در سه وضعیت مختلف به حالت نمودار مسطح ، نمودار میله ای یا heatmap ببینید .

تصویر 16

[/restrict]

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *