Monte Carlo là một nhãn rộng chỉ các thử nghiệm ngẫu nhiên lặp lại, không phải lời hứa rằng mỗi lần mô phỏng tạo ra một quỹ đạo thị trường mới. Ở đây, ví dụ của sản phẩm liên tục rút mẫu lại các kết quả giao dịch của một backtest (kiểm thử lịch sử) đã hoàn tất. Lấy mẫu lại giao dịch xem xét bản ghi đã chọn đó hành xử ra sao dưới một cách sắp xếp lại hoặc rút mẫu lại được chỉ định. Nó có thể cho thấy độ nhạy với thứ tự trong một backtest. Nó không thể tạo ra lịch sử thị trường mới, chứng minh các giao dịch là đại diện hay dự báo lợi nhuận khi chạy thực tế. Hãy bắt đầu bằng việc nêu rõ cái gì được lấy mẫu và kết quả đầu ra nhằm trả lời câu hỏi nào.
Hoán vị giữ nguyên các giao dịch; bootstrap lấy mẫu lại chúng
Một hoán vị xáo trộn một tập kết quả cố định mà không hoàn lại. Mỗi giao dịch quan sát được xuất hiện đúng một lần trong mỗi quỹ đạo được xáo trộn lại. Với các kết quả tính bằng đô la cố định và vốn tính theo phép cộng, tổng cuối cùng giữ nguyên, nhưng thứ tự có thể làm thay đổi mức sụt giảm (drawdown) giữa kỳ từ đỉnh đến đáy.
Một bootstrap lấy mẫu có hoàn lại. Một kết quả có thể xuất hiện nhiều lần trong một quỹ đạo trong khi một kết quả quan sát khác lại vắng mặt. Do đó tổng cuối cùng có thể thay đổi giữa các lần rút, dù mọi lần rút đều đến từ cùng một bản ghi gốc. Không thao tác nào là một lần chạy chiến lược mới: nó không tái tạo giá, không tính lại quy mô vị thế từ số dư vốn đã thay đổi hay mô phỏng một quỹ đạo khớp lệnh mới.
Ví dụ 12 giao dịch
Giả sử kết quả ròng của các giao dịch đã đóng (mang tính hư cấu) gồm sáu khoản lãi $100 và sáu khoản lỗ $80, bắt đầu từ $1,000. Coi các kết quả tính bằng đô la là đã trừ các chi phí được tính trong ví dụ này. Cả hai chuỗi đều chứa cùng 12 kết quả, nên cả hai đều kết thúc ở $1,120, tức +12%.
Nếu sáu khoản lỗ đến trước, đường vốn giảm xuống $520 trước khi hồi phục. Mức sụt giảm so với đỉnh ban đầu $1,000 là 48%. Nếu các khoản lỗ và lãi xen kẽ, bắt đầu bằng một khoản lỗ, đường vốn trước tiên giảm 8% xuống $920; các mức giảm từ đỉnh đến đáy về sau nhỏ hơn. Cả hai chuỗi vẫn kết thúc ở cùng một giá trị. So sánh này cô lập yếu tố thứ tự; nó không nói rằng thứ tự nào có khả năng xảy ra cao hơn hay chiến lược cơ bản có xác suất sụt giảm 48% trong tương lai.
Với lấy mẫu có hoàn lại, một quỹ đạo 12 lần rút cụ thể có thể chứa, chẳng hạn, tám khoản lỗ và bốn khoản lãi, hoặc ngược lại. Những quỹ đạo đó làm thay đổi tổng ròng cuối cùng. Một phân vị trên nhiều lần rút như vậy tóm tắt quy tắc lấy mẫu lại đã chọn áp dụng cho mẫu này; nó không phải khoảng tin cậy cho thị trường ngày mai.
Chẩn đoán của SuperQuant thực sự làm gì
Chẩn đoán “Bootstrap trade-order risk” của sản phẩm lấy các kết quả tính bằng đô la net của giao dịch đã đóng trong lần chạy hiện tại và lấy mẫu chúng có hoàn lại. Nó cộng từng khoản đô la được lấy mẫu vào vốn khởi đầu. Lần chạy mặc định dùng 1,000 lần lấy mẫu lại, phần triển khai giới hạn số lần lấy mẫu do người dùng chỉ định trong khoảng 100 đến 5,000, và ít hơn 10 giao dịch đã đóng tạo ra kết quả “insufficient”. Một seed bắt nguồn từ dấu vân tay của chiến lược và dữ liệu khiến cùng một lần chạy cố định có thể tái lập được.
Chẩn đoán báo cáo các phân vị mô tả cho lợi nhuận cuối cùng và mức sụt giảm tối đa, cùng với tỷ lệ các quỹ đạo mô phỏng kết thúc dưới vốn khởi đầu và tỷ lệ các quỹ đạo có đường vốn mô phỏng chạm mức không. Trong giao diện, một nhãn như “loss in 18%” nghĩa là 18% của lần lấy mẫu lại hữu hạn này kết thúc âm. Đó không phải ước lượng rằng một chiến lược đang chạy thực tế thua lỗ với xác suất 18%.
Mỗi giao dịch được lấy mẫu vẫn là một kết quả tính bằng đô la cố định. Phép tính không bảo toàn các cụm theo thời gian hay thời lượng, không áp dụng lại chi phí thị trường hiện tại, không tính lại quy mô khi vốn thay đổi, không tạo ra các bước nhảy giá trong nến, cũng không mô phỏng gián đoạn, quy tắc thanh lý và khớp lệnh thực tế trên sàn. Các chi phí đã có trong giá trị net của giao dịch nguồn vẫn nằm trong kết quả quan sát đó; lấy mẫu lại không khắc phục được các chi phí nguồn bị thiếu hoặc bị khai thấp. Các lịch sử sản phẩm đi kèm là dữ liệu tổng hợp và không thể xác lập hiệu suất thị trường.
Chọn phương pháp khớp với câu hỏi
Dùng xáo trộn để minh họa cách cùng các kết quả đã ghi lại có thể tạo ra những đường vốn khác nhau. Dùng bootstrap có hoàn lại khi bạn đặc biệt muốn xem xét độ nhạy với việc những kết quả quan sát nào được rút vào một mẫu cùng độ dài. Nếu câu hỏi nghiên cứu phụ thuộc vào các quan sát lân cận, việc rút từng giao dịch một cách độc lập sẽ loại bỏ cấu trúc thứ tự đó.
Bootstrap dừng (stationary bootstrap) do Politis và Romano giới thiệu lấy mẫu lại các đoạn chuỗi thời gian liên tiếp với độ dài tuân theo phân phối mũ; gói arch mô tả phương pháp này trong tài liệu tham khảo bootstrap chuỗi thời gian. Giữ các quan sát lại với nhau trong một đoạn có thể bảo toàn phần nào sự phụ thuộc ngắn hạn mà các lần rút từng giao dịch độc lập loại bỏ. Đây là một thủ tục khác với chẩn đoán thứ tự giao dịch của SuperQuant, và các giả định về tính dừng và phụ thuộc yếu của nó phải được xem xét cho dữ liệu và thống kê đang được nghiên cứu.
Đây là ví dụ minh họa chỉ dùng số thứ tự. Bắt đầu với chín quan sát có thứ tự được đánh số từ 1 đến 9. Một mẫu độ dài chín khả dĩ với ba khối liên tiếp độ dài ba là 2, 3, 4 | 7, 8, 9 | 1, 2, 3. Thứ tự gốc vẫn nằm trong mỗi khối được chọn; khối tiếp theo có thể bắt đầu ở chỗ khác, và một quan sát có thể bị lặp lại hoặc bị bỏ qua. Bootstrap dừng ngẫu nhiên hóa độ dài khối thay vì cố định mọi khối ở ba. Trong tài liệu arch 8.0.0, đầu vào của StationaryBootstrap là kích thước khối trung bình. Ba quan sát ở đây chỉ là một lựa chọn để giảng dạy, không phải thiết lập được ước lượng hay khuyến nghị.
Đơn vị rất quan trọng. Một khối ba giao dịch nghĩa là ba giao dịch liên tiếp, không phải ba giờ; thời lượng giao dịch và các khoảng nghỉ có thể khác nhau. Nếu câu hỏi liên quan đến sự phụ thuộc giữa lợi nhuận theo giờ hoặc theo ngày, hãy dùng một chuỗi được đánh chỉ số theo thời gian ở tần suất đó và căn chỉnh thống kê cho phù hợp. Hãy xem xét một số kích thước khối trung bình có căn cứ hợp lý và báo cáo lựa chọn. Một bootstrap khối có thể giữ một số chuỗi cục bộ lại với nhau, nhưng nó không thể khôi phục một chế độ thị trường bị thiếu, sửa thiên lệch chọn mẫu hay xác lập rằng một mẫu không dừng đại diện cho tương lai.
Hãy báo cáo giai đoạn đầu vào, số lượng giao dịch, định nghĩa kết quả ròng, quy tắc xác định quy mô vị thế, phương pháp lấy mẫu, quy tắc hoàn lại, seed, số lần lặp và mọi phân vị được yêu cầu. Trình bày toàn bộ phân phối cùng lần chạy gốc đặt bên cạnh. Nếu việc xem xét lặp lại các kết quả đầu ra được lấy mẫu lại làm thay đổi chiến lược, hãy ghi lại lựa chọn nghiên cứu đó và để dành dữ liệu về sau cho một đánh giá mới. Tiếp tục với các chỉ số backtest, kiểm tra overfitting và hướng dẫn nhật ký giao dịch. Đây là bài giải thích chẩn đoán, không phải dự báo rủi ro hay lời khuyên đầu tư.