EA értékelés haladó szinten: Külső mintán történő teszteléssel igazítsa a stratégiát, búcsút intve a túlillesztésnek

Megbízhatóak az EA optimalizációs eredményei? Ismerje meg a mintán belüli (IS) és mintán kívüli (OOS) tesztelés közötti különbséget. Tanulja meg, hogyan használja az OOS adatokat a stratégia robosztusságának ellenőrzésére, kerülje el a túlillesztés csapdáját, és építsen valóban megbízható kereskedési bizalmat. Kötelező olvasmány!
  • Ez a weboldal AI-alapú fordítást használ. Ha bármilyen észrevétele vagy javaslata van, kérjük, írjon nekünk. Várjuk értékes visszajelzését! [email protected]
Ez a weboldal AI-alapú fordítást használ. Ha bármilyen észrevétele vagy javaslata van, kérjük, írjon nekünk. Várjuk értékes visszajelzését! [email protected]

In-Sample Testing vs Out-of-Sample Testing: Hogyan értékeljük megbízhatóbban az EA-t? 

Az előző cikkben arról beszéltünk, hogyan lehet az Optimalizálás (Optimization) segítségével finomhangolni az Szakértő Tanácsadó (EA) paramétereit, hogy az a múltbeli adatokon jobb teljesítményt nyújtson.
Megemlítettük azt is, hogy vigyázni kell a Túlillesztés (Overfitting) csapdájával, amikor az EA túl tökéletesen alkalmazkodik a múltbeli adatokhoz, és emiatt a jövőben rosszul teljesíthet.

De honnan tudjuk, hogy az optimalizálás során talált „legjobb” paraméterek valóban a piac szabályait tanulták meg, vagy csak a múltbeli adatokat „memorizálták”?
Itt jönnek képbe az In-Sample Testing (mintabeli tesztelés) és az Out-of-Sample Testing (mintán kívüli tesztelés) fogalmai.
Ezek segítenek megbízhatóbban értékelni az EA stratégiát.



Mi az az In-Sample Testing (mintabeli tesztelés) ? 

Egyszerűen: 

Az in-sample tesztelés azt jelenti, hogy az optimalizálás során használt múltbeli adatszakaszt használjuk.

Olyan, mint a tankönyv átnézése: 

Képzelje el, hogy a vizsgára készülve a tanár által kiemelt tankönyvrészeket tanulja.
Az EA optimalizálásakor is ezt a mintabeli adatot „tanulja meg”, és keresi a legjobb paramétereket ezen az adatszakaszon.

Mi a célja? 

Megtalálni azt a paraméterkombinációt, amely ezen a konkrét múltbeli adatszakaszon az EA számára a legjobb teljesítményt nyújtja.

Mik a korlátai? 

Az, hogy az EA jól teljesít az in-sample adatokon, nem jelenti azt, hogy a jövőben is jól fog.
Lehet, hogy az EA csak „megjegyezte” az adott adatszakasz speciális mintázatait vagy zaját, és nem tanult meg valóban általános szabályokat.
Ez a túlillesztés kockázata.

Mi az az Out-of-Sample Testing (mintán kívüli tesztelés) ? 

Egyszerűen: 

Az out-of-sample tesztelés azt jelenti, hogy egy teljesen más, az optimalizálás során nem használt múltbeli adatszakaszt használunk az in-sample tesztelés során talált „legjobb” paraméterek tesztelésére.

Olyan, mint egy próba vizsga: 

Miután átnézte a tankönyvet (in-sample tesztelés), egy soha nem látott próba vizsgát (mintán kívüli adat ) ír, hogy tesztelje, mennyit tanult.
Az out-of-sample tesztelés során az EA az optimalizált paraméterekkel futtat egy olyan múltbeli adatszakaszt, amit „nem látott ” korábban.

Mi a célja? 

Megnézni, hogy a „legjobb” paraméterek hogyan teljesítenek új, ismeretlen múltbeli adatokon.
Ez segít eldönteni, hogy az EA valóban megtanulta a lényeget, vagy csak az in-sample „vizsgán” teljesített jól.

Hogyan segít Önnek? 

  • Ha az EA az out-of-sample adatokon is jól teljesít (bár nem feltétlenül olyan tökéletesen, mint az in-sample adatokon, de elfogadhatóan), akkor nagyobb bizalommal tekinthet a stratégiára, mert valószínűleg nem szenved súlyos túlillesztéstől.
  • Ha az EA az out-of-sample adatokon rosszul teljesít (például nyereségből veszteségbe fordul), az egy erős figyelmeztető jel ! Valószínűleg az EA súlyosan túlillesztett, és a korábban talált „legjobb” paraméterek nem megbízhatóak.

Miért fontos ez? (Aggodalmai kezelése) 

  • Csökkenti a veszteségtől való félelmet: Az out-of-sample tesztelés egy közelebb álló „valódi” próbát nyújt. Ha a stratégia már itt rosszul teljesít, az figyelmeztetés, mielőtt valódi pénzzel kockáztatna. A stratégia valódi kockázatának ismerete segít kezelni az elvárásokat és csökkenti a jövőbeli veszteségtől való félelmet.
  • Ellensúlyozza a túlillesztés csapdáját: Ez az egyik leghatékonyabb módszer a túlillesztés elkerülésére. Sokan elvakulnak az optimalizált, tökéletes in-sample visszatesztelési eredményektől, de az out-of-sample tesztelés segít feltárni ezt az „álcát”.
  • Reálisabb bizalmat épít: Csak akkor bízhat meg igazán a stratégiában, ha az EA mind az in-sample, mind az out-of-sample adatokon elfogadhatóan teljesít, nem pedig túlillesztésből fakadó hamis bizalmat táplál.

Hogyan végezze el ezeket a teszteket? (Egyszerű koncepció) 

Általában a rendelkezésre álló múltbeli adatokat két (vagy több) részre osztjuk: 
  • In-Sample: Ezt az adatszakaszt használjuk az optimalizáláshoz, hogy megtaláljuk a legjobb paramétereket.
  • Out-of-Sample: Ezt az adatszakaszt „elrejtjük”, és nem használjuk az optimalizálás során. Az optimalizálás után a megtalált legjobb paraméterekkel futtatunk egy szokásos visszatesztet ezen az adaton, hogy megnézzük az eredményt.


Néhány kereskedési platform (például MT5 ) stratégiatesztelője kínál Forward Testing (előretesztelés) funkciót, amely automatikusan elvégzi az adatok szétválasztását és a tesztelést.

Összefoglalás: Az optimalizálás eredményének ellenőrzésének kulcsfontosságú lépései 

Az EA paraméterek optimalizálása javíthatja a stratégia látszólagos teljesítményét, de ellenőrizni kell.

  • In-Sample Testing segít megtalálni a „tehetséges” paramétereket.
  • Out-of-Sample Testing segít ellenőrizni, hogy ezek a paraméterek valóban „megbízhatóak”-e.

E két lépés segítségével mélyebb betekintést nyerhet az EA stratégia robosztusságába, hatékonyan csökkentve a túlillesztés kockázatát, és így bölcsebb kereskedési döntéseket hozhat.

Végső figyelmeztetés: Még ha egy EA mind az in-sample, mind az out-of-sample teszteken jól teljesít, az még mindig csak múltbeli adatokon alapul.
A valódi pénz befektetése előtt a legfontosabb utolsó lépés mindig a Demo számla használatával végzett valós idejű tesztelés.
Hagyja, hogy az EA egy ideig a jelenlegi piaci környezetben fusson, és figyelje meg a tényleges teljesítményt – ez a végső próba.
Ha úgy érzed, hogy ez a cikk hasznos számodra, oszd meg barátaiddal.
Hadd tanuljanak mások is a devizakereskedelemről!