Belső minta tesztelés vs külső minta tesztelés: Hogyan értékelheti megbízhatóbban az EA-ját?
Az előző cikkben arról beszéltünk, hogyan lehet optimalizálni (Optimization) az Ön Szakértő Tanácsadóját (EA), vagyis hogyan állítsa be a paramétereket úgy, hogy az a múltbeli adatokon jobban teljesítsen.Megemlítettük azt is, hogy vigyázzon a túlillesztés (Overfitting) csapdájával, amikor az EA túl tökéletesen alkalmazkodik a múltbeli adatokhoz, és emiatt a jövőben rosszul teljesíthet.
Hogyan tudhatjuk meg, hogy az optimalizálás során megtalált „legjobb” paraméterbeállítás valóban megtanulta a piac szabályait, vagy csak „betanulta” a múltbeli adatokat?
Itt válik nagyon fontossá a belső minta tesztelés (In-Sample Testing) és a külső minta tesztelés (Out-of-Sample Testing) fogalma.
Ezek segítenek megbízhatóbban értékelni az EA stratégiát.
Mi az a belső minta tesztelés (In-Sample Testing) ?
Egyszerűen:
A belső minta tesztelés azt jelenti, hogy az optimalizálás során használt történelmi adatokat használja.Olyan, mint a tankönyv átnézése:
Képzelje el, hogy a vizsgára készülve a tanár által kiemelt tankönyvtartalmat tanulja.Az EA optimalizálásakor „tanulja” ezt a belső mintát, és megkeresi a legjobban teljesítő paraméterbeállításokat ezen az adathalmazon.
Mi a célja?
Megtalálni azt a paraméterkombinációt, amely ezen a konkrét történelmi adathalmazon a legjobb teljesítményt nyújtja az EA számára.Mik a korlátai?
Az, hogy az EA jól teljesít a belső mintán, nem jelenti azt, hogy a jövőben is jól fog.Az EA lehet, hogy csak „megjegyezte” az adott adat speciális mintázatait vagy zaját, és nem tanulta meg az általános szabályokat.
Ez a túlillesztés kockázata.
Mi az a külső minta tesztelés (Out-of-Sample Testing) ?
Egyszerűen:
A külső minta tesztelés azt jelenti, hogy egy teljesen más, az optimalizálás során nem használt történelmi adathalmazzal teszteljük az optimalizálás során megtalált „legjobb” paraméterbeállításokat.Olyan, mint egy próba vizsga:
Miután átnézte a tankönyvet (belső minta tesztelés), egy soha nem látott próba vizsgát (külső minta adatokat) ír, hogy tesztelje, mennyit tanult.A külső minta tesztelés során az EA az optimalizált paraméterekkel fut egy olyan történelmi adathalmazon, amit „nem látott” korábban.
Mi a célja?
Megnézni, hogy a „legjobb” paraméterek hogyan teljesítenek új, ismeretlen történelmi adatokon.Ez segít eldönteni, hogy az EA valóban megtanulta-e a valódi szabályokat, vagy csak a belső mintán „tanult meg” mindent.
Hogyan segít Önnek?
- Ha az EA a külső mintán is jól teljesít (bár nem feltétlenül olyan tökéletesen, mint a belső mintán, de elfogadhatóan), akkor nagyobb bizalommal tekinthet a stratégiára, mert valószínűleg nem szenved súlyos túlillesztéstől.
- Ha az EA a külső mintán rosszul teljesít (például nyereségesből veszteségessé válik), az erős figyelmeztető jelzés! Valószínűleg az EA súlyosan túlillesztett, és a korábban megtalált „legjobb” paraméterek nem megbízhatóak.
Miért fontos ez? (Megnyugtatja az aggodalmait)
- Csökkenti a veszteségtől való félelmet: A külső minta tesztelés egy közelebb álló „valódi” tesztet nyújt. Ha a stratégia a külső mintán rosszul teljesít, az figyelmeztetés, mielőtt valódi pénzzel kockáztatna. A stratégia valódi kockázatának megértése segít kezelni az elvárásokat és csökkenti a jövőbeli veszteségtől való félelmet.
- Ellensúlyozza a túlillesztés csapdáját: Ez az egyik leghatékonyabb módja a túlillesztés elkerülésének. Sokan elvakulnak az optimalizált, tökéletes belső minta visszatesztelési jelentések miatt, de a külső minta tesztelés segít feltárni ezt az „álcát”.
- Reálisabb bizalmat épít: Csak akkor bízhat meg igazán a stratégiában, ha az EA mind a belső, mind a külső mintán elfogadhatóan teljesít, nem pedig a túlillesztés által generált hamis bizalom alapján.
Hogyan végezze el ezt a két tesztet? (Egyszerű koncepció)
Általában a történelmi adatokat két (vagy több) részre osztjuk:- Belső minta (In-Sample): Ezt az adatot használjuk az optimalizáláshoz, hogy megtaláljuk a legjobb paramétereket.
- Külső minta (Out-of-Sample): Ezt az adatot „elrejtjük”, és nem használjuk az optimalizálás során. Az optimalizálás után a megtalált legjobb paraméterekkel futtatunk egy szokásos visszatesztet ezen az adathalmazon, hogy megnézzük az eredményt.
Néhány kereskedési platform (például az MT5) stratégia tesztelője rendelkezik „Forward Testing” funkcióval, amely automatikusan segít elvégezni az adatfelosztást és a tesztelést.
Összefoglalás: Az optimalizálás eredményének ellenőrzésének kulcsfontosságú lépései
Az EA paraméterek optimalizálása javíthatja a stratégia látszólagos teljesítményét, de ezt ellenőrizni kell.- Belső minta tesztelés segít megtalálni a „tehetséges” paramétereket.
- Külső minta tesztelés segít ellenőrizni, hogy ezek a paraméterek valóban „megbízhatóak”-e.
Ezekkel a két lépéssel mélyebb betekintést nyerhet az EA stratégia robosztusságába, hatékonyan csökkentheti a túlillesztés kockázatát, és így megalapozottabb kereskedési döntéseket hozhat.
Végső emlékeztető: Még ha egy EA mind a belső, mind a külső mintán jól teljesít is, ez akkor is csak múltbeli adatokon alapul.
A valódi pénz befektetése előtt a legfontosabb utolsó lépés mindig az, hogy élő tesztet végezzen „Demo számlán”.
Hagyja, hogy az EA egy ideig a jelenlegi piaci környezetben fusson, és figyelje a valós teljesítményt – ez a végső próba.
Ha úgy érzed, hogy ez a cikk hasznos számodra, oszd meg barátaiddal.
Hadd tanuljanak mások is a devizakereskedelemről!
Hadd tanuljanak mások is a devizakereskedelemről!
繁體中文 
العربية 
বাংলা 
简体中文 
香港中文 
Čeština 
Dansk 
Nederlands 
English 
Français 
Deutsch 
Ελληνικά 
हिन्दी 
Magyar 
Bahasa Indonesia 
Italiano 
日本語 
한국어 
Bahasa Melayu 
Norsk bokmål 
Polski 
Português do Brasil 
Português 
Română 
Русский 
Español de Argentina 
Español de México 
Español 
Svenska 
ไทย 
Türkçe 
Українська 
اردو 
Tiếng Việt