Тестирование на выборке vs Тестирование вне выборки: Как более надежно оценить ваш EA?
В предыдущей статье мы говорили о том, как «оптимизировать » (Optimization) вашего Экспертного советника (EA), то есть настраивать параметры, чтобы он показывал лучшие результаты на исторических данных.Мы также упомянули о необходимости быть осторожными с ловушкой «переобучения » (Overfitting), когда EA слишком идеально подстраивается под прошлые данные, что может привести к плохой работе в будущем.
Итак, как узнать, действительно ли найденные оптимизацией «лучшие» параметры отражают закономерности рынка, а не просто «зазубрили» прошлые данные?
Здесь очень важны два понятия: тестирование на выборке (In-Sample Testing) и тестирование вне выборки (Out-of-Sample Testing).
Они помогают нам более надежно оценить стратегию EA.
Что такое тестирование на выборке (In-Sample Testing) ?
Проще говоря:
Тестирование на выборке — это исторические данные, которые вы используете в процессе оптимизации.Как повторение учебника:
Представьте, что вы готовитесь к экзамену, повторяя выделенные учителем ключевые моменты учебника.EA во время оптимизации «учится» на этих данных выборки, чтобы найти параметры, которые показывают лучшие результаты на этом отрезке.
Какова цель?
Найти набор параметров, который обеспечивает лучшее поведение EA на этом конкретном историческом отрезке.Какие ограничения?
Хорошие результаты на данных выборки не гарантируют успех в будущем.Потому что EA может просто «запомнить» специфические паттерны или шумы этих данных, а не выучить универсальные закономерности.
Это и есть риск переобучения.
Что такое тестирование вне выборки (Out-of-Sample Testing) ?
Проще говоря:
Тестирование вне выборки — это использование другого, полностью неиспользованного в процессе оптимизации исторического отрезка для проверки найденных на выборке «лучших» параметров.Как прохождение пробного экзамена:
После повторения учебника (тестирование на выборке) вы проходите пробный экзамен, который никогда раньше не видели (данные вне выборки), чтобы проверить, насколько хорошо вы усвоили материал.Тестирование вне выборки — это когда ваш EA с оптимизированными параметрами запускается на исторических данных, которые он «не видел » ранее.
Какова цель?
Проверить, насколько «лучшие» параметры показывают хорошие результаты на новых, неизвестных исторических данных.Это помогает понять, действительно ли EA научился работать, а не просто сдал «экзамен» на данных выборки.
Как это помогает вам?
- Если EA показывает приемлемые результаты на данных вне выборки (возможно, не так идеально, как на выборке, но всё ещё достойно), вы можете быть более уверены, что стратегия надежна и не сильно переобучена.
- Если EA показывает плохие результаты на данных вне выборки (например, вместо прибыли — убытки), это сильный сигнал тревоги ! Скорее всего, ваш EA сильно переобучен, и найденные «лучшие» параметры ненадежны.
Почему это важно? (решение ваших опасений)
- Снижение страха потерь: Тестирование вне выборки — это более приближенная к реальности проверка. Если стратегия плохо работает на этих данных, это предупреждение до того, как вы начнете рисковать реальными деньгами. Понимание реальных рисков помогает управлять ожиданиями и уменьшить страх перед будущими убытками.
- Борьба с ловушкой переобучения: Это один из самых прямых и эффективных способов избежать переобучения. Многие обманываются идеальными результатами оптимизации на выборке, а тестирование вне выборки помогает развеять этот «миф».
- Формирование более реалистичной уверенности: Только когда EA показывает разумные результаты и на выборке, и вне выборки, вы можете строить более обоснованную уверенность в стратегии, а не ложную, основанную на переобучении.
Как проводить эти два теста? (простая концепция)
Обычно исторические данные делят на две (или более) части:- Выборка (In-Sample): Используется для оптимизации и поиска лучших параметров.
- Вне выборки (Out-of-Sample): Эти данные «прячут» и не используют в оптимизации. После оптимизации запускают обычное тестирование с найденными параметрами на этих данных, чтобы посмотреть результат.
Некоторые торговые платформы (например, MT5) имеют в тестере стратегий функцию «прямого тестирования » (Forward Testing), которая помогает автоматически разделять данные и проводить тесты.
Итог: ключевые шаги для проверки результатов оптимизации
Оптимизация параметров EA может сделать стратегию лучше, но необходимо её проверить.- Тестирование на выборке помогает найти «перспективные» параметры.
- Тестирование вне выборки проверяет, насколько эти параметры действительно надежны.
Пройдя эти два этапа, вы сможете глубже понять устойчивость стратегии EA и эффективно снизить риск переобучения, что позволит принимать более взвешенные торговые решения.
Последнее напоминание: Даже если EA показывает хорошие результаты и на выборке, и вне выборки, это всё равно основано на прошлых данных.
Перед вложением реальных средств самым важным финальным шагом всегда остаётся проведение реального тестирования на Демо-счёте.
Дайте EA поработать в текущих рыночных условиях некоторое время и наблюдайте за реальными результатами — это и есть окончательное испытание.
Если вы считаете, что эта статья была полезной, поделитесь ею с друзьями.
Давайте вместе учиться знаниям о валютной торговле!
Давайте вместе учиться знаниям о валютной торговле!
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