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 оптимизация нашла «лучшие» параметры, которые отражают закономерности рынка, а не просто «зазубрила» прошлые данные?
Здесь очень важны понятия тестирования на выборке (In-Sample Testing) и тестирования 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 использование той части исторических данных, которая применяется в процессе оптимизации.Как повторение учебника:
Представьте, что вы готовитесь к экзамену, повторяя выделенные учителем важные моменты в учебнике.EA при оптимизации «учится» на этих данных, подбирая параметры, которые показывают наилучший результат именно на этом отрезке.
Какова цель?
Найти набор параметров, который обеспечивает наилучшее поведение EA на данном конкретном историческом отрезке.Какие ограничения?
Хорошие результаты на выборке не гарантируют успех в будущем.Потому что EA может просто «запомнить» специфические паттерны или шумы в 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 проверка найденных на выборке «лучших» параметров на другой части исторических данных, которая не использовалась при оптимизации.Как пробный экзамен:
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 «неизвестных» ему исторических данных.
Какова цель?
Проверить, насколько хорошо «лучшие» параметры работают на новых, неизвестных данных.Это помогает понять, действительно ли EA научился работать с рынком, а не просто «сдал экзамен» на выборке.
Как это помогает вам?
- Если EA показывает хорошие результаты на данных вне выборки (возможно, не так идеально, как на выборке, но приемлемо), вы можете быть более уверены, что стратегия надежна и не сильно переобучена.
- Если EA работает плохо на данных вне выборки (например, из прибыли переходит в убыток), 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 вне выборки, 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 «мираж».
- 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 при оптимизации. После оптимизации запускают обычный бэктест с найденными параметрами на этих данных, чтобы проверить результаты.
Некоторые торговые платформы (например, MT5) имеют функцию «Forward Testing» (прямое тестирование), которая помогает автоматически разделять данные и проводить тесты.
Итог: ключевые шаги для проверки результатов оптимизации
Оптимизация параметров EA может улучшить стратегию, но необходима проверка.- 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, эффективно снизить риск переобучения и принимать более обоснованные торговые решения.
Последнее напоминание: Даже если EA хорошо работает и на выборке, и вне выборки, это всё равно основано на прошлых данных.
Перед вложением реальных средств самым важным последним шагом всегда является проведение реального тестирования на «Демо-счете».
Дайте EA поработать в текущих рыночных условиях некоторое время, 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