Ollivander
Авторский канал, посвящённый истории финансов и алготрейдингу. Мягкий вход в мир автоматической торговли для новичков: https://t.me/OllivanderIsHere
Тема переоптимизации и заглядывания в будущее вообще одна из самых важных. Ваш метод хорош, но мне кажется, что нужно несколько дополнений. Когда мы говорим о параметрах, мы часто включаем туда и глубину анализа, т.е. количество свечей в прошлом.
Тут проблема может возникать в нескольких случаях:
1) разное количество торговых часов в сутках. 24 часа в крипте и около 15 часов на срочной секции Московской биржи
2) изменения времени проведения торгов на бирже
Для примера, брокеры отдают данные предторгового аукциона, основная сессия начинается в 9 утра, но лаба пакует пару минутных свечей и мы получаем целую часовую свечу в 8:00, которой быть не должно было. При этом при бэктекстах на исторических данных этой свечи нет.
Понятно, что пример больше про соответствие боевого режима тесту, но могу сказать, что даже этот час, сильно влияет на результат
Из реально работающего: TD3-алгоритмы для хеджирования опционов уже можно протестировать на QuantConnect или Alpaca — они показывают хорошие результаты на волатильных рынках, особенно с учётом комиссий и проскальзываний. Принципы микроструктуры в DeFi давно встроены в Uniswap V3/V4 — динамическое управление ликвидностью там реализует те же идеи, что и в исследованиях. Методы оценки влияния крупных ордеров частично доступны через API-брокеров вроде Alpaca и Binance Quantitative, где видно реакцию рынка на объёмные заявки. LLM-боты для крипты, например решения на 3Commas, уже умеют корректировать стратегию под рыночные условия без ручных правок. А CVaR-модели риска давно применяются в Portfolio Visualizer — всё считается без программирования и лишней математики.
А вот что пока больше теория: симуляторы книги ордеров на процессах Хоукса и p-индексы для оценки эффективности портфелей. С первыми всё упирается в данные — чтобы модель выглядела как реальный рынок, ей нужны миллионы тиков и миллисекундные реакции участников, что по силам только проп-дескам и исследовательским центрам. P-индекс тоже звучит любопытно, он оценивает не только итоговую доходность, но и «эффективность пути» инвестиций, но на практике таких метрик уже десятки, и классика вроде коэффициента Шарпа по-прежнему остаётся надёжнее.
Если интересно, как эти подходы работают вживую, загляните в мой Telegram (https://t.me/OllivanderIsHere
) — мы как раз обсуждаем тестовые примеры в чате и тестируем собственного ИИ ассистента для трейдеров