बैकटेस्टिंग क्यों महत्वपूर्ण है
बैकटेस्टिंग वह प्रक्रिया है जिसमें किसी ट्रेडिंग रणनीति को ऐतिहासिक डेटा पर लागू करके देखा जाता है कि यह कैसे प्रदर्शन करती। यह ट्रेडिंग पर लागू वैज्ञानिक पद्धति है: आप एक परिकल्पना बनाते हैं ("यह सेटअप लाभदायक है"), उसे डेटा पर टेस्ट करते हैं (ऐतिहासिक NQ या ES कीमतें), और परिणामों के आधार पर निष्कर्ष निकालते हैं। बैकटेस्टिंग के बिना, आप अंतर्ज्ञान, किस्सों, और उम्मीद पर निर्भर रहते हैं — जिनमें से कोई भी टिकाऊ बढ़त नहीं है।
बैकटेस्टिंग ट्रेडिंग का सबसे महत्वपूर्ण प्रश्न हल करती है: "क्या यह रणनीति वास्तव में काम करती है?" न कि "क्या लगता है कि यह काम करती है" या "क्या पिछले 10 ट्रेड्स में यह काम करती थी"। क्या यह 200, 500, 1,000+ ट्रेड्स में अलग-अलग मार्केट कंडीशंस — ट्रेंडिंग, रेंजिंग, वोलैटाइल, शांत — के दौरान काम करती है? अगर जवाब सांख्यिकीय भरोसे के साथ हां है, तो आपके पास एक ट्रेडेबल एज है। अगर नहीं, तो आप महीनों के नुकसान और निराशा से बच जाते हैं।
परिकल्पना से टेस्ट तक
Step 1: स्पष्ट परिकल्पना परिभाषित करें
हर बैकटेस्ट एक विशिष्ट, टेस्टेबल परिकल्पना से शुरू होता है। "डिप्स पर खरीदना लाभदायक है" जैसी अस्पष्ट बातें टेस्टेबल नहीं हैं। आपको सटीक नियम चाहिए:
- Entry: ट्रेड में प्रवेश के लिए सटीक शर्तें (जैसे, "5-मिनट चार्ट पर 20-period EMA के ऊपर क्लोज होने पर NQ खरीदें AND cumulative delta पॉजिटिव हो जाए")
- Exit: प्रॉफिट टारगेट और स्टॉप लॉस (जैसे, "40-पॉइंट टारगेट, 20-पॉइंट स्टॉप")
- Filters: कब ट्रेड नहीं करना है (जैसे, "ओपन के पहले 5 मिनट में ट्रेड नहीं, FOMC दिनों में ट्रेड नहीं")
- Position size: प्रति ट्रेड कितने कॉन्ट्रैक्ट्स
- Timeframe: रणनीति किस टाइमफ्रेम पर चलती है
- Session: कौन सा ट्रेडिंग सेशन (केवल रेगुलर घंटे, ओवरनाइट सहित, आदि)
आपके नियम जितने विशिष्ट होंगे, आपका बैकटेस्ट उतना ही अर्थपूर्ण होगा। यदि आपके नियमों में सब्जेक्टिव तत्व हैं ("चार्ट मजबूत दिखे तो एंटर करें"), तो आप भरोसेमंद बैकटेस्ट नहीं कर सकते क्योंकि अलग-अलग लोग एक ही चार्ट को अलग तरह से समझते हैं।
Step 2: ऐतिहासिक डेटा एकत्र करें
आपके बैकटेस्ट की गुणवत्ता आपके डेटा की गुणवत्ता पर निर्भर करती है। फ्यूचर्स बैकटेस्टिंग के लिए आपको चाहिए:
- Continuous contract data: बैक-एडजस्टेड कंटीन्यूअस कॉन्ट्रैक्ट्स जो क्वार्टरली रोलओवर्स को सही तरीके से हैंडल करें। गैर-एडजस्टेड डेटा हर रोलओवर पर कृत्रिम गैप्स दिखाएगा जो परिणामों को विकृत करते हैं।
- Appropriate resolution: स्कैल्पिंग रणनीतियों के लिए आपको टिक-लेवल या 1-मिनट डेटा चाहिए। स्विंग रणनीतियों के लिए डेली बार्स पर्याप्त हो सकते हैं। उच्च रेज़ोल्यूशन डेटा अधिक महंगा होता है लेकिन अधिक सटीक परिणाम देता है।
- Sufficient history: न्यूनतम 1-2 वर्ष का डेटा। आदर्श रूप से 3-5 वर्ष ताकि अलग-अलग मार्केट रेजीम्स (बुल मार्केट्स, बियर मार्केट्स, हाई वोलैटिलिटी, लो वोलैटिलिटी) कैप्चर हो सकें।
- Volume data: यदि आपकी रणनीति ऑर्डर फ्लो या वॉल्यूम इंडिकेटर्स का उपयोग करती है, तो आपको सटीक वॉल्यूम डेटा चाहिए। ध्यान दें कि कुछ फ्री डेटा सोर्सेज में अधूरा या डिलेय्ड वॉल्यूम डेटा हो सकता है।
फ्यूचर्स बैकटेस्टिंग के लिए डेटा सोर्सेज: NinjaTrader (प्लेटफॉर्म के साथ फ्री हिस्टोरिकल डेटा), Sierra Chart (CQG/Denali डेटा फीड्स), TradingView (फ्री प्लान पर सीमित ऐतिहासिक गहराई), Kinetick (NinjaTrader की डेटा सर्विस), और dxFeed। प्रोफेशनल-ग्रेड टिक डेटा के लिए CQG या Rithmic हिस्टोरिकल डेटा पर विचार करें।
Step 3: बैकटेस्ट चलाएं
बैकटेस्ट चलाने के दो तरीके हैं:
Manual backtesting: ऐतिहासिक चार्ट्स को बार-बाय-बार स्क्रॉल करें, जहां आपका सेटअप हुआ वहां चिन्हित करें और परिणाम लॉग करें (विन/लॉस, एंट्री/एग्ज़िट कीमतें, R-मल्टिपल)। यह धीमा है लेकिन आपको अलग-अलग मार्केट कंडीशंस में रणनीति का गहरा अनुभव देता है। TradingView की replay फीचर या NinjaTrader के Market Replay का उपयोग करें।
Automated backtesting: अपनी रणनीति को एल्गोरिदम के रूप में कोड करें और इसे ऐतिहासिक डेटा पर चलाएं। सॉफ्टवेयर हर सेटअप पहचानता है, ट्रेड्स निष्पादित करता है, और व्यापक आंकड़े तैयार करता है। यह तेज़ है और मानव पक्षपात हटाता है लेकिन प्रोग्रामिंग स्किल्स या स्ट्रैटेजी बिल्डर टूल की जरूरत होती है।
फ्यूचर्स के लिए बैकटेस्टिंग टूल्स
- NinjaTrader Strategy Analyzer: NinjaScript (C#-बेस्ड) के साथ बिल्ट-इन बैकटेस्टर। बिल्ट-इन हिस्टोरिकल डेटा के साथ फ्री प्लेटफॉर्म। फ्यूचर्स-विशिष्ट बैकटेस्टिंग के लिए सबसे सुलभ विकल्प। मैनुअल (Market Replay) और ऑटोमेटेड दोनों टेस्टिंग के लिए अच्छा।
- TradingView Pine Script: Pine Script में रणनीतियां लिखें और TradingView चार्ट्स पर बैकटेस्ट करें। विज़ुअल बैकटेस्टिंग और क्विक प्रोटोटाइपिंग के लिए बढ़िया। फ्री प्लान्स पर डेटा डेप्थ सीमित है और टिक-लेवल डेटा एक्सेस नहीं कर सकते।
- Sierra Chart: ACSIL (C/C++ आधारित) या स्प्रेडशीट स्टडीज़ के साथ शक्तिशाली बैकटेस्टिंग। ऑर्डर फ्लो और वॉल्यूम-आधारित रणनीतियों के लिए उत्कृष्ट। सीखने की कर्व तेज़ है लेकिन फ्लेक्सिबिलिटी बेजोड़ है।
- Python (backtrader, vectorbt): सबसे लचीला विकल्प। ऐतिहासिक डेटा आयात करें (अपने ब्रोकर, CQG, या फ्री सोर्सेज से), Python में रणनीति कोड करें, और जो भी आंकड़े चाहिए निकालें। Python प्रोग्रामिंग ज्ञान आवश्यक है।
- MultiCharts: EasyLanguage/PowerLanguage स्क्रिप्टिंग के साथ प्रोफेशनल बैकटेस्टिंग प्लेटफॉर्म। पोर्टफोलियो-लेवल बैकटेस्टिंग और ऑप्टिमाइज़ेशन। सिस्टमैटिक ट्रेडर्स में लोकप्रिय।
- StrategyQuant X: AI-पावर्ड स्ट्रैटेजी बिल्डर जो हजारों रणनीति वेरिएशन्स ऑटोमेटिकली जनरेट और बैकटेस्ट कर सकता है। आइडिया जनरेशन के लिए उपयोगी लेकिन ओवरफिटिंग से सावधान रहें।
सैंपल साइज: आपको कितने ट्रेड्स चाहिए?
सांख्यिकीय विश्वसनीयता के लिए न्यूनतम ट्रेड्स की आवश्यकता होती है। यहां एक प्रैक्टिकल गाइड है:
- 30 ट्रेड्स: एक मोटा संकेत देने के लिए न्यूनतम। भरोसे के लिए बहुत कम — वैरिएंस बेहद ऊंचा है।
- 100 ट्रेड्स: अच्छा शुरुआती बिंदु। आप बुनियादी मेट्रिक्स (विन रेट, प्रॉफिट फैक्टर) को मध्यम भरोसे के साथ आकलित कर सकते हैं।
- 200 ट्रेड्स: अच्छा सांख्यिकीय पावर। परिणामों का केवल किस्मत होना संभावना कम है। अधिकांश रणनीति मूल्यांकन के लिए पर्याप्त।
- 500+ ट्रेड्स: उच्च भरोसा। बड़े संख्याओं का नियम आपके पक्ष में काम करता है। यदि रणनीति अलग-अलग मार्केट कंडीशंस में 500+ ट्रेड्स पर लाभदायक है, तो एज संभवतः वास्तविक है।
- 1,000+ ट्रेड्स: बहुत उच्च भरोसा। सिस्टमैटिक/एल्गोरिदमिक रणनीतियों के लिए उपयुक्त जिन्हें कैपिटल एलोकेशन को जस्टिफाई करना होता है।
एक सामान्य गलती: 50 ट्रेड्स बैकटेस्ट करना, 60% विन रेट देखना, और निष्कर्ष निकालना कि रणनीति काम करती है। 50 ट्रेड्स के साथ, 60% विन रेट आसानी से रैंडम चांस का परिणाम हो सकता है — 50 ट्रेड्स पर एक वास्तविक 50% रणनीति का 95% कॉन्फिडेंस इंटरवल लगभग 36% से 64% तक होता है। निष्कर्ष निकालने से पहले अधिक डेटा चाहिए। शुरुआती बैकटेस्ट के बाद भी सैंपल साइज बढ़ाने के लिए अपने प्रदर्शन को trading journal में ट्रैक करें।
ओवरफिटिंग ट्रैप
ओवरफिटिंग क्या है?
ओवरफिटिंग बैकटेस्टिंग का #1 दुश्मन है। यह तब होता है जब आप अपनी रणनीति को ऐतिहासिक डेटा के साथ पूरी तरह फिट करने के लिए ऑप्टिमाइज़ करते हैं — जिससे आप वास्तविक पैटर्न की बजाय नॉइज़ और रैंडमनेस कैप्चर करते हैं। ओवरफिटेड रणनीति बैकटेस्टिंग में शानदार दिखती है (90%+ विन रेट, बड़ा प्रॉफिट फैक्टर) लेकिन लाइव ट्रेडिंग में बुरी तरह फेल होती है क्योंकि जिन पैटर्न्स को उसने पकड़ा था वे उस ऐतिहासिक अवधि के लिए विशेष थे और दोहराए नहीं जाते।
इस तरह सोचें: यदि आप किसी रणनीति में पर्याप्त नियम और फिल्टर्स जोड़ दें, तो आप उसे किसी भी ऐतिहासिक डेटासेट पर लाभदायक बना सकते हैं। "केवल मंगलवार को 10:15-10:30 AM के बीच NQ ट्रेड करें जब 37-period EMA 53-period EMA के ऊपर हो और वॉल्यूम 450-600 कॉन्ट्रैक्ट्स के बीच हो।" यह बैकटेस्ट में सुंदर दिख सकता है — लेकिन यह इतिहास याद कर रहा है, वास्तविक एज नहीं पकड़ रहा।
ओवरफिटिंग से कैसे बचें
- Keep it simple: आपकी रणनीति में जितने कम पैरामीटर्स (वेरिएबल्स) होंगे, ओवरफिट होने की संभावना उतनी कम होगी। 2-3 नियमों वाली रणनीति 10+ नियमों वाली रणनीति से अधिक मजबूत होती है। हर अतिरिक्त नियम का स्पष्ट मार्केट लॉजिक होना चाहिए, सिर्फ बैकटेस्ट परिणाम बेहतर करने के लिए नहीं।
- Use out-of-sample testing: अपने डेटा को दो अवधि में बांटें। पहली अवधि में रणनीति विकसित और ऑप्टिमाइज़ करें (in-sample, जैसे 2022-2024)। फिर दूसरी अवधि (out-of-sample, जैसे 2025-2026) में उसी रणनीति का परीक्षण करें। अगर out-of-sample प्रदर्शन काफी गिरता है, तो रणनीति संभवतः ओवरफिट है।
- Require market logic: आपकी रणनीति का हर नियम यह स्पष्ट करे कि वह क्यों काम करता है। "अपट्रेंड्स में 20 EMA तक पुलबैक खरीदें" में स्पष्ट लॉजिक है (ट्रेंड के भीतर मीन रिवर्शन)। "37 EMA 53 EMA को क्रॉस करे तब खरीदें" मनमाना है — 37 और 53 क्यों, 35 और 55 क्यों नहीं?
- Test parameter sensitivity: यदि आपकी रणनीति 20-period moving average पर काम करती है लेकिन 18 या 22 पर फेल हो जाती है, तो यह नाजुक है और संभवतः ओवरफिट है। एक मजबूत रणनीति समान पैरामीटर वैल्यूज़ की रेंज में भी काम करेगी।
- Test across markets: यदि आपकी NQ रणनीति ES और YM पर भी काम करती है (टिक वैल्यू के अनुसार पैरामीटर एडजस्ट करके), तो अंतर्निहित सिद्धांत अधिक वास्तविक है। यदि यह सिर्फ 2024 में NQ पर काम करती है, तो यह संभवतः उसी डेटा के लिए ओवरफिट है।
वॉक-फॉरवर्ड टेस्टिंग
बैकटेस्टिंग का गोल्ड स्टैंडर्ड
वॉक-फॉरवर्ड टेस्टिंग ट्रेडिंग रणनीति को वैलिडेट करने का सबसे कठोर तरीका है। यह वास्तविक समय में रणनीति विकसित और ट्रेड करने के तरीके को सिमुलेट करता है:
- Step 1: ट्रेनिंग अवधि पर रणनीति को ऑप्टिमाइज़ करें (जैसे, Jan-Jun 2023)
- Step 2: ऑप्टिमाइज़्ड रणनीति को अगले अनदेखे पीरियड पर टेस्ट करें (Jul-Sep 2023)
- Step 3: विस्तारित ट्रेनिंग अवधि पर पुनः ऑप्टिमाइज़ करें (Jan-Sep 2023)
- Step 4: अगले अनदेखे पीरियड पर टेस्ट करें (Oct-Dec 2023)
- Step 5: पूरे डेटासेट में आगे बढ़ते हुए दोहराएं
हर फॉरवर्ड टेस्ट के out-of-sample परिणामों को समग्र परफॉर्मेंस रिकॉर्ड में संकलित किया जाता है। क्योंकि रणनीति को हमेशा ऐसे डेटा पर टेस्ट किया गया जिसे उसने पहले नहीं देखा था, वॉक-फॉरवर्ड परिणाम ऐतिहासिक डेटा से लाइव ट्रेडिंग परफॉर्मेंस का सबसे करीब अनुमान हैं।
वॉक-फॉरवर्ड दक्षता = out-of-sample प्रॉफिट ÷ in-sample प्रॉफिट। 50% से ऊपर का अनुपात एक मजबूत रणनीति का संकेत देता है। 30% से नीचे ओवरफिटिंग दिखाता है।
Statistical Significance
क्या आपका एज वास्तविक है या रैंडम?
एक रैंडम रणनीति भी कुछ प्रतिशत समय में पॉजिटिव परिणाम दिखा सकती है। सिक्का 100 बार उछालें, तो 55 हेड्स आ सकते हैं — इसका मतलब यह नहीं कि सिक्का बायस्ड है। इसी तरह, एक रैंडम ट्रेडिंग रणनीति 100 ट्रेड्स में 55% विन रेट केवल किस्मत से दिखा सकती है।
सांख्यिकीय महत्व टेस्ट्स इस प्रश्न का उत्तर देते हैं: "इन परिणामों के संयोग से होने की संभावना कितनी है?" सबसे आम माप:
- t-statistic: यह मापता है कि आपका औसत ट्रेड परिणाम शून्य से कितना अलग है। 2.0 से ऊपर का t-statistic (लगभग p-value 0.05 से नीचे) बताता है कि 95% कॉन्फिडेंस लेवल पर एज सांख्यिकीय रूप से महत्वपूर्ण है।
- p-value: संभावना कि आपके परिणाम केवल रैंडम चांस से आए हैं। 0.05 से नीचे p-value का मतलब है कि परिणाम रैंडम होने की संभावना 5% से कम है — आम तौर पर महत्वपूर्ण माना जाता है।
- Monte Carlo simulation: आपके ट्रेड परिणामों को हजारों बार रैंडम शफल करके संभावित आउटकम्स का वितरण तैयार करता है। यह दिखाता है कि आपकी रणनीति किस तरह की इक्विटी कर्व्स बना सकती है, जिसमें वे वर्स्ट-केस ड्रॉडाउन भी शामिल हैं जो अभी तक नहीं हुए।
t-statistic की गणना
t = (Average R-multiple × √Number of trades) ÷ Standard deviation of R-multiples
उदाहरण: 200 ट्रेड्स में, आपका औसत R-multiple +0.3R है और स्टैंडर्ड डेविएशन 1.5R। t = (0.3 × √200) ÷ 1.5 = (0.3 × 14.14) ÷ 1.5 = 4.24 ÷ 1.5 = 2.83
2.83 का t-statistic 2.0 थ्रेशोल्ड से काफी ऊपर है — यह एज सांख्यिकीय रूप से महत्वपूर्ण है। आप भरोसे के साथ ट्रेड कर सकते हैं कि परिणाम रैंडम किस्मत नहीं हैं।
बैकटेस्ट से लाइव ट्रेडिंग तक
ब्रिज: पेपर ट्रेडिंग / सिमुलेशन
सफल बैकटेस्ट का मतलब यह नहीं कि आपको तुरंत फुल साइज के साथ लाइव ट्रेड करना चाहिए। अगला कदम फॉरवर्ड टेस्टिंग है — 1-3 महीनों तक सिमुलेटर पर वास्तविक समय में रणनीति को ट्रेड करना। यह सत्यापित करता है कि आप लाइव कंडीशंस (रियल-टाइम निर्णय, एक्ज़िक्यूशन डिले, भावनात्मक दबाव) में रणनीति को लागू कर सकते हैं और रणनीति का प्रदर्शन बैकटेस्ट जैसा ही है।
सफल पेपर ट्रेडिंग के बाद, न्यूनतम जोखिम पर वास्तविक पैसे से सत्यापन के लिए Micro contracts (MNQ, MES) के साथ लाइव ट्रेडिंग करें। केवल तब E-mini कॉन्ट्रैक्ट्स पर स्केल करें जब आप पुष्टि कर लें कि रणनीति लाइव कंडीशंस में काम करती है।
डिग्रेडेशन की अपेक्षा करें
लाइव ट्रेडिंग परिणाम लगभग हमेशा बैकटेस्ट परिणामों से खराब होंगे। यह सामान्य और अपेक्षित है। कारण:
- Slippage: बैकटेस्ट मानता है कि फिल्स सटीक कीमतों पर मिलेंगे। लाइव ट्रेडिंग में स्लिपेज होता है, खासकर मार्केट और स्टॉप ऑर्डर्स पर।
- Commissions: यदि बैकटेस्ट में शामिल नहीं किया गया, तो कमिशन्स परिणाम कम कर देते हैं। $4 राउंड-टर्न प्रति NQ कॉन्ट्रैक्ट पर 200 ट्रेड्स में यह $800 लागत बनती है।
- Execution delays: बैकटेस्ट में एंट्री तुरंत होती है। लाइव ट्रेडिंग में सिग्नल और एक्ज़िक्यूशन के बीच देरी होती है — खासकर मैनुअल ट्रेडर्स के लिए।
- Emotional interference: बैकटेस्ट में साइकोलॉजी नहीं होती। लाइव ट्रेडिंग में डर, लालच, और हिचकिचाहट एक्ज़िक्यूशन क्वालिटी कम करते हैं।
- Market regime change: बैकटेस्ट अवधि की मार्केट कंडीशंस मौजूदा कंडीशंस से अलग हो सकती हैं। 2023 के ट्रेंडिंग मार्केट के लिए ऑप्टिमाइज़ की गई रणनीति 2026 के चॉप्पी मार्केट में अंडरपरफॉर्म कर सकती है।
एक उचित अपेक्षा: लाइव परफॉर्मेंस बैकटेस्ट परफॉर्मेंस का 50-80% होगा। यदि आपका बैकटेस्ट प्रति ट्रेड +0.5R दिखाता है, तो लाइव ट्रेडिंग में +0.25R से +0.4R अपेक्षित रखें। अपनी position sizing और रिस्क मैनेजमेंट को इस रेंज के कंजरवेटिव छोर पर प्लान करें, न कि आशावादी बैकटेस्ट परिणामों पर।
बैकटेस्टिंग चेकलिस्ट
- रणनीति के नियम पूरी तरह परिभाषित और ऑब्जेक्टिव हैं (कोई सब्जेक्टिविटी नहीं)
- उचित रोलओवर एडजस्टमेंट के साथ कंटीन्यूअस कॉन्ट्रैक्ट डेटा का उपयोग
- बैकटेस्ट में न्यूनतम 200 ट्रेड्स (500+ पसंदीदा)
- कम से कम 2 वर्षों के डेटा पर टेस्ट किया गया, जिसमें अलग-अलग मार्केट रेजीम्स शामिल हों
- कमिशन्स और वास्तविक स्लिपेज परिणामों में शामिल हैं
- Out-of-sample टेस्टिंग की गई (ऐसा डेटा जिसे रणनीति ने नहीं देखा)
- सिस्टमैटिक रणनीतियों के लिए वॉक-फॉरवर्ड एनालिसिस पूरा किया गया
- पैरामीटर सेंसिटिविटी टेस्ट की गई (रणनीति निकट पैरामीटर वैल्यूज़ पर भी काम करती है)
- t-statistic 2.0 से ऊपर (सांख्यिकीय रूप से महत्वपूर्ण एज)
- मैक्सिमम ड्रॉडाउन सहने योग्य है (प्रॉप फर्म लिमिट्स या व्यक्तिगत टॉलरेंस के भीतर)
- कमिशन्स के बाद प्रॉफिट फैक्टर 1.3 से ऊपर
- परिणाम लॉजिकल हैं (सिर्फ कर्व-फिटेड नॉइज़ नहीं)
Frequently Asked Questions
क्या मैं बिना कोडिंग के बैकटेस्ट कर सकता/सकती हूं?
हां। मैनुअल बैकटेस्टिंग (चार्ट्स को बार-बाय-बार स्क्रॉल करना) के लिए कोई कोडिंग नहीं चाहिए। TradingView की bar replay फीचर इसे आसान बनाती है। बिना कोडिंग के ऑटोमेटेड बैकटेस्टिंग के लिए StrategyQuant X और कुछ NinjaTrader wizards विज़ुअल स्ट्रैटेजी बिल्डर्स ऑफर करते हैं। हालांकि, बेसिक Pine Script (TradingView) या NinjaScript सीखने से कहीं अधिक शक्तिशाली बैकटेस्टिंग क्षमताएं खुल जाती हैं।
मुझे कितना ऐतिहासिक डेटा चाहिए?
डे ट्रेडिंग रणनीतियों के लिए न्यूनतम 1 वर्ष (अलग-अलग मौसमी पैटर्न्स कैप्चर करने के लिए)। आदर्श रूप से 3-5 वर्ष ताकि बुल और बियर मार्केट्स, हाई और लो वोलैटिलिटी पीरियड्स, और अलग-अलग ब्याज दर वातावरण शामिल हों। स्विंग ट्रेडिंग रणनीतियों के लिए 5+ वर्ष पसंदीदा है क्योंकि कम ट्रेड फ्रीक्वेंसी का मतलब है पर्याप्त सैंपल साइज के लिए अधिक कैलेंडर समय चाहिए।
मेरे बैकटेस्ट में 80% विन रेट दिखता है। क्या यह सच होने के लिए बहुत अच्छा है?
संभवतः हां। 80% विन रेट बेहद टाइट टारगेट्स के साथ संभव है (जैसे, 10-पॉइंट टारगेट, 50-पॉइंट स्टॉप — लेकिन औसत लॉस औसत विन से 5× है, जिससे रणनीति अनप्रॉफिटेबल होती है)। यदि आपके 80% विन रेट के साथ प्रॉफिट फैक्टर 2.0 से ऊपर है और यह 200+ ट्रेड्स पर आधारित है, तो सत्यापित करें कि आपने ओवरफिट नहीं किया। Out-of-sample टेस्ट चलाएं — यदि विन रेट बहुत गिरता है, तो यह ओवरफिटिंग थी।
क्या मुझे अपने रणनीति पैरामीटर्स को ऑप्टिमाइज़ करना चाहिए?
मध्यम ऑप्टिमाइज़ेशन ठीक है — जैसे स्टॉप और टारगेट वैल्यूज़ की रेंज टेस्ट करना (15, 20, 25, 30-पॉइंट स्टॉप्स)। अत्यधिक ऑप्टिमाइज़ेशन (सैकड़ों पैरामीटर कॉम्बिनेशन्स टेस्ट करना ताकि परफेक्ट सेटिंग मिले) ओवरफिटिंग की रेसिपी है। एक डेटा सेट पर ऑप्टिमाइज़ करें, फिर अलग डेटा सेट पर वैलिडेट करें। यदि अवधि A के ऑप्टिमल पैरामीटर्स अवधि B में भी अच्छी तरह काम करते हैं, तो वे संभवतः मजबूत हैं।
बैकटेस्टिंग में स्लिपेज को कैसे शामिल करूं?
अपने बैकटेस्ट सेटिंग्स में प्रति ट्रेड 1-2 ticks स्लिपेज जोड़ें। NQ के लिए यह प्रति कॉन्ट्रैक्ट प्रति ट्रेड $5-$10 है। ES के लिए $12.50-$25.00। अधिकांश बैकटेस्टिंग प्लेटफॉर्म्स में "slippage" सेटिंग होती है — इसे उपयोग करें। यह आपके बैकटेस्ट परिणाम कम करेगा लेकिन लाइव परफॉर्मेंस की अधिक वास्तविक तस्वीर देगा। यदि आपका रणनीति 2 ticks स्लिपेज के साथ भी लाभदायक है, तो इसके लाइव ट्रेडिंग में टिके रहने की संभावना अधिक है।
अपने रणनीति को प्रॉप फर्म मूल्यांकन पर टेस्ट करें
बैकटेस्टिंग और फॉरवर्ड-टेस्टिंग के बाद, इसे अंतिम परीक्षा पर रखें: एक प्रॉप फर्म मूल्यांकन। अपनी प्रमाणित अप्रोच के लिए सही अकाउंट साइज और नियम खोजने के लिए फर्म्स की तुलना करें।