یک طرح اعتبارسنجی گامرو به جلو میسازد تا معلوم شود استراتژی لبه دارد یا فقط به داده گذشته برازش شده.
منتقد نتایج بکتست
نتایج بکتست را با نگاه بدبینانه بررسی میکند تا مشخص شود عملکرد واقعی است یا بیشبرازش.
این پرامپت چه کاری انجام میدهد؟
منحنی سرمایه زیبا در بکتست، رایجترین دام معاملهگران کمی است. اگر بهاندازه کافی پارامتر تنظیم کنید، همیشه میتوانید نتیجهای عالی روی داده گذشته بسازید که هیچ ارزشی برای آینده ندارد.
این پرامپت نقش منتقد را بازی میکند: به دنبال نشانههای بیشبرازش میگردد، فرضهای خوشبینانه را زیر سؤال میبرد و مشخص میکند چه آزمونهایی هنوز انجام نشده.
نقش تو: منتقد بکتست با نگاه بدبینانه. وظیفه تو یافتن دلایلی است که چرا این نتیجه ممکن است واقعی نباشد.
وظیفه: نتایج بکتست زیر را نقد کن.
نتایج: {{RESULTS}}
شرح استراتژی: {{STRATEGY}}
تعداد پارامترها: {{PARAMS}}
دوره داده: {{PERIOD}}
تعداد معاملات: {{TRADES}}
فرضهای بکتست: {{ASSUMPTIONS}}
ساختار خروجی:
■ ۱. آزمون معقول بودن نتیجه
- آیا بازدهی و نسبت شارپ در محدوده معقول است؟ نسبت شارپ بالای ۲ در یک استراتژی ساده، معمولاً نشانه خطاست نه نبوغ.
- آیا نرخ برد و نسبت سود به زیان با هم سازگارند؟
- آیا حداکثر دراودان نسبت به بازدهی، غیرعادی کوچک است؟
■ ۲. نشانههای بیشبرازش
هر مورد را بررسی کن:
- نسبت تعداد پارامتر به تعداد معامله: با {{PARAMS}} پارامتر و {{TRADES}} معامله، درجه آزادی کافی است؟
- آیا پارامترها مقادیر عجیب و غیرگرد دارند؟ (نشانه بهینهسازی بیش از حد)
- آیا استراتژی قواعد شرطی زیادی دارد که هر کدام چند معامله را حذف میکنند؟
- آیا عملکرد در زیردورهها پایدار است یا از یک دوره خاص میآید؟
■ ۳. آزمون حساسیت پارامتر
سؤال کلیدی: اگر هر پارامتر ۱۰ تا ۲۰ درصد تغییر کند، نتیجه چقدر تغییر میکند؟
اگر این آزمون انجام نشده، صریح بگو که بدون آن، نتیجه قابل اتکا نیست. استراتژی سالم باید در محدودهای از پارامترها عملکرد قابل قبولی داشته باشد، نه فقط در یک نقطه.
■ ۴. بررسی نگاه به آینده
نشانههای احتمالی استفاده از داده آینده:
- نرخ برد غیرعادی بالا
- ورودهایی که دقیقاً در کف و سقف انجام میشوند
- دراودان بسیار کم
- عملکرد یکنواخت در همه شرایط بازار
اگر هر کدام دیده میشود، هشدار جدی بده.
■ ۵. واقعبینی فرضها
- آیا کارمزد و اسلیپیج واقعبینانه است؟ محاسبه کن که با دو برابر کردن آنها، نتیجه چه میشود.
- آیا نقدشوندگی برای حجم فرضشده کافی است؟
- آیا داده شامل شکافهای قیمتی و دورههای توقف معاملات است؟
- آیا اجرای فرضشده در قیمتهای واقعی ممکن بوده؟
■ ۶. مشکلات داده
- سوگیری بقا: آیا داده شامل داراییهایی است که حذف شدهاند؟
- کیفیت داده و وجود خطا
- آیا دوره داده شامل رژیمهای مختلف بازار است؟ استراتژی که فقط در یک بازار صعودی تست شده، تست نشده است.
■ ۷. آزمونهای انجامنشده
فهرست آزمونهایی که باید انجام شوند:
- آزمون خارج از نمونه
- آزمون پیشرونده (walk-forward)
- آزمون روی داراییهای مشابه
- آزمون مونتکارلو روی ترتیب معاملات
- مقایسه با یک معیار ساده (مثلاً خرید و نگهداری)
■ ۸. مقایسه با معیار ساده
آیا این استراتژی از یک روش ساده بهتر عمل میکند؟ اگر نه، پیچیدگی آن توجیهی ندارد.
■ ۹. حکم
یکی را انتخاب کن: امیدوارکننده و ارزش تست بیشتر دارد، نیازمند آزمون بیشتر پیش از هر قضاوتی، یا احتمالاً بیشبرازششده.
صریح باش. لطف واقعی به معاملهگر، هشدار زودهنگام است.
متغیرهای پرامپت
پیش از اجرا، این متغیرها را با اطلاعات خودتان جایگزین کنید:
| {{RESULTS}} | نتایج بکتست با معیارها |
| {{STRATEGY}} | شرح استراتژی |
| {{PARAMS}} | تعداد پارامترهای قابل تنظیم |
| {{PERIOD}} | دوره داده |
| {{TRADES}} | تعداد معاملات |
| {{ASSUMPTIONS}} | فرضهای بکتست: کارمزد، اسلیپیج و… |
خروجی مورد انتظار
- آزمون معقول بودن نتایج
- نشانههای بیشبرازش
- بررسی نگاه به آینده
- فهرست آزمونهای انجامنشده
پرسشهای پرتکرار
این پرامپت دقیقاً چه خروجی میدهد؟
آیا برای استفاده از این پرامپت نیاز به دانش فنی دارم؟
پرامپتهای مرتبط
منطق استراتژی را به کد بکتست پایتون بدون نگاه به آینده و با احتساب هزینه تبدیل میکند.
قواعد استراتژی شما را به یک اسکلت کد تمیز با جداسازی سیگنال، ریسک و اجرا تبدیل میکند.
الگوی کندلی مورد علاقه شما را به یک استراتژی کامل با فیلتر، ورود، خروج و قاعده اندازه تبدیل میکند.