ప్రతి AI strategy మీద 8 robustness tests

ఒక student గురించి ఆలోచించండి. Practice ప్రశ్నలు in-sample data: search వాటిని చదివి, అక్కడ బాగా పని చేసిన rules ఉంచుకుంటుంది. Practice ప్రశ్నల్లో బాగా చేయడం పెద్దగా ఏమీ రుజువు చేయదు — జవాబులు బట్టీ పట్టి ఉండొచ్చు.

అసలు exam out-of-sample data: మీ dates లో చివరి భాగం, search జరిగేటప్పుడు దాచి ఉంచినది. అక్కడ కూడా డబ్బు చేసిన strategy నిజంగా ఏదో పట్టుకుని ఉండొచ్చు.

ప్రతి strategy ఈ 8 tests మీద check అవుతుంది.

• Out-of-sample holds up — unseen data లో కూడా సరిపడా trades తో డబ్బు చేసింది, మీ మొత్తం dates మీద taxes, slippage తర్వాత దాని starting capital మీద return షరతు తీరుస్తుంది.
• Monte Carlo Trade Resampling — దాని trades వరుసని చాలా సార్లు కలగలుపుతారు; దాదాపు ప్రతి వరుసలో profit లో ఉండాలి.
• Profitable in most periods — history లో ఎక్కువ భాగాల్లో profit రావాలి, ఏదో ఒక అదృష్టపు కాలంలో మాత్రమే కాదు.
• Survives delayed entry/exit — execution ఆలస్యమైనా పని చేయాలి.
• Beats random strategies — అవే exits తో random rules మీద కట్టిన strategies కంటే స్పష్టంగా మెరుగ్గా ఉండాలి.
• Neighbouring settings also work — కొంచెం వేరే numbers తో కూడా పని చేయాలి. ఒకే ఒక్క number తో మాత్రమే పని చేసే strategy బహుశా అదృష్టమే.
• Survives noisy prices — prices లో చిన్న random మార్పులతో అది విరిగిపోకూడదు. ఈ test నడవనప్పుడు దాని column లో dash కనిపిస్తుంది.
• Walk-forward — data లో ఒక భాగం మీద tune చేశాక, తర్వాతి భాగంలో కూడా పని చేస్తూ ఉండాలి.

Top strategy 8 tests అన్నీ pass అయింది. మేము product ని గత సంవత్సరాల మీద మళ్లీ నడిపి చూసినప్పుడు, దాదాపు 10 లో 6 top strategies తర్వాతి నెలల్లో profit లో ఉన్నాయి; random strategies లో అయితే 10 లో దాదాపు 4.

అంటే tests అవకాశాల్ని మీ వైపు మొగ్గేలా చేస్తాయి. Profit కి గ్యారెంటీ ఇవ్వవు. Strategy ని అర్థం చేసుకోండి, దాని rules చదవండి, నమ్మే ముందు చిన్న size తో trade చేయండి.

Strategy page లో Run robustness tests దాని మీద 8 tests అన్నీ మళ్లీ నడుపుతుంది, search దాన్ని వెతికిన అవే dates మీద. మార్చని strategy కి సరిగ్గా అదే తీర్పు వస్తుంది. ముందు strategy ని edit చేస్తే, అది కొత్త strategy, తీర్పు వేరుగా రావొచ్చు. ఒక్కో re-test కి 1 credit.