Optymalizowanie systemów 679
limitu zmiany cen. Jeśli zakłada się realizację zlecenia w takiej sytuacji, rezultaty na papierze mogą być znacznie lepsze od rzeczywistych. Diagram 20.2 pokazuje hipotetyczne sygnały i odpowiadające im ceny realizacji. Zauważmy, że o ile sygnały sugerują zysk w wysokości 42,4 centów (15 900 dolarów na kontrakt), w rzeczywistości następuje strata 16,2 centów (6075 dolarów na kontrakt).
Na pozór atrakcyjne systemy mogą zatem stracić swój urok, kiedy przyjmie się realistyczne założenia. Tak jest zwłaszcza w przypadku systemów bardzo aktywnych, które generują bardzo duże koszty transakcyjne. Lepiej jednak dokonać tego odkrycia w fazie testów niż w praktyce rynkowej.
Optymalizacja to proces szukania najlepszych zestawów parametrów dla danego systemu na określonym rynku. Założeniem optymalizacji jest to, że zestaw parametrów, który wykazał się największą skutecznością w przeszłości, cechuje większe prawdopodobieństwo dobrego funkcjonowania w przyszłości. (Kwestia słuszności tego założenia omówiona zostanie nieco później).
Podstawowe pytanie, jakie należy rozważyć w przypadku optymalizacji, dotyczy kryteriów tego, co jest „największą skutecznością". Często oznacza to po prostu największy zysk, ale jest to określenie niepełne. Porównując skuteczność, należałoby rozważyć cztery czynniki:
1. Zwrot procentowy. Zwrot mierzony w stosunku do funduszy potrzebnych do działania systemu. Znaczenie posługiwania się zwrotem procentowym, a nie nominalnym zyskiem, omówione jest szczegółowo w rozdziale dwudziestym pierwszym.
2. Miara ryzyka. Oprócz zysku procentowego trzeba także uwzględniać jakąś miarę fluktuacji wartości kapitału (na przykład zmienność stopy zysku, wahania wielkości kapitału). Oprócz oczywistych psychologicznych powodów, by unikać parametrów i systemów o wysokiej zmienności, miara ryzyka jest szczególnie istotna także dlatego, że można niefortunnie wybrać moment uruchomienia systemu (nie ma sposobu, by wiedzieć, kiedy może nastąpić maksymalne obsunięcie kapitału). W następnym rozdziale omówionych jest kilka mierników skuteczności, które uwzględniają zarówno zwrot procentowy, jak i ryzyko.
3. Stabilność parametru. Nie wystarczy znaleźć jeden zestaw parametrów, który dobrze wypada w testach. Trzeba także się upewnić, że nie jest to zbieg okoliczności. Celem optymalizacji powinno być