• हाल के वर्षों में, प्रोग्रामेटिक ट्रेडिंग तेजी से विकसित हुई है, व्यापार के साधन के रूप में प्रोग्रामेटिक निवेशकों की संख्या बढ़ रही है, और प्रोग्रामेटिक ट्रेडिंग के बारे में घरेलू अध्ययन में गहराई से बढ़ रहा है। एक उत्कृष्ट प्रोग्रामेटिक ट्रेडिंग सिस्टम विकसित करना, एक स्थिर और लाभदायक निवेश पथ पर जाना, कई व्यापारियों का लक्ष्य है।

एक अच्छा प्रोग्रामेटिक ट्रेडिंग सिस्टम विकसित करने से लेकर एक निश्चित मुनाफा कमाने तक की एक जटिल प्रक्रिया है। इस प्रक्रिया में कई समस्याओं का सामना करना पड़ता है। उदाहरण के लिए, अक्सर निवेशक ट्रेडिंग रणनीति का उपयोग करने से पहले रणनीति के लाभप्रदता के बारे में बहुत आश्वस्त होते हैं, क्योंकि रणनीति का इतिहास रिटर्न वक्र को चिकना कर देता है। और वास्तविक समय के बाद, पूंजी वक्र उल्टा हो जाता है, और कोई भी नहीं चाहता। इस घटना का एक महत्वपूर्ण कारण ओवरफिट है। ओवरफिट का तात्पर्य है कि नमूना डेटा के लिए, विवरण की सटीकता बहुत अधिक है, जबकि नमूना डेटा के लिए, विवरण की सटीकता बहुत कम है। प्रोग्रामेटिक ट्रेडिंग में, ऐतिहासिक परिदृश्य प्रभाव अच्छा है, लेकिन भविष्य के परिदृश्य में विफल रहता है।

• ओवरफिटिंग के कारण

प्रोग्रामेटिक ट्रेडिंग सिस्टम के डिजाइन प्रक्रिया में दो भाग होते हैं, दोनों में अति-अनुरूपता हो सकती है। ट्रेडिंग सिस्टम के डिजाइन का पहला भाग एक पूर्ण ट्रेडिंग नियम प्रणाली का निर्माण है। ट्रेडिंग नियम बनाने के लिए आम तौर पर शीर्ष-नीचे और नीचे-ऊपर दो तरीके होते हैंः शीर्ष-नीचे विधि बाजार की स्थितियों की लंबी अवलोकन पर आधारित है, जो नियम को संक्षेप में प्रस्तुत करती है, और फिर नियम के आधार पर एक मात्रात्मक ट्रेडिंग रणनीति तैयार करती है, इस प्रक्रिया में लंबे समय तक व्यापार अनुभव का संचय करना पड़ता है; नीचे-नीचे विधि बाजार के आंकड़ों से शुरू होती है, जो बाजार की विशेषताओं के रूप से विकसित होने वाली ट्रेडिंग रणनीतियों का सांख्यिकीय विश्लेषण करती है। प्रोग्रामेटिक ट्रेडिंग के साथ-साथ कंप्यूटर प्रौद्योगिकी के विकास के कारण नीचे-नीचे विधि का व्यापक रूप से उपयोग किया जाता है, व्यापारी लेनदेन के ऐतिहासिक डेटा सिस्टम का उपयोग करके तेजी से सांख्यिकीय परीक्षण कर सकते हैं, ताकि सिस्टम के प्रदर्शन को इतिहास में देखा जा सके, और ट्रेडिंग सिस्टम के लिए नए पैरामीटर का निर्माण करने के लिए अनुकूल हो। ट्रेडिंग सिस्टम की गुणवत्ता को बढ़ाने के लिए ट्रेडिंग सिस्टम

• अति अनुकूलता से कैसे बचें

आधुनिक गणितीय वित्तीय बाजारों के डेटा विश्लेषण से पता चलता है कि समय मूल्य अनुक्रम में दो भाग होते हैंः पहला हिस्सा निश्चित है, जिसमें से एक निश्चित नियम का पता लगाया जा सकता है; दूसरा हिस्सा यादृच्छिक है, जिसमें कोई निश्चित नियम नहीं है, एक घटना केवल संभावना है। जब हम ऐतिहासिक बाजारों के व्यवहार से व्यापार नियमों को निकालते हैं, तो नियमों की तार्किकता और नियमों का विश्लेषण करने की आवश्यकता होती है, तो व्यापार नियमों को बाजार के नियमों को प्रतिबिंबित करने की आवश्यकता होती है, एक ही समय में तर्कसंगत तरीके से। व्यापार नियमों की अत्यधिक संख्या एक नियम के लिए अवांछनीय है, जैसे कि व्यापार नियमों के लिए बहुत अधिक शब्द जो व्यापार नियमों को परिभाषित करने के लिए बहुत अधिक मौलिक तथ्यों को जोड़ते हैं, और यदि हम केवल व्यापार प्रणाली की व्यापकता को परिभाषित करते हैं, तो हम केवल व्यापार प्रणाली के प्रभावशीलता को प्रतिबिंबित करने की आवश्यकता होती है, क्योंकि व्यापार के नियमों की व्यापकता के माध्यम से, और अधिक विशिष्ट तथ्यों को परिभाषित करने की आवश्यकता होती है, और अधिक विशिष्ट चीजें होती हैं, और अधिक सरल होती हैं, और अधिक प्रभावी होती हैं।

• पहला, ऐतिहासिक परीक्षण डेटा के नमूने की क्षमता को बढ़ाएं, ताकि बहुत कम लेनदेन न हो। यदि ऐतिहासिक परीक्षण डेटा की मात्रा कम है, हालांकि डिज़ाइन की गई प्रणाली नमूने में अच्छी तरह से काम करती है, लेकिन परीक्षण की छोटी अवधि के लिए परीक्षण करना आश्वस्त नहीं है, तो सिस्टम के भविष्य के प्रदर्शन की भविष्यवाणी करना मुश्किल है। और कम लेनदेन की संख्या अक्सर बहुत अधिक लेनदेन नियमों की सीमाओं को जोड़ने के कारण होती है।

• दूसरा, परीक्षण के दौरान, परीक्षण के डेटा नमूने को नमूने के अंदर और बाहर के नमूने में विभाजित किया जाता है, सिस्टम को डिजाइन करते समय नमूने के भीतर डेटा का उपयोग किया जाता है, फिर आउटपुट सिस्टम को नमूने के बाहर के डेटा के साथ परीक्षण किया जाता है, यदि प्रभाव बहुत कम हो जाता है, तो ऐसी प्रणाली बहुत अच्छी तरह से फिट हो सकती है।

• तीसरा, कोर पैरामीटर बहुत अधिक नहीं होना चाहिए, बहुत अधिक पैरामीटर वाला सिस्टम एक बहु-स्वतंत्रता प्रणाली है, जो कई मापदंडों के अनुकूलन के बाद हमेशा एक सुंदर प्रणाली उत्पन्न करता है, लेकिन इस तरह के सिस्टम की विश्वसनीयता संदिग्ध है।

• चौथा, सिस्टम के मापदंडों को अनुकूलित करने के लिए, हमें सबसे अच्छे के आसपास के मापदंडों पर विचार करने की आवश्यकता है। यदि निकटतम मापदंडों के सिस्टम का प्रदर्शन सबसे अच्छा मापदंडों के प्रदर्शन से बहुत अलग है, तो यह सबसे अच्छा मापदंड एक अति-समीकरण का परिणाम हो सकता है, जिसे गणितीय रूप से कहा जाता है। विषम समाधान, अस्थिर है। यदि बाजार की विशेषताएं थोड़ी बदलती हैं, तो सबसे अच्छा मापदंड सबसे खराब मापदंड हो सकता है।

• पांचवां, ट्रेडिंग सिस्टम को अन्य किस्मों के लिए उपयोग करें और देखें कि यह कैसे काम करता है। एक सर्वव्यापी ट्रेडिंग सिस्टम दुर्लभ है, लेकिन एक किस्म पर अच्छा प्रदर्शन करने वाला सिस्टम, अन्य किस्मों पर कम से कम लाभान्वित हो सकता है। यदि अन्य किस्मों पर लाभदायक नहीं है, तो सिस्टम का उपयोग करने के दौरान, इसकी प्रभावशीलता पर ध्यान दिया जाना चाहिए, यानी कि क्या यह किसी किस्म की विशेष परिस्थितियों के लिए अत्यधिक अनुकूल है।

संबंधित लिंक और जानकारी
उत्पत्ति