Kapitel 6. Klassen fürereignisbasiertes Backtesting erstellen
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Die tatsächlichen Tragödien des Lebens haben nichts mit unseren vorgefassten Meinungen zu tun. Man ist immer wieder verblüfft von ihrer Einfachheit, ihrer Großartigkeit und von dem Element des Bizarren, das ihnen innewohnt.
Jean Cocteau
Einerseits ist das vektorisierte Backtesting mit NumPy und pandas aufgrund des knappen Codes in der Regel bequem und effizient zu implementieren und schnell auszuführen, da diese Pakete für solche Operationen optimiert sind. Allerdings kann dieser Ansatz weder alle Arten von Handelsstrategien noch alle Phänomene abdecken, mit denen ein algorithmischer Trader in der Handelsrealität konfrontiert wird. Beim vektorisierten Backtesting gibt es folgende potenzielle Schwächen des Ansatzes:
- Voreingenommenheit im Voraus
-
Das vektorisierte Backtesting basiert auf dem gesamten verfügbaren Datensatz und berücksichtigt nicht, dass neue Daten schrittweise eintreffen.
- Vereinfachung
-
Zum Beispiel können feste Transaktionskosten nicht durch Vektorisierung modelliert werden, die hauptsächlich auf relativen Renditen basiert. Auch feste Beträge pro Handel oder die Nichtteilbarkeit einzelner Finanzinstrumente (z. B. eines Aktienanteils) können nicht richtig modelliert werden.
- Nicht-Rekursivität
-
Algorithmen, die Handelsstrategien verkörpern, können auf Zustandsvariablen ...
Get Python für den algorithmischen Handel now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
