بکتست استراتژیهای فارکس: ایجاد یک مزیت معاملاتی مقاوم
اکثر بکتستها «دروغهای محترمانه» هستند. بیاموزید که چگونه فراتر از بررسیهای ساده بروید تا امید ریاضی واقعی را پیدا کرده و استراتژی خود را در برابر تلههای بازار بسنجید.
Raj Krishnamurthy
مدیر تحقیقات بازار
Dariush Mohammadi
هفتهها وقت صرف اصلاح یک استراتژی کردهاید و نتایج بکتست خیرهکننده است: نرخ برد ۸۵٪ و منحنی سرمایه عمودی. با این احساس که رمز موفقیت را کشف کردهاید، وارد بازار واقعی میشوید، اما فقط شاهد تحلیل رفتن حساب خود در بیست معامله بعدی هستید. چه اتفاقی افتاد؟
حقیقت این است که اکثر بکتستها «دروغهای محترمانه» هستند؛ آنها نسخهای استریل شده از بازار را نشان میدهند که واقعیتهای آشفتهای مانند اسلیپیج (slippage)، تردیدهای احساسی و تغییرات نوسان را نادیده میگیرد. برای یک معاملهگر سطح متوسط، هدف از بکتست کردن پیدا کردن یک خط بینقص روی نمودار نیست؛ بلکه یافتن «امید ریاضی» (Expectancy) است؛ یعنی اثبات آماری اینکه لبه معاملاتی (edge) شما میتواند در برابر اصطکاکهای دنیای واقعی دوام بیاورد. در این راهنما، ما فراتر از بررسیهای تاریخی ساده میرویم تا به شما نشان دهیم چگونه استراتژی خود را در برابر تله «بهینهسازی بیشازحد» (Curve Fitting) و سوگیریهای پنهانی که تئوریهای سودآور را به درسهای گرانقیمت در معاملات زنده تبدیل میکنند، بسنجید.
دستی در مقابل خودکار: انتخاب روش تست مناسب
وقتی تصمیم میگیرید یک استراتژی را به چالش بکشید، دو مسیر اصلی پیش رو دارید: روش دستی «کلیک و اسکرول» یا روش خودکار «کدنویسی و اجرا». هر دو روش جایگاه خود را دارند، اما برای معاملهگر متوسط، انتخاب اغلب به این بستگی دارد که آیا استراتژی شما کاملاً مکانیکی است یا شامل «فیلترهای» صلاحدیدی (discretionary) میشود.
ظرافتهای بکتست بصری
بکتست دستی شامل اسکرول کردن به عقب در نمودارهای تاریخی و ثبت هر معامله به گونهای است که گویی حرکت قیمت را در لحظه میبینید. اگرچه این کار خستهکننده است، اما چیزی را میسازد که کدها نمیتوانند: شهود بازار. با مشاهده دستی نحوه تعامل یک EMA ۵۰ دوره با اکشن قیمت در زمان بازگشایی لندن، شما شروع به درک «بافت» بازار میکنید. ممکن است متوجه شوید که در حالی که قانون شما میگوید «وارد شوید»، اکشن قیمت خسته به نظر میرسد. این به شما اجازه میدهد فیلترهای صلاحدیدی را اصلاح کنید که برنامهنویسی آنها در یک ربات بسیار دشوار است.
سرعت و دقت تستهای الگوریتمیک
تست خودکار از نرمافزارهایی (مانند Strategy Tester در MetaTrader یا پایتون) استفاده میکند تا قوانین شما را در عرض چند ثانیه روی دادههای چندین سال اجرا کند. مزیت اینجا فقط سرعت نیست؛ بلکه حذف سوگیریهای احساسی است. یک کامپیوتر از یک معامله بازنده به این دلیل که «زشت» به نظر میرسید، عبور نمیکند. این روش نگاهی سرد و سخت به ریاضیات دارد. با این حال، خطر «ورودی اشتباه، خروجی اشتباه» وجود دارد. اگر منطق ورود شما پهن شدن اسپرد در زمان اخبار را در نظر نگیرد، نتایج خودکار شما به شکلی خطرناک خوشبینانه خواهد بود.
رویکردهای ترکیبی برای معاملهگر متوسط
قدرتمندترین راه برای تست، رویکرد ترکیبی است. از تست خودکار برای یافتن پارامترهای کلی که در طول ۱۰ سال کار میکنند استفاده کنید، سپس یک «بررسی عمیق» دستی روی دادههای ۶ ماه گذشته انجام دهید. این کار تضمین میکند که ریاضیات در بلندمدت درست است، در حالی که بررسی دستی تایید میکند که استراتژی هنوز با ساختارهای فعلی بازار همخوانی دارد.
قانون اعداد بزرگ: دستیابی به اهمیت آماری
یکی از رایجترین اشتباهات معاملهگران متوسط، متوقف کردن تست در مراحل اولیه است. اگر ۲۰ معامله را تست کنید و ۱۵ مورد برنده باشند، شما یک «جام مقدس» پیدا نکردهاید؛ بلکه احتمالاً فقط روی یک دور شانس بودهاید. در دنیای آمار، نمونههای کوچک تحت تأثیر «نویز» هستند.
چرا ۲۰ معامله یک اتفاق است، نه یک استراتژی
بکتست را مانند پرتاب سکه تصور کنید. اگر ۱۰ بار آن را پرتاب کنید، ممکن است ۸ بار شیر بیاید. این به معنای خراب بودن سکه نیست؛ بلکه فقط یک ناهنجاری آماری است. برای یافتن احتمال «واقعی» استراتژی خود، به حجم نمونهای نیاز دارید که شانس را فیلتر کند. به همین دلیل است که حجم نمونه ۱۰۰ تا ۲۰۰ معامله، معیار استاندارد صنعت برای اهمیت آماری است.
تست در رژیمهای مختلف بازار
استراتژیای که در یک بازار رونددار عالی عمل میکند، اغلب در یک بازار رنج (ساید) نابود میشود. برای اینکه واقعاً لبه معاملاتی خود را بسنجید، باید اطمینان حاصل کنید که دادههای شما «رژیمهای بازار» مختلف را پوشش میدهند:
- رونددار (صعودی/نزولی): آیا استراتژی شما بخش اصلی حرکت را شکار میکند؟
- رنج (نوسان کم): آیا وقتی قیمت به جایی نمیرسد، استراتژی شما دچار ضررهای متوالی (chopped up) میشود؟
- پرنوسان (خبرمحور): استاپ لاس شما در طول رویدادهای با تأثیر بالا چگونه عمل میکند؟
نکته حرفهای: فقط سه ماه گذشته را تست نکنید. این کار منجر به «سوگیری تازهگرایی» (Recency Bias) میشود، جایی که شما برای محیط بازاری بهینهسازی میکنید که ممکن است در حال تغییر باشد. همیشه حداقل یک چرخه کامل تجاری را در دادههای خود بگنجانید.
مزیت «امید ریاضی»: معیارهایی که واقعاً اهمیت دارند
بسیاری از معاملهگران وسواس نرخ برد (win rate) دارند. آنها میخواهند ۸۰٪ مواقع درست بگویند. اما در معاملات حرفهای، نرخ برد یک معیار نمایشی است. آنچه اهمیت دارد امید ریاضی (Expectancy) است.
فراتر رفتن از تله نرخ برد
تصور کنید استراتژی A نرخ برد ۷۰٪ دارد، اما میانگین سود ۱۰۰ دلار و میانگین ضرر ۳۰۰ دلار است. استراتژی B نرخ برد ۴۰٪ دارد، اما میانگین سود ۴۰۰ دلار و میانگین ضرر ۱۰۰ دلار است. با وجود اینکه استراتژی B کمتر برنده میشود، به مراتب سودآورتر است. به همین دلیل درک فرکانسهای اسکالپینگ در مقابل معاملات روزانه حیاتی است؛ سبک شما پروفایل امید ریاضی شما را تعیین میکند.
محاسبه امید ریاضی معاملات
هدف شما یافتن یک عدد امید ریاضی مثبت است. فرمول آن به این صورت است:
Expectancy = (Win % x Average Win) - (Loss % x Average Loss)
اگر امید ریاضی شما ۲۰ دلار باشد، به این معنی است که در طول هزاران معامله، هر بار که روی «خرید» یا «فروش» کلیک میکنید، از نظر آماری احتمال دارد ۲۰ دلار سود کنید. اگر این عدد منفی باشد، هیچ مقداری از «انضباط» حساب شما را نجات نخواهد داد.
درک حداکثر افت سرمایه (MDD)
حداکثر افت سرمایه (Maximum Drawdown) بزرگترین کاهش از سقف تا کف در موجودی حساب شماست. اگر بکتست شما ۲۵٪ افت سرمایه را نشان میدهد، باید از خود بپرسید: «آیا واقعاً میتوانم بعد از از دست دادن یک چهارم حسابم به معامله ادامه دهم؟» اکثر معاملهگران شکست میخورند چون MDD استراتژی آنها از «آستانه تحمل درد» روانیشان فراتر میرود. درک این موضوع بخش کلیدی از بازسازی ذهن معاملهگری برای پذیرش این است که ضررها صرفاً بخشی از هزینه کسبوکار هستند.
اجتناب از «دروغهای محترمانه»: بهینهسازی بیشازحد و سوگیری
اینجاست که اکثر بکتستها شکست میخورند. ما آنقدر دوست داریم استراتژیهایمان کار کنند که ناخودآگاه در مرحله تست «تقلب» میکنیم.
تله بهینهسازی بیشازحد (Curve Fitting)
بهینهسازی بیشازحد زمانی اتفاق میافتد که شما اندیکاتورها یا «قوانین» زیادی اضافه میکنید تا دادههای تاریخی بینقص به نظر برسند. اگر بگویید: «من فقط زمانی وارد تقاطع RSI میشوم که ماه در وضعیت هلال کاهنده باشد و CCI ۱۴ دوره دقیقاً ۱۰۲.۵ باشد»، شما در حال تطبیق استراتژی خود با نویزهای گذشته هستید که هرگز تکرار نخواهند شد. یک استراتژی قدرتمند باید ساده باشد. اگر فقط با یک تنظیم خاص روی یک جفتارز خاص کار میکند، احتمالاً یک «شبح آماری» است.
شناسایی و حذف سوگیری نگاه به آینده
سوگیری نگاه به آینده (Look-ahead bias) یک خطای رایج در تست دستی است که در آن شما به طور تصادفی از اطلاعات «آینده» برای توجیه یک معامله استفاده میکنید. به عنوان مثال، ممکن است یک کندل صعودی بزرگ را در ساعت ۴ بعد از ظهر ببینید و تصمیم بگیرید که «ورود» شما در ساعت ۸ صبح بوده است.
در نظر گرفتن اصطکاکهای دنیای واقعی
در یک بکتست، شما دقیقاً در قیمتی که میبینید وارد میشوید. در واقعیت، شما با اسلیپیج و اسپرد سر و کار دارید. برای واقعی کردن بکتست خود، باید یک «مالیات اصطکاک» اعمال کنید.
مثال: اگر در حال تست یک استراتژی نشست لندن هستید، به صورت دستی ۱.۵ تا ۲ پیپ به هر ورود و خروج اضافه کنید تا اسپردهای متغیر و تأخیر در اجرا لحاظ شود. اگر استراتژی بعد از این مالیات همچنان سودآور بود، شما یک لبه معاملاتی واقعی دارید.
گردش کار اعتبارسنجی: از تاریخچه تا اجرای زنده
زمانی که استراتژیای دارید که از تست ۲۰۰ معامله سربلند بیرون آمده است، بلافاصله با تمام سرمایه خود وارد نشوید. شما به یک پل نیاز دارید.
پل ارتباطی: تست رو به جلو (معاملات کاغذی)
تست رو به جلو (Forward testing) همان مرحله «دمو» است. این تنها راه برای در نظر گرفتن فشار احساسی تماشای حرکت یک کندل زنده علیه شماست. همچنین به شما کمک میکند ببینید آیا واقعاً میتوانید استراتژی را در ساعات در دسترس خود اجرا کنید یا خیر. اگر استراتژی شما نیاز به نظارت بر نمودار ۵ دقیقهای در طول نوسانات شدید «موج دوم» اخبار دارد، اما شما شغل روزانه دارید، نتایج بکتست بیاهمیت هستند.
تکنیک تحلیل «قدمرو به جلو» (Walk-Forward)
استراتژی خود را بردارید و آن را روی دادههای سالهای ۲۰۲۰-۲۰۲۲ بهینه کنید. سپس، بدون تغییر هیچ تنظیمی، آن را روی دادههای سال ۲۰۲۳ اجرا کنید. اگر عملکرد حفظ شد، استراتژی مقاوم است. اگر از هم پاشید، احتمالاً برای یک دوره خاص بیشازحد بهینه شده است.
مقیاسبندی: از دمو تا میکرو لات
هرگز از ۰ به ۱۰۰,۰۰۰ دلار نپرید. با میکرو لات (۰.۱۰ دلار به ازای هر پیپ) شروع کنید. این کار احساسات مالی واقعی – اما قابل مدیریت – را وارد معادله میکند. هنگامی که امید ریاضی واقعی شما در ۵۰ معامله با امید ریاضی بکتست شده مطابقت داشت، شما حق افزایش حجم را به دست آوردهاید.
نتیجهگیری
بکتست تضمینی برای سودهای آینده نیست، بلکه فیلتری برای حذف استراتژیهایی است که هرگز شانسی نداشتهاند. با تمرکز بر امید ریاضی به جای نرخ برد، در نظر گرفتن اصطکاک بازار و اجتناب از وسوسه بهینهسازی بیشازحد، شما از «حدس زدن» به سمت معاملات «مبتنی بر احتمال» حرکت میکنید.
به یاد داشته باشید، یک استراتژی مقاوم که از یک بکتست آشفته جان سالم به در میبرد، همیشه بر یک استراتژی شکننده که فقط در خلاء کار میکند، برتری دارد. قدم بعدی شما این است که استراتژی فعلی خود را بردارید و آن را با استفاده از معیارهایی که بحث کردیم، تحت یک تست ۱۰۰ معاملهای قرار دهید. آیا آمادهاید ببینید لبه معاملاتی شما واقعی است یا فقط یک شبح آماری؟
آمادهاید استراتژی خود را به بوته آزمایش بگذارید؟ اکسل بکتست FXNX را برای ردیابی امید ریاضی خود دانلود کنید، یا ابزارهای پیشرفته نمودار ما را برای شروع بررسی بصری دستی خود از امروز کاوش کنید.
سوالات متداول
برای اینکه یک استراتژی از نظر آماری معنادار تلقی شود، به چند معامله برای بکتست نیاز دارم؟
در حالی که ۲۰ معامله ممکن است فقط یک دوره شانس متوالی را نشان دهد، شما به طور کلی به حجم نمونهای حداقل ۱۰۰ تا ۲۰۰ معامله در چرخههای مختلف بازار نیاز دارید تا وجود یک لبه معاملاتی (edge) واقعی را اثبات کنید. این مجموعه داده بزرگتر کمک میکند تا اطمینان حاصل کنید که نتایج شما صرفاً محصول واریانس تصادفی یا یک دوره رونددار خاص و کوتاهمدت نیست.
چرا نرخ برد (win rate) بالا اغلب برای معاملهگران تازهکار یک «تله» محسوب میشود؟
اگر میانگین ضرر شما به طور قابل توجهی بزرگتر از میانگین سودتان باشد، نرخ برد بالا بیمعنی است، زیرا میتواند منجر به امید ریاضی (expectancy) منفی شود. شما باید فرمول «امید ریاضی» یعنی (نرخ برد × میانگین سود) - (نرخ ضرر × میانگین ضرر) را در اولویت قرار دهید تا مطمئن شوید استراتژی شما در بلندمدت، صرفنظر از اینکه چند بار «حق با شماست»، سود خالص ایجاد میکند.
چگونه بفهمم که استراتژی من روی دادههای تاریخی «بیشبرازش» (curve-fitted) شده است؟
اگر استراتژی شما روی دادههای گذشته بینقص عمل میکند اما بلافاصله در طول فوروارد تست (forward testing) شکست میخورد، احتمالاً پارامترها را برای انطباق با حرکات قیمتی تاریخی خاص، بیش از حد بهینه کردهاید. برای جلوگیری از این اتفاق، قوانین ورود و خروج خود را ساده نگه دارید و همیشه استراتژی خود را روی یک مجموعه داده «خارج از نمونه» (out-of-sample) که در طول فرآیند بهینهسازی اولیه استفاده نشده است، اعتبارسنجی کنید.
چرا نتایج بکتست من اغلب بهتر از عملکرد واقعی من در حساب لایو به نظر میرسد؟
بکتست اغلب نمیتواند «اصطکاکهای دنیای واقعی» مانند اسپرد متغیر، کمیسیونها و لغزش قیمت (slippage) در زمان نوسانات بالا را لحاظ کند. برای داشتن دیدگاهی واقعبینانهتر، باید حداقل 0.5 تا 1 پیپ به ازای هر معامله به عنوان حاشیه اطمینان از نتایج بکتست خود کسر کنید تا ببینید آیا استراتژی پس از کسر هزینهها همچنان سودآور باقی میماند یا خیر.
ایمنترین راه برای انتقال یک استراتژی از بکتست به حساب لایو چیست؟
هرگز مستقیماً از بکتست به یک حساب لایو با حجم کامل نروید؛ در عوض، از تحلیل «Walk-Forward» و به دنبال آن دورهای از معاملات دمو (paper trading) استفاده کنید تا لبه معاملاتی را در زمان واقعی تأیید کنید. پس از مشاهده تداوم در نتایج، قبل از افزایش حجم به اندازههای استاندارد پوزیشن خود، با یک حساب «میکرو لات» (micro-lot) شروع کنید تا تابآوری روانشناختی و سرعت اجرای خود را بسنجید.
سوالات متداول
برای اینکه یک استراتژی از نظر آماری معنادار در نظر گرفته شود، به چند معامله برای بکتست نیاز دارم؟
در حالی که 20 معامله اغلب صرفاً نتیجه شانس هستند، شما باید برای دستیابی به معناداری آماری واقعی، حجم نمونهای حداقل 100 تا 200 معامله را هدف قرار دهید. این حجم تضمین میکند که نتایج شما تحت تأثیر یک دوره "خوششانسی" در بازار قرار نگیرد و به شما کمک میکند تا بفهمید استراتژی در چرخههای مختلف نوسان چگونه عمل میکند.
چرا باید امید ریاضی (expectancy) معامله را بر نرخ برد (win rate) بالا اولویت دهم؟
یک استراتژی با نرخ برد 70% همچنان میتواند ضررده باشد اگر میانگین ضرر بهطور قابلتوجهی بزرگتر از میانگین سود باشد. امید ریاضی با محاسبه میانگین مبلغی که انتظار دارید به ازای هر دلار ریسک به دست آورید، تصویر دقیقتری از سودآوری ارائه میدهد، صرفنظر از اینکه چند بار "درست" پیشبینی کردهاید.
چگونه بفهمم استراتژی من در تله "curve fitting" افتاده است؟
اگر استراتژی شما روی دادههای تاریخی بینقص عمل میکند اما بلافاصله در طول فوروارد تست (forward testing) شکست میخورد، احتمالاً برای الگوهای قیمتی خاص در گذشته بیش از حد بهینه شده است. برای جلوگیری از این اتفاق، مجموعه قوانین خود را ساده نگه دارید و اطمینان حاصل کنید که استراتژی حتی زمانی که پارامترهای اندیکاتور یا تایمفریمها را کمی تغییر میدهید، سودآور باقی میماند.
برای واقعیتر کردن بکتست خود، چه "اصطکاکهای دنیای واقعی" را باید در نظر بگیرم؟
شما باید هزینههایی مانند اسپرد (spread) متغیر، کمیسیونها و لغزش قیمت (slippage) را به صورت دستی از سودهای تئوری خود کسر کنید، زیرا این موارد میتوانند بازده خالص شما را 10% تا 30% یا بیشتر کاهش دهند. عدم در نظر گرفتن این هزینههای "پنهان" اغلب یک بکتست برنده را به یک حساب واقعی (live) بازنده تبدیل میکند.
امنترین راه برای انتقال از یک بکتست موفق به اجرای واقعی در بازار چیست؟
پس از بکتست، حداقل به مدت یک ماه در یک حساب دمو (demo) "فوروارد تست" انجام دهید تا ببینید آیا اجرای شما با دادههایتان مطابقت دارد یا خیر. هنگامی که همبستگی را مشاهده کردید، قبل از افزایش حجم به پوزیشنهای کامل، از میکرولاتها (micro-lots) در یک حساب واقعی استفاده کنید تا فشار روانی سرمایه واقعی را مدیریت کنید.
سوالات متداول
برای اطمینان از اینکه نتایج بکتست (backtest) من از نظر آماری معنادار هستند، به چند معامله نیاز است؟
در حالی که توالی ۲۰ معامله میتواند تحت تأثیر شانس محض باشد، شما معمولاً به حجم نمونهای حداقل ۱۰۰ تا ۲۰۰ معامله نیاز دارید تا پایداری یک استراتژی را ثابت کنید. این حجم بالاتر تضمین میکند که لبه معاملاتی (edge) شما در چرخههای مختلف بازار ثابت میماند و صرفاً یک محصول جانبی موقت از یک روند خاص نیست.
چرا امید ریاضی (expectancy) معاملهگری معیار بهتری نسبت به نرخ برد (win rate) بالا است؟
نرخ برد بالا اغلب یک «معیار پوشالی» (vanity metric) است، زیرا اندازه ضررهای شما را در نظر نمیگیرد؛ یک نرخ برد ۷۰٪ همچنان میتواند باعث نابودی یک حساب شود، اگر آن چند ضرر محدود، فاجعهبار باشند. امید ریاضی به شما میگوید که به ازای هر دلار ریسک، انتظار دارید به طور متوسط چه مقدار سود کسب کنید، که تصویر روشنتری از سودآوری بلندمدت ارائه میدهد.
چگونه از خراب شدن عملکرد استراتژیام توسط «بیشبرازش» (curve fitting) جلوگیری کنم؟
بیشبرازش زمانی رخ میدهد که شما پارامترها را بیش از حد بهینه میکنید تا با دادههای تاریخی کاملاً مطابقت داشته باشند، که معمولاً منجر به شکست در بازارهای زنده (live) میشود. برای جلوگیری از این امر، قوانین خود را ساده نگه دارید و اطمینان حاصل کنید که استراتژی حتی با تغییر جزئی در تنظیمات اندیکاتورها یا تایمفریمها، همچنان سودآور باقی میماند.
موثرترین راه برای در نظر گرفتن «اصطکاک دنیای واقعی» در طول بکتست چیست؟
شما باید «هزینه انجام کسبوکار» را با اضافه کردن دستی یک حاشیه (buffer) برای اسپردها (spreads)، کمیسیونها و لغزش قیمت (slippage) به نتایج تاریخی خود لحاظ کنید. به عنوان مثال، اگر میانگین اسپرد در EUR/USD برابر با ۱ پیپ است، تست کردن با هزینه ۲ پیپ تضمین میکند که استراتژی شما به اندازه کافی برای بقا در شرایط اجرای غیرایدهآل، مستحکم است.
چه زمانی انتقال از یک بکتست موفق به یک حساب معاملاتی زنده (live) ایمن است؟
هرگز مستقیماً از دادههای تاریخی به یک حساب زنده استاندارد نپرید؛ در عوض، از تحلیل «Walk-Forward» و به دنبال آن حداقل یک ماه تست رو به جلو (forward testing) در یک حساب دمو یا میکرو-لات استفاده کنید. این پل ارتباطی به شما اجازه میدهد تا تأیید کنید که استراتژی در شرایط واقعی بازار عمل میکند، بدون اینکه در طول مرحله اعتبارسنجی، شما را در معرض ریسک سرمایه قابل توجهی قرار دهد.
سوالات متداول
واقعاً به چند معامله برای بکتست نیاز دارم تا یک استراتژی از نظر آماری معنادار در نظر گرفته شود؟
در حالی که ۲۰ معامله ممکن است یک دوره سوددهی موقت را نشان دهد، شما به طور کلی به حجم نمونهای حداقل ۱۰۰ تا ۲۰۰ معامله در چرخههای مختلف بازار نیاز دارید تا یک «لبه معاملاتی» (edge) واقعی را اثبات کنید. این حجم تضمین میکند که نتایج شما حاصل منطق استراتژیتان است، نه یک دوره شانس در یک رژیم خاص بازار.
چرا امید ریاضی (expectancy) معاملهگری مهمتر از داشتن نرخ برد بالا است؟
نرخ برد ۷۰٪ بیمعنی است اگر میانگین ضرر شما پنج برابر بزرگتر از میانگین سودتان باشد، که منجر به امید ریاضی منفی میشود و حساب شما را تخلیه میکند. بر «امید ریاضی» (expectancy) ریاضی تمرکز کنید — یعنی میانگین مبلغی که انتظار دارید به ازای هر دلار ریسک به دست آورید — تا سودآوری بلندمدت را بدون توجه به اینکه چند بار «درست» پیشبینی میکنید، تضمین کنید.
چگونه بفهمم نتایج بکتست من «منطبق بر منحنی» (curve-fitted) است یا یک استراتژی مستحکم (robust)؟
اگر استراتژی شما فقط با تنظیمات بسیار خاص اندیکاتورها کار میکند و با تغییر جزئی آنها شکست میخورد، احتمالاً آن را برای دادههای تاریخی بیش از حد بهینه (over-optimized) کردهاید. یک استراتژی مستحکم باید عملکرد پایداری را در طیفی از مقادیر پارامترها نشان دهد، نه اینکه به یک پیکربندی «ایدهآل» متکی باشد که در بازارهای زنده دوام نمیآورد.
چگونه «اصطکاکهای دنیای واقعی» مانند slippage و اسپرد را در بکتست خود لحاظ کنم؟
همیشه یک حاشیه محافظهکارانه از نتایج خود کسر کنید، مانند اضافه کردن ۰.۵ تا ۱.۰ پیپ به میانگین اسپرد یا اعمال یک «تخفیف» (haircut) ۱۰٪ بر کل سود خالص. این کار تاخیرهای اجرا و نقدینگی متغیر را که به ناچار در محیط زنده با آنها روبرو میشوید و دادههای تاریخی اغلب نادیده میگیرند، جبران میکند.
موثرترین راه برای انتقال از یک بکتست موفق به معاملات زنده چیست؟
با تحلیل "Walk-Forward" روی دادههایی که استراتژی هنوز ندیده است شروع کنید، و سپس حداقل ۳۰ روز تست رو به جلو (forward testing) در یک حساب دمو انجام دهید تا نحوه اجرا را تایید کنید. پس از مشاهده ثبات، از میکرو-لاتها برای مدیریت تاثیر روانی سرمایه واقعی استفاده کنید و سپس به حجمهای
سوالات متداول
چند معامله را باید بکتست کنم تا یک استراتژی از نظر آماری معنادار تلقی شود؟
در حالی که ۲۰ معامله اغلب میتواند بر حسب اتفاق باشد، شما باید به دنبال حداقل حجم نمونه ۱۰۰ تا ۲۰۰ معامله در بازه زمانی حداقل دو سال داده باشید. این کار تضمین میکند که استراتژی شما در رژیمهای مختلف بازار، مانند شکستهای با نوسان بالا (high-volatility breakouts) و محدودههای با نوسان کم (low-volatility ranges)، آزمایش شده است و تاثیر شانس را کاهش میدهد.
چرا باید امید ریاضی معامله (Expectancy) را بر نرخ برد (Win Rate) بالا اولویت دهم؟
یک استراتژی با نرخ برد ۷۰٪ همچنان میتواند ضررده باشد اگر میانگین ضرر به طور قابل توجهی بزرگتر از میانگین سود باشد. امید ریاضی به شما میگوید که به ازای هر دلار ریسک، انتظار دارید به طور متوسط چقدر سود کنید؛ تا زمانی که این عدد مثبت باشد، استراتژی شما از نظر ریاضی منطقی است، صرفنظر از اینکه چند بار «درست» پیشبینی کرده باشید.
چگونه بفهمم که استراتژی خود را از طریق برازش منحنی (Curve Fitting) بیش از حد بهینه کردهام؟
اگر استراتژی شما برای نشان دادن سود به پارامترهای بسیار خاص و پیچیده نیاز دارد - مانند دوره RSI دقیقاً ۱۳.۵ - احتمالاً در حال برازش منحنی با دادههای گذشته هستید. یک استراتژی مستحکم (Robust) باید حتی اگر تنظیمات را کمی تغییر دهید یا آن را روی یک جفت ارز متفاوت اما همبسته اعمال کنید، سودآور باقی بماند.
چرا نتایج واقعی من اغلب با عملکرد بکتست مطابقت ندارند؟
بکتستها اغلب «اصطکاکهای دنیای واقعی» مانند اسپرد متغیر، لغزش قیمت (Slippage) در اجرا و هزینههای سوآپ شبانه را در نظر نمیگیرند. برای پر کردن این شکاف، همیشه یک «بافر» در تستهای خود لحاظ کنید و ۱–۲ پیپ هزینه به هر معامله اضافه کنید تا ببینید آیا برتری (Edge) استراتژی در شرایط غیر ایدهآل همچنان پابرجا میماند یا خیر.
ایمنترین راه برای انتقال یک استراتژی بکتست شده به یک حساب واقعی چیست؟
هرگز مستقیماً از بکتست به یک حساب واقعی استاندارد نپرید؛ در عوض، از یک دوره «Walk-Forward» در معاملات کاغذی (Paper Trading) برای حداقل یک ماه استفاده کنید. هنگامی که استراتژی ثابت کرد میتواند رفتار واقعی قیمت را مدیریت کند، با میکرو-لاتها شروع کنید تا با فشار روانی ریسک واقعی سازگار شوید و سپس حجم پوزیشن خود را به مقدار کامل برسانید.
سوالات متداول
حداقل تعداد معاملهای که باید بکتست کنم تا از نظر آماری از معنادار بودن استراتژیام مطمئن شوم چقدر است؟
در حالی که 20 معامله میتواند صرفاً از روی شانس باشد، شما باید به دنبال حداقل حجم نمونهای بین 100 تا 200 معامله باشید که حداقل دو سال از دادههای تاریخی را پوشش دهد. این حجم از معاملات تضمین میکند که نتایج شما نشاندهنده یک برتری (edge) واقعی در شرایط مختلف بازار است، نه فقط یک دوره کوتاه از خوششانسی.
چرا امید ریاضی معاملهگری (trading expectancy) معیار قابلاعتمادتری نسبت به نرخ برد (win rate) بالا است؟
نرخ برد بالا اغلب یک «معیار پوشالی» است که اگر میانگین ضررهای شما به طور قابلتوجهی بزرگتر از میانگین سودهایتان باشد، میتواند امید ریاضی منفی را پنهان کند. امید ریاضی، میانگین مبلغی را که میتوانید به ازای هر دلار ریسک به دست آورید محاسبه میکند و دیدگاهی از نظر ریاضی درست درباره سودآوری بلندمدت شما ارائه میدهد.
چگونه میتوانم بفهمم که استراتژی خود را از طریق برازش منحنی (curve fitting) بیش از حد بهینه کردهام؟
اگر استراتژی شما فقط با تنظیمات بسیار خاصی خوب عمل میکند — مثلاً RSI با دوره 14، اما در دورههای 13 یا 15 شکست میخورد — احتمالاً آن را برای دادههای گذشته بیش از حد بهینه (over-optimize) کردهاید. یک استراتژی مستحکم (robust) باید نتایج ثابت، هرچند با تغییرات جزئی، را در طیفی از تنظیمات پارامترهای نزدیک به هم نشان دهد.
آیا اگر نتایج بکتست من فوقالعاده باشد، میتوانم از تست رو به جلو (forward testing) یا معامله مجازی (paper trading) صرفنظر کنم؟
خیر، زیرا بکتست نمیتواند فشار روانی اجرای زنده یا تأثیر نقدینگی لحظهای را لحاظ کند. انجام تست رو به جلو برای حداقل یک ماه، به عنوان یک «ارزیابی سلامت» حیاتی عمل میکند تا قبل از اینکه سرمایه قابلتوجهی را به خطر بیندازید، مطمئن شوید که اجرای شما با مدل تئوریتان مطابقت دارد.
چگونه میتوانم «اصطکاکهای دنیای واقعی» مانند لغزش قیمت (slippage) و کمیسیونها را به دقت لحاظ کنم؟
شما باید با کسر 0.5 تا 1.5 پیپ از هر معامله در بکتست خود، یک «بافر اصطکاک» را برای لحاظ کردن اسپردها و تأخیرهای اجرا اعمال کنید. اگر سودآوری استراتژی شما پس از در نظر گرفتن این هزینههای کوچک از بین برود، برتری (edge) شما برای بقا در محیط معاملاتی زنده بسیار ناچیز است.
همین حالا شروع کنید
با اسپرد ۰.۰ پیپ و بیش از ۵۰۰ ابزار معاملاتی، به هزاران تریدر حرفهای بپیوندید.
درباره نویسنده
Raj Krishnamurthy
مدیر تحقیقات بازارRaj Krishnamurthy serves as Head of Market Research at FXNX, bringing over 12 years of trading floor experience across Mumbai and Singapore. He has worked at some of Asia's most prestigious investment banks and specializes in Asian currency markets, carry trade strategies, and central bank policy analysis. Raj holds a degree in Economics from the Indian Institute of Technology (IIT) Delhi and a CFA charter. His articles are valued for their deep institutional insight and forward-looking market analysis.
ترجمه توسط
داریوش محمدی مترجم جوان فینتک در FXNX است. او فارغالتحصیل رشته مالی بینالمللی از دانشگاه صنعتی شریف تهران بوده و در حال حاضر به عنوان کارآموز در FXNX مشغول ترجمه محتوای معاملاتی جهانی برای مخاطبان فارسیزبان است. اشتیاق او به پل زدن میان دانش مالی بینالمللی و جهان فارسیزبان، رویکرد دقیق و حرفهای او در ترجمه مالی را شکل داده است.