Глава 1   Глава 2   Глава 3   Глава 4   Глава 5   Глава 6



Миф об оптимизации 18


Однако примененная к портфелю, оптимизация кажется полезной для предсказания того, какой набор параметров с наиболь­шей вероятностью покажет плохую результативность в будущем.
Тем не менее, оптимизация не может предсказать, какие из на­боров параметров с наибольшей вероятностью продемонстри­руют хорошую результативность в будущем.

При более близком исследовании выяснилось, что модель по­стоянно плохой результативности была не столько следствием степени результативности на предшествующем периоде, сколь­ко следствием значения параметра. Другими словами, протес­тированный диапазон наборов параметров начинался со значе­ния, которое явно было далеко от оптимального для данной си­стемы: N = 20. Хотя и не показанные в таблицах, более низкие значения для N продемонстрировали бы дальнейшее падение ре­зультативности по мере уменьшения значений N.

За исключением крайних значений параметров (N = 20 или ниже в этом примере), явно далеких от оптимального значения, было мало стабильности в значениях наборов параметров с наи­лучшей результативностью внутри широкого диапазона наборов параметров (от N = 30 до N = 100 в этом примере).

Эти наблюдения, которые согласуются с результатами похожих эм­пирических тестов, предпринятых мною в прошлом, предполагают сле­дующие ключевые выводы относительно оптимизации*:

1. От любой системы, повторяю, от любой системы с помощью оп­тимизации можно добиться того, чтобы она была очень прибыль­ной на исторических данных. Если вы когда-нибудь обнаружи­те систему, которая не может быть оптимизирована так, чтобы показывать относительно хорошую прибыль в прошлом, примите мои поздравления: вы только что открыли машину по производству денег (поступайте противоположно ее сигналам, если толь­ко транзакционные затраты не чрезмерны). Таким образом, при­ятно смотреть на удивительную результативность оптимизиро­ванной системы в прошлом, однако она имеет мало практичес­кой ценности.

  Хотя единственный эмпирический эксперимент не может быть использо­ван как основа для широких обобщений, я готов сделать таковые здесь, по­скольку только что описанные результаты абсолютно типичны для многих по­добных тестов, предпринятых мною в прошлом. В этом смысле исследование оптимизации, разобранное в данной главе, не рассматривается в качестве до­казательства нежизнеспособности оптимизации, а скорее, в качестве иллюст­рации этого момента.


Оптимизация будет всегда, повторяю, всегда преувеличивать по­тенциальную будущую результативность системы — обычно весьма сильно. Таким образом, результаты оптимизации никог­да не должны, повторяю, никогда не должны использоваться для оценки достоинств системы.

Для многих, если не для большинства систем, оптимизация не будет улучшать будущую результативность или улучшит ее незна­чительно.

Если оптимизация и имеет какое-то значение, оно обычно со­стоит в определении широких границ диапазона, из которых следует выбирать значения наборов параметров для системы.
Тонкая подстройка оптимизации — это в лучшем случае поте­ря времени, а в худшем — самообман.

В свете всех предшествующих пунктов искушенные и слож­ные процедуры оптимизации — пустая трата времени. Наи­простейшие оптимизационные процедуры будут предоставлять
не меньшее количество значимой информации (предполагая, что, вообще, может быть извлечена некоторая значимая ин­формация).

В итоге, в противоположность широко распространенным верованиям, существует некий резонный вопрос: приведет ли оптимизация к суще­ственно лучшим результатам при длительном периоде торговли, чем случайным образом выбранный набор параметров? Чтобы не было ни­каких недоразумений, позвольте мне уточнить: это утверждение не при­звано подразумевать, что у оптимизации вообще нет никакой ценнос­ти. Во-первых, как указано ранее, оптимизация может быть полезна при определении явно неподходящего диапазона параметров, который сле­дует исключить при выборе значений параметра (например, N # 20 в нашем примере системы пробоя). Кроме этого, возможно, что для не­которых систем оптимизация может провести некоторые границы в выборе наборов параметров даже после исключения крайних неопти­мальных диапазонов. Однако я подразумеваю, что степень улучшения, предлагаемая оптимизацией, намного меньше, чем обычно представля­ется, и что трейдеры, вероятно, сберегли бы кучу денег, доказывая в начале любое предположение, которое они делают по поводу оптими­зации, а не принимая эти предположения слепо на веру.