AI स्ट्रैटेजी की बैकटेस्टिंग

एक AI स्ट्रैटेजी को बैकटेस्ट करना यह जाँचता है कि नियम ऐतिहासिक डेटा पर काम करते या नहीं। चुनौती यह है कि टेस्ट को असलियत के काफी करीब बनाया जाए कि वह उपयोगी हो।.

ट्रेनिंग डेटा, वैलिडेशन डेटा, और आउट-ऑफ-सैंपल डेटा को अलग रखना ज़रूरी है।.

लागत, स्प्रेड, स्लिपेज, फंडिंग, और लेटेंसी को मॉडल किया जाना चाहिए।.

वॉक-फॉरवर्ड टेस्टिंग यह उजागर करने में मदद करती है कि मॉडल अनुकूल होता है या ओवरफिट करता है।.

2021 के बुल-मार्केट डेटा पर ट्रेन की स्ट्रैटेजी शानदार लग सकती है जब तक इसे अलग लिक्विडिटी वाले साइडवेज़ या बेयरिश दौर में न टेस्ट किया जाए।.

भविष्य के डेटा का इस्तेमाल, सिर्फ़ जीतने वाले एसेट चुनना, या चार्ट को स्मूथ दिखने तक ट्यून करना एक नकली एज बनाता है।.

लाइव एग्ज़ीक्यूशन डेटा डिले, एक्सचेंज आउटेज, आंशिक फिल, और रेजीम बदलावों से फेल हो सकता है जिन्हें बैकटेस्ट ने कभी नहीं पकड़ा।.