प्रदर्शन और बैकटेस्ट

प्रदर्शन डेटा अंतर्दृष्टि दे सकता है, लेकिन यह भविष्य के परिणामों का प्रमाण नहीं है।

बाज़ार की स्थितियाँ बदलती हैं। निष्पादन अलग होता है। जोखिम सेटिंग्स भिन्न होती हैं। इसी कारण, प्रदर्शन को उदाहरणात्मक के रूप में देखना चाहिए, भविष्यवाणी के रूप में नहीं।

यह पेज समझाता है कि बैकटेस्ट और प्रदर्शन उदाहरण कैसे तैयार किए जाते हैं और, उतना ही महत्वपूर्ण, वे आपको क्या नहीं बता सकते।

बैकटेस्ट पूर्वनिर्धारित नियमों का उपयोग करके ऐतिहासिक मूल्य डेटा पर चलाए गए सिमुलेशन होते हैं।

वे यह दर्शाने में मदद कर सकते हैं:

• पिछले बाज़ार हालात में रणनीति का व्यवहार कैसा था
• ट्रेड की आवृत्ति और वितरण
• ड्रॉडाउन और रिकवरी की अवधि

बैकटेस्ट व्यवहार समझने के लिए उपयोगी हैं, परिणामों का पूर्वानुमान लगाने के लिए नहीं।

बैकटेस्ट निम्न चीज़ों को सही तरीके से शामिल नहीं कर सकते:

• रियल-टाइम स्लिपेज
• वोलैटिलिटी के दौरान स्प्रेड में बदलाव
• ब्रोकर निष्पादन में अंतर
• मनोवैज्ञानिक कारक

परिणामस्वरूप, लाइव ट्रेडिंग के नतीजे हमेशा बैकटेस्ट नतीजों से अलग होंगे, कभी-कभी काफी हद तक।

जब बैकटेस्ट प्रस्तुत किए जाते हैं, तो उन्हें निम्न का उपयोग करके किया जाता है:

• निश्चित, नियम-आधारित रणनीति लॉजिक
• उस समय उपलब्ध ऐतिहासिक मूल्य डेटा
• पूर्वनिर्धारित जोखिम पैरामीटर

परिणामों को किसी विशेष अवधि के अनुसार “फिट” करने के लिए कोई ऑप्टिमाइज़ेशन नहीं किया जाता। परीक्षणों के दौरान रणनीति के नियम अपरिवर्तित रहते हैं।

एक ही रणनीति इस्तेमाल करने वाले दो ट्रेडर्स के परिणाम बहुत अलग हो सकते हैं।

अंतर इन कारणों से आते हैं:

• प्रति ट्रेड जोखिम
• पोज़िशन साइजिंग
• जिन बाज़ारों में ट्रेड किया गया
• निष्पादन की परिस्थितियाँ

जोखिम कॉन्फ़िगरेशन का प्रभाव अधिकांश ट्रेडर्स की अपेक्षा से कहीं अधिक होता है।

लाइव ट्रेडिंग में ऐसे कारक शामिल होते हैं जिन्हें सिमुलेशन पूरी तरह से दोहरा नहीं सकते:

• देरी से निष्पादन
• आंशिक भराव
• मार्केट गैप
• भावनात्मक निर्णय-निर्माण

इसी कारण, परीक्षण परिणामों को कभी भी लाइव प्रदर्शन की गारंटी नहीं मानना चाहिए।

Lanami इनसे बचता है:

• अलग-थलग “सबसे अच्छा पीरियड” प्रदर्शन उदाहरण
• बढ़ा-चढ़ाकर किए गए जीत-दर (win-rate) दावे
• काल्पनिक लाभ प्रोजेक्शन

उद्देश्य यथार्थवादी अपेक्षाएँ तय करना और ट्रेडर्स को ज़िम्मेदारी से टूल्स का मूल्यांकन करने देना है।

प्रदर्शन डेटा की समीक्षा करते समय, इन बातों पर विचार करें:

• ड्रॉडाउन को कैसे संभाला जाता है
• क्या जोखिम सीमित (capped) है
• अलग-अलग परिस्थितियों में रणनीति का व्यवहार कैसा है

अल्पकालिक रिटर्न की तुलना में निरंतरता और जोखिम नियंत्रण अधिक महत्वपूर्ण हैं।