बैकटेस्टिंग ऐतिहासिक डेटा का उपयोग करके किसी निवेश रणनीति की वैधता का आकलन करने की एक विधि है, यह देखने के लिए कि किसी संपत्ति (या संपत्ति का पोर्टफोलियो) ने पिछली अवधि में कैसा प्रदर्शन किया होगा। यदि परिणाम सफल रहे, तो यह व्यापारियों को उस रणनीति का उपयोग करने के लिए आगे बढ़ने के लिए प्रोत्साहित कर सकता है।
बैकटेस्टिंग थ्योरी
अंतर्निहित सिद्धांत यह है कि अतीत में अच्छी तरह से काम करने वाली किसी भी रणनीति के भविष्य में अच्छा काम करने की संभावना है, और इसके विपरीत, अतीत में खराब प्रदर्शन करने वाली किसी भी रणनीति के खराब प्रदर्शन की संभावना है भविष्य।
लेकिन क्या यह सच है?
कई मामलों में, वास्तविक दुनिया में एक बार लागू होने के बाद बैक-टेस्टेड रणनीतियां विफल हो जाती हैं, जैसा कि एलटीसीएम के अचानक पतन को रेखांकन के रूप में दिखाया गया है। यह कई कारकों के कारण हो सकता है, लेकिन सबसे आम सहसंबंधों पर निर्भरता है जो गायब हो जाते हैं या बैक-टेस्टिंग प्रक्रिया में पक्षपात करते हैं।
बैक-टेस्टिंग के नुकसान के उदाहरणों में शामिल हैं;
- जितने संभावित निवेश मॉडल हैं, उतने ही विचार हैं जिन्हें परिमाणित किया जा सकता है। प्रलोभन इसलिए, एक व्यापार मॉडल तैयार करना है जो किसी दिए गए (चयनित) अवधि के लिए अधिकतम संभव रिटर्न उत्पन्न करता है। इसे कर्व-फिटिंग (या डेटा माइनिंग) के रूप में जाना जाता है, जहां एक विश्लेषक एक पोर्टफोलियो रणनीति बनाता है जो अध्ययन की जा रही अवधि के दौरान रिटर्न का अनुकूलन करता है, लेकिन जो अन्य, आउट-ऑफ-सैंपल [1] अवधि के दौरान बेहतर रिटर्न में परिवर्तित नहीं हो सकता है।
ऐसा इसलिए है क्योंकि वे संपत्ति या संपत्ति वर्गों के व्यवहार के बीच पिछले सहसंबंधों की निरंतरता पर भरोसा करते हैं, जो समय के साथ स्थिर नहीं रहते हैं।
- बैक-टेस्टिंग, आउट-ऑफ-सैंपल और फॉरवर्ड परफॉर्मेंस टेस्टिंग (जैसे “पेपर ट्रेडिंग”) के बीच एक सुसंगत संबंध भ्रामक परिणाम उत्पन्न करने के जोखिम को कम कर सकता है, लेकिन आम तौर पर, निवेश मानदंड जितना जटिल होता है, उतना ही खराब होता है। वास्तविक दुनिया में बैक-टेस्टेड सिस्टम का प्रदर्शन।
- उत्तरजीविता पूर्वाग्रह, जहां उत्पन्न रिटर्न इस संभावना पर विचार करने में विफल रहता है कि कुछ कंपनियां समय के साथ दिवालिया हो जाती हैं; जो लोग जीवित रहते हैं वे अनिवार्य रूप से नमूने में सभी कंपनियों के सापेक्ष ऊपर-औसत रिटर्न देते हैं। जो भविष्य के डेटासेट से बाहर नहीं होते हैं और इस प्रकार सिमुलेशन से बाहर होते हैं, इस प्रकार निवेश प्रक्रिया द्वारा उत्पन्न होने वाले संभावित रिटर्न को बढ़ा देते हैं।
ये समस्याएं बैक-टेस्टिंग को बेकार नहीं बनाती हैं, लेकिन बाजारों से जुड़ी कई चीजों की तरह, उन पर विशेष रूप से भरोसा नहीं किया जाना चाहिए।
बाजार जोखिम को एक वस्तुनिष्ठ तरीके से नहीं मापा जा सकता है क्योंकि यह प्रत्यक्ष रूप से देखने योग्य नहीं है, केवल उन चरों से अनुमान लगाया जा रहा है जिन्हें सीधे मापा जा सकता है (मूल्य-पर-जोखिम, संभावनाएं जैसे विश्वास अंतराल आदि) अंततः, कोई विकल्प नहीं है “लाइव” व्यापार के लिए, क्योंकि यह वास्तविक दुनिया के दबावों और वास्तविक व्यापार में शामिल पूर्वाग्रहों को शामिल करता है।
अर्थात, वे निवेश क्षितिज जो मूल रूप से रणनीति बनाने के लिए उपयोग नहीं किए गए थे। ट्रेडिंग सिस्टम के निर्माण के लिए 10 साल के डेटासेट का इस्तेमाल किया जा सकता है, लेकिन उपयोगी होने के लिए 10 साल के क्षितिज के अलावा अन्य अवधि में इसकी व्यवहार्यता का प्रदर्शन करना होगा।