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.
