Walk-forward analýza: proč jeden backtest nestačí

Backtest — simulace strategie na historických datech — je základní nástroj kvantitativního vývoje. Jenže výsledek jednoho backtestu je jedno číslo z jedné minulosti. A pokud jste strategii na stejné minulosti předtím ladili, to číslo neměří schopnost strategie, ale vaši schopnost přizpůsobit ji známým datům. Walk-forward analýza je způsob, jak strategii vyzkoušet poctivě: opakovaně a vždy na datech, která při ladění neviděla.

Backtest zná odpovědi předem

Když strategii optimalizujete — hledáte nejlepší periodu klouzavého průměru, práh vstupu, úroveň stop-lossu — zkoušíte desítky až tisíce kombinací parametrů na téže historii. Vítězná kombinace je z definice ta, která na této konkrétní historii vydělala nejvíc. To ale neznamená, že zachytila skutečné chování trhu. Často jen nejlépe sedla na konkrétní posloupnost svíček — včetně jejího náhodného šumu.

Je to jako student, který se naučil odpovědi z loňských testů. Na zkoušce s loňským zadáním exceluje. Co umí doopravdy, zjistíte až s novým zadáním. Podrobně o tom, jak tento jev vzniká a jak se pozná, píšeme v článku o přeoptimalizaci.

První krok: in-sample a out-of-sample

Základní obrana je rozdělit data. Na části historie se ladí (in-sample, IS), zbytek zůstává při ladění nedotčený a slouží jen k ověření (out-of-sample, OOS). Výkon na OOS je první upřímná odpověď: tam strategie odpovědi předem neznala.

Jednorázové rozdělení má ale slabinu — OOS je jen jedno období. Strategie jím mohla projít šťastnou náhodou, nebo naopak selhat kvůli jediné nešťastné epizodě. Jeden vzorek, malá vypovídací hodnota.

Walk-forward: zkouška, která se opakuje

Walk-forward analýza dělá IS/OOS rozdělení opakovaně, v oknech posouvaných časem:

1. Vezmi úsek historie a na něm strategii optimalizuj (in-sample).
2. Vítězné parametry pusť beze změny na následující, kratší úsek (out-of-sample) — strategie ho vidí poprvé.
3. Posuň obě okna vpřed a opakuj, dokud nevyčerpáš celou historii.

Out-of-sample úseky na sebe navazují: poskládané za sebou tvoří souvislou out-of-sample equity — křivku složenou výhradně z období, která strategie při ladění neviděla. To je nejblíž tomu, co lze čekat naživo. A navíc to věrně simuluje produkční provoz, ve kterém strategii stejně pravidelně re-optimalizujete na nejnovějších datech.

Jak číst výsledek

• Walk-forward efficiency (WFE) — poměr výkonu out-of-sample vůči in-sample, koncept spojený s Robertem Pardem, který walk-forward analýzu zavedl do praxe. WFE blízko 1 znamená, že strategie drží mimo trénink krok s tréninkem; výrazně nízká WFE prozrazuje, že výkon žil z přeučení. Univerzální práh neexistuje — důležitý je řád a konzistence, ne jedno číslo.
• Konzistence napříč okny — kolik OOS oken skončilo v zisku. Jedno hvězdné okno nezachrání deset ztrátových; hledá se rovnoměrnost, ne výstřel.
• Stabilita parametrů — pokud optimální parametry mezi okny divoce skáčou (perioda 12, pak 87, pak 23), strategie nemá stabilní jádro a každá re-optimalizace je loterie.

Časté chyby

1. Ladění podle OOS. Jakmile out-of-sample výsledek použijete k dalšímu ladění, přestal být out-of-sample. Data, která jednou ovlivnila rozhodnutí, už nejsou neviděná.
2. Příliš krátká OOS okna. Pár obchodů v okně je šum, ne statistika. Okno musí obsáhnout smysluplný počet obchodů.
3. Výběr nejhezčího běhu. Spustit walk-forward s deseti různými nastaveními oken a ukázat to nejlepší je jen přeoptimalizace o patro výš.
4. Nerealistická exekuce. Bez poplatků, slippage a likvidity je i poctivý OOS výsledek nadhodnocený.

Jak s tím pracujeme my

V naší platformě BXF je walk-forward jeden ze čtyř režimů testování — vedle backtestu, genetické optimalizace a Monte Carlo simulace. Pravidlo držíme jednoduché: strategie, která neprojde walk-forwardem, nejde do produkce. Jeden krásný backtest není důkaz — je to nanejvýš pozvánka k dalšímu, přísnějšímu testování.

Chcete vidět, jak vaše strategie obstojí ve walk-forwardu? Kontaktujte nás →