تحيز الاختبار الخلفي وكيفية تجنبه

الاختبار الخلفي هو عملية حساب الكيفية التي كان يمكن أن تحققها استراتيجية الاستثمار أو التداول تاريخياً. يتم استخدامه على نطاق واسع لاختبار ورفض النماذج والاستراتيجيات.

ولكن في كثير من الأحيان تفشل الاستراتيجيات المختبرة في الاستخدام في الوقت الفعلي. يمكن أن يكون هذا بسبب أي عدد من الأسباب ، مثل استراتيجية معيبة ، والاعتماد على الارتباطات التي لم تعد موجودة ، أو البيانات منخفضة الجودة ، أو مشاكل السوق أو السيولة ، أو التحيز في عملية الاختبار العكسي.

في القسم التالي ، سنحاول تسليط بعض الضوء على المشاكل العادية التي يمكن أن تحدث عند إجراء البحوث التاريخية ، وكيف نمنع حدوث مثل هذه المشاكل في Weekt Stocktip.

تحيز البقاء على قيد الحياة

من أكثر تحيزات الاختبار الخلفي شيوعًا تحيز البقاء على قيد الحياة. تحتوي الكثير من مجموعات البيانات منخفضة الجودة والأرخص استخدامًا للاختبار الخلفي على الشركات التي تبقى على قيد الحياة بمرور الوقت ، وبالتالي ، تقدم نتائج أعلى من المتوسط. يشمل نظامنا بشكل صريح جميع الشركات في الفترة التي يتم تصفيتها لاحقًا وبيعها ودمجها وإدخالها في الفصل 11 ، وتصبح قبعة صغيرة ، وما إلى ذلك. ولا يحدث أي تحيز لبقاء البيانات من أي شكل.

انحياز العينة غير كافٍ

يلاحظ العديد من الباحثين علاقة واحدة ويستخلصون منها. هذا غير مقبول إحصائيًا بالطبع. من أجل تشكيل استنتاج حول الملاحظة ، يجب أن يكون هناك عدد كبير من الملاحظات.

انظر إلى الأمام التحيز

التحيز في المستقبل هو العملية التي يحسب فيها المرء نتيجة متحيزة بحقيقة أن المرء لديه بالفعل درجة معينة من المعرفة بالأحداث التي ستحدث لاحقًا ، سواء كانت ضئيلة أو كبيرة. هذه مشكلة شائعة في الدراسات التاريخية ، مما يجعل بعض هذه الأشياء عديمة الفائدة إلى حد ما.

من أجل تجنب التحيز في المستقبل ، يجب أن يختفي العنصر البشري من المعادلة. لا يمكن للإنسان أن يتجاهل ما يعرفه بالفعل.

نحقق ذلك من خلال اختيار الأصول باستخدام عملية الحوسبة المعرفية.

الحوسبة المعرفية تعني نظام حوسبي قادر على اتخاذ قرارات "تشبه الإنسان" ، أو قرارات تبدو مشابهة لتلك التي يتخذها البشر ، باستثناء أنها ليست كذلك.

من خلال امتلاك جهاز كمبيوتر لتحديد الأصول - بطريقة عشوائية التعمية مزدوجة التماثل ، على غرار منهجيات الاختبار المستخدمة لتقييم المنتجات الصيدلانية حيث تكون الحياة على المحك - فإننا نضمن عدم إمكانية التحيز في المستقبل.

قد تخمن أن هذا يستلزم أن نظامنا في وضع غير مؤات للمعلومات بالنسبة لأي شخص يتخذ قرارات في نفس الوقت. هذا صحيح نوعًا ما - كبشر يمكننا الوصول إلى المعلومات من العديد من المصادر في بيئتنا أكثر من الآلة ، لكننا لسنا جيدين جدًا في معالجة المعلومات التي نتلقاها. في الواقع ، الكمبيوتر وبرامجه أفضل بكثير في اتخاذ قرارات ناجحة وصحيحة بشكل موضوعي أكثر من البشر.

بالطبع ، قمنا بتصميم بيئة الحساب الخاصة بنا بحيث لا تعرف إلا ما تم الكشف عن المعرفة علنًا في تاريخ أي قرار يتم اتخاذه. في هذا ، نحن نراقب قوانين ولوائح لجنة الأوراق المالية والبورصات الأمريكية ، ولا نبني أي قرار إلا على البيانات المقدمة بالفعل مع لجنة الأوراق المالية والبورصات الأمريكية في نقطة قرار البيانات.

لذلك ، من المستحيل تمامًا لبيئة الحساب لدينا أن تعرف الأحداث التي لم تحدث في وقت اتخاذ القرار (البيانات ببساطة ليست موجودة ؛ الخطأ البشري مستحيل ؛ والتدخل البشري مستحيل - بسبب مجموعة صارمة من القواعد التي تمنع كل تفاعل لقرار الإنسان في التحليل). وبالتالي ، لا يمكن النظر إلى التحيز في المستقبل.

الخالدة والتحيز الزمني

تُظهر معظم النماذج المستخدمة في العوالم المالية اليوم ما نسميه التحيز الزمني. نشير هنا إلى حقيقة أن معظم البيانات أو نقاط البيانات في عالم المال لديها شكل من أشكال العناصر الزمنية المرتبطة بها.

ضع في اعتبارك النموذج الأكثر شيوعًا: الارتباط بين البيانات من الأصل A والبيانات من الأصل B. يجد "الباحث" علاقة بين هذه ويعتقد أن الارتباط بين A و B يمكن استخدامه كجزء من نموذج. بالطبع ، لا يمكن. من خلال القيام بذلك ، يعرض الباحث انحيازًا في استخراج البيانات ، والتحيز الزمني ، والتحيز غير الكافي للعينة ، في وقت واحد ، وما سيبنيه سيفشل بشكل مذهل في المستقبل.

نحن هنا مهتمون بما نسميه التحيز الزمني فقط. قد توجد علاقة بين A و B. لكنها ستكون ذات طبيعة مؤقتة فقط ، بشكل عام على الأقل.

استخدام الارتباط في نموذج الاستثمار ، والاختبار العكسي للنموذج ، ليس ما نعتبره العلم. هذا لا ينطبق فقط على الارتباطات ، ولكن بالنسبة للعديد من الأشكال الأخرى للعلاقات ونقاط البيانات - تقريبًا. 95٪ من البيانات المالية. إذا تغيرت العلاقة بمرور الوقت (لنفترض أننا حددنا الوقت على أنه 1000 عام) ، فلا يمكن استخدامها ببساطة في نموذج يحاول التنبؤ بما يحدث في المستقبل ، وذلك لسبب واضح وهو أن الأسواق تتغير. تغير العلاقات. تغير الارتباطات. تغيرت الآراء. تخضع معظم الأشياء للانحراف والتدفق.

نهجنا بدلاً من ذلك هو تقييد نماذجنا حتى لا يلاحظوا أبدًا أشياء لا يمكن اعتبارها خالدة.

هذا ، بالطبع ، يجعل عملية بناء نموذج أكثر تعقيدًا 1000 مرة ، حيث أن عددًا قليلًا نسبيًا من المفاهيم هو خالد. ولكنه أيضًا يجعل النموذج الاقتصادي الذي يليه أكثر متانة وموثوقية 1000 مرة.

في ما يلي بعض الأمثلة على الأشياء الخالدة: الرجوع إلى الوسط كمفهوم. التجاوز. الفيزياء. الرياضيات. الخوف. جشع. على سبيل المثال لا الحصر.

بعض المفاهيم أبدية ، ونسلم بأن هذه هي المفاهيم الوحيدة التي يمكن استخدامها في النموذج.

انحياز توقيت إصدار البيانات

بالإضافة إلى منع التحيز في المستقبل ، أجرينا اختبارات تؤخر بشكل فعال المعلومات مقارنة بالوقت الذي تم إصداره تاريخيًا. تتأخر المعلومات بمبالغ عشوائية (الأيام والأشهر والأرباع) ، وتؤكد النتائج أن الأداء العام ليس حساسًا للبيانات التي كانت حديثة جدًا في وقت اتخاذ أي قرار. بعبارة أخرى ، يتأثر الأداء بشكل غامض ، ولكنه يظل في المقدمة قبل المنحنى ، حتى مع البيانات "غير المحدثة تمامًا".

تحيز استخراج البيانات

عند تطوير الاختبارات الخلفية ، من الممكن أن يتمكن المرء من صياغة أو نحت طريقة "تناسب" الأحداث الفعلية للتاريخ المالي ، كما نعرفها.

وبذلك ، قد تصل (على الأرجح) إلى استنتاج خاطئ. على سبيل المثال ، إذا اختبر المرء الارتباطات السلبية بين الذهب والدولار الأمريكي في فترة زمنية قصيرة ، فقد يؤدي إلى استنتاج خاطئ بشدة أن سعر الدولار يحدد سعر الذهب.

الطريقة الرئيسية لتجنب التنقيب عن البيانات هي عدم البحث عن ما ينجح.

يشكل العلم السليم أطروحة تعمل بشكل منطقي ، ثم تختبر فقط ما إذا كان يمكن إثبات صحة الرسالة أم لا.

يحد استخدام هذا النهج من خطر التحيز في استخراج البيانات ، حيث لا يحدث "تعدين". بدلا من ذلك ، يتم استخدام الطريقة العلمية.

نهج آخر هو استخدام فترات طويلة الأمد والإصرار على العديد من العينات. نستخدم 50 سنة. القيام بذلك يقلل من احتمالية ظهور أي نمط عن طريق الصدفة. من غير المرجح أن يتناسب النمط العشوائي أو المؤقت بشكل جيد طوال فترة طويلة جدًا ، على عكس فترة أقصر.

أيضا ، حجم العينة مهم جدا.

ثانيًا ، تعتمد أساليبنا على الفطنة السليمة في مجال الأعمال و 20 عامًا من الخبرة من عالم الأعمال ؛ أنها لا تستند إلى بيانات عشوائية. فهي لا تعمل فقط من الناحية العملية ، ولكن أيضًا من الناحية النظرية ، وهي مستمدة من الممارسات التجارية الأفضل ، وليس من الممارسات الاستثمارية أو التجارية ، كما هو الحال عادةً.

ببساطة ، تجنب استخراج البيانات ، تجنب التحيز في استخراج البيانات.

مشاكل تتعلق برسملة السوق أو السيولة أو تحريك السوق

يجب أن تتعامل أي طريقة استثمار مع حقيقة أن المشاركين في السوق يحركون السوق.

تمتلك كل شركة كمية محدودة من الأسهم ، وستؤدي الاستثمارات الكبيرة بما يكفي إلى تغيير الأسعار التي تبطل بها هذه التجارة ، وبالتالي تبطل البيانات التاريخية. (سيبدو التاريخ مختلفًا إذا قام المزيد من المشاركين بأفعال معينة ، على عكس ما فعلوه في التاريخ الفعلي).

يمكن استخدام العديد من الطرق لتجنب ذلك. أحدها هو التأكد من أننا لا نستخدم سوى المرشحين ذوي السيولة المعقولة ، أي حجم التداول في الفترة المعنية. وذلك لأن القضايا التي يتم تداولها بشكل رقيق تميل إلى أن تتأثر بسهولة أكبر بمتطلبات السوق.

طريقة أخرى هي تقييد القيمة السوقية ، وبالتالي إزالة أسهم رأس المال الصغير من الاعتبار ، بناءً على حقيقة أن الأسهم ذات رأس المال الأكبر تتأثر بشكل أقل بزيادة الطلب.

ثالثاً ، والأهم من ذلك ، أن السيولة مقيدة من التداول بأكثر من نسبة صغيرة من السيولة المتداولة تاريخياً من أجل تقليل تأثير السوق.

انحياز الفترة المثلى

لقد رأينا العديد من الدراسات التي تم إجراؤها في إطار زمني تفوقوا فيه ، ولم تتضمن بسهولة فترات زمنية عندما كان أداؤهم ضعيفًا.

نتجنب مثل هذا السلوك ونؤكد على أقصى طول ممكن لدراساتنا ، على الرغم من أن الأداء السنوي سيكون أعلى بشكل واضح إذا اخترنا فترات فرعية تتفوق فيها طرقنا.

أيضًا ، استخدمت بعض الدراسات فترات 10 أو 20 عامًا ، والتي تبدو قصيرة جدًا للتقييم السليم إحصائيًا. نعتقد أن 50 سنة كافية.

تكاليف الاحتكاك / التداول

الحجة التي تطرح ضد عدد من الدراسات ذات النتائج السليمة على ما يبدو هي تكاليف الاحتكاك ، أي التكاليف المتعلقة بالتداول ، والتي سيكون لها في النهاية تأثير سلبي على الأداء.

لم تعد هذه هي القضية التي اعتادت أن تكون ، مع تكاليف تداول الأسهم بسعر 0.005 دولار أمريكي محتمل للسهم باستخدام وسطاء الوصول المباشر مع أن البعض "مجاني".

ومع ذلك ، ما زلنا نركز عليه ، مما يضمن أن نهجنا لا يتداول إلا مرة واحدة في الأسبوع ، وبشكل عام يمكن وصف معدل التداول في محافظنا بأنه منخفض للغاية. وبالتالي ، لا تتأثر تكاليف الاحتكاك بأي من طرقنا بطريقة ذات معنى.

خاتمة

قد يكون للاختبار الخلفي كمفهوم في بعض الأوساط سمعة أقل من ممتازة.

هذا غير مستحق على الإطلاق. كمفهوم هو جزء لا يتجزأ من المنهج العلمي. طريقة لقياس الأطروحة بدقة وبشكل صحيح ، إذا تم استخدامها بشكل صحيح.

إن الأشخاص الذين يسيئون استخدام البيانات والنماذج ، سواء في العالم الأكاديمي أو في عالم الممارسين ، هم المسؤولون عن سبب فشل بعض نماذج الاختبار الخلفي في العمل بشكل جيد بما فيه الكفاية في الوقت الحقيقي. إما أنها بنيت أو تم اختبارها بشكل غير صحيح.

في عام 2008 ، أكملنا ورقة حول أساليبنا الاستثمارية في Weekt Stocktip توقعنا فيها أداء مستقبليًا تقريبًا. عودة 36٪ سنويا سيكون ممكنا.

في 2009 و 2010 و 2011 أجرينا مشروعًا رائدًا ، حيث استثمرنا على أساس بحثنا. كانت نتائجنا 42.75٪ سنوياً وقد تم تدقيق النتائج من قبل مدقق حسابات مرخص من الدولة.

وقد عملت أحدث نماذجنا أيضًا على قدم المساواة مع توقعات عام 2008 ، حيث بلغ متوسط ​​النتائج منذ عام 2009 معدل نمو سنوي مركب بلغ 40.10٪. يمكن ملاحظة الأداء الأخير في الرسم البياني أدناه.

الاختبار الخلفي هو عملية حساب الكيفية التي كان يمكن أن تحققها استراتيجية الاستثمار أو التداول تاريخياً. يتم استخدامه على نطاق واسع لاختبار ورفض النماذج والاستراتيجيات.

أداء Stocktip الأسبوعي مقابل المتوسط ​​الصناعي لداو جونز

يمكن ملاحظة أن نموذج الاستثمار ، إذا تم بناؤه بشكل صحيح ، يمكن أن يؤدي في المستقبل ، تمامًا كما فعل في الماضي.

يمكنك الوصول إلى المزيد من أبحاثنا الاستثمارية أو الاشتراك في نماذج الاستثمار لدينا على https://weeklystocktip.com