کیس‌استادی: بک‌تست سبد شاخص‌ها

ایده کارفرما

تیم سرمایه‌گذاری نوید با US30 / NAS100 روی M15 کار می‌کند و دستور کار اولیه این بود: نتیجه تک‌تک نمادها را دارم؛ می‌خواهم ببینم سبد دو شاخص با هم چه رفتاری دارد.

پروژه و وضعیت اولیه

تیم هر شاخص را جدا سنجیده بود؛ کنار هم گذاشتن آن‌ها می‌توانست افت را زیاد کند یا بی‌دلیل کم نشان دهد.

معماری راه‌حل

بک‌تست سبد با وزن قابل تنظیم، محاسبه هم‌بستگی و سنجش افت در سطح سبد، نه در سطح هر نماد.

ستون اصلی گزارش، افت سطح سبد است؛ عدد تک‌نماد گمراه‌کننده بود. سازگار با روش کاری که روی US30 / NAS100 استفاده می‌شود و قابل تست با داده تاریخی موجود.

دلیل این انتخاب

ستون اصلی گزارش، افت سطح سبد است؛ عدد تک‌نماد گمراه‌کننده بود. سازگار با روش کاری که روی US30 / NAS100 استفاده می‌شود و قابل تست با داده تاریخی موجود.

قابلیت‌های پیاده‌سازی‌شده

ماژول‌ها و بخش‌های پیاده‌شده: تخصیص وزن + کنترل مواجهه.

خروجی تحویل‌شده:
بک‌تست سبد شاخص‌ها — US30 / NAS100 (M15)
سند مشخصات و جدول تطبیق قوانین (Index basket backtest)
سورس کامل MQL5 با کامنت
گزارش تست: سه وزن مختلف سبد
مستند پارامترها و راهنمای نصب (۹ هفته)

پیشگیری‌ها و کنترل ریسک

هیچ پارامتری روی کل داده بهینه نشده؛ بخشی از داده برای تست خارج از نمونه کنار گذاشته شده است.

روش بک‌تست و تست رو به جلو

روش تست: سه وزن مختلف سبد.

تست در سه مرحله اجرا می‌شود: بک‌تست روی داده تاریخی، بهینه‌سازی محدود در محدودهٔ قرارداد، و اجرای رو به جلو با پارامترهای قفل‌شده.

ابزارها و پشته فنی: MQL5، اسکریپت تحلیل، گزارش سبد.

هر عدد این پروژه همراه با شرایط اندازه‌گیری‌اش منتشر می‌شود: بازه داده، مدل تیک، اسپرد، کارمزد و نسخه فایل اجرایی. بدون این شرایط، عدد نهایی با هیچ چیز قابل مقایسه نیست.

نتایج قابل انتشار

نتیجه نشان داد سبک‌ترین وزن برای درفت‌دهی بهتر است و تیم قبل از هر تغییر حساب، آن وزن را در نسخه کاغذی آزموند.

محدودیت‌ها و نکات احتیاطی

هیچ پارامتری روی کل داده بهینه نشده؛ بخشی از داده برای تست خارج از نمونه کنار گذاشته شده است.

نتایج هر تست به کیفیت داده تاریخی، اسپرد بروکر و شرایط بازار وابسته است و تضمینی برای آینده نیست. در گپ قیمتی شدید یا قطع ارتباط بروکر، حد ضرر قابل تضمین نیست و رفتار سیستم در آن شرایط باید جداگانه بررسی شود.

پیشنهاد ما برای مرحله بعد

گام بعدی، اجرای نسخه منتخب روی حساب دمو و بازبینی هفتگی انحراف از نتایج تست است.