什麼是Walk Forward Efficiency(WFE)?

之前有報告過Walk Forward Analysis的方法：


http://tw.myblog.yahoo.com/Blue-Speculator/article?mid=702&prev=712&next=693&page=1&sc=1#yartcmt

基本上就是把資料分成In sample data 和 Out of sample data兩種，然後我們只有In sample data來跑最佳化，然後讓跑出來最佳化的參數值，去放到out of sample data去看交易的績效如何？

然後我們以下面這張圖來作說明，我們拿week1-week4(in sample data)來跑最佳化，然後放在week5(out of sample data)來驗證。這時候假設我們in sample data所backtesting出來的績效成績是每一個禮拜可以贏1萬元，但是放到week5(out of sample data)的實證績效只有6千元的話。這時候我們就可以算得出來這一次的walk forward efficiency = 6000 / 10000 = 60%

這代表著如果我們拿著開發出來的交易系統去實際交易的話，所得出來的實際績效只會有backtesting的60%而已。

然後我們重複這樣的walk forward analysis 八次，把所有的資料都跑完。那我們就可以算出來8個walk forward efficiency的係數(WFE)。假設我們這八個walk forward efficiency係數分別是: 60%, 74%, 92%, 147%, 76%, -12%, 56%, 74%. 然後我們取這些WFE的平均值，可以算出來等於70.8%.

這WFE(Walk Forward Efficiency) = 70.8%就代表著，我們可以預期接下來我們實際交易的預期報酬應該大約會落在我們最後一次walk forward analysis所作的backtesting績效的70.8%左右附近。

通常一般會要求WFE至少要在50%以上才算可以接受的標準。如果WFE超過100%的話，那就代表我們實際交易的成績通常會比backtesting的成績還要來的好。如果低於50%的話，就代表著我們的系統應該在設計上出了問題，才會在out of sample data的表現都遠不如我們backtesting 的成績。

引用 http://tw.myblog.yahoo.com/Blue-Speculator/article?mid=1040&prev=1050&next=985#yarttrk