Please ensure Javascript is enabled for purposes of website accessibility

La ricerca
Fatti e statistiche

Considerando che la maggior parte dei lavori, per arrivare al punto in cui abbiamo ottenuto risultati per 20 sistemi, è iniziata ad aprile 2019 ed è durata fino a settembre 2019, quindi sono state impiegate circa 2564 ore-uomo. Per il period che abbiamo esaminato (07/06/2015 – 27/07/2019) per i 20 sistemi e per le 7 monete, è stato necessario eseguire 30240 backtest di una settimana in Metatrader 5 ed esportare 759220 backtest di più settimane, per un totale di 789460 diversi test. I dati sono stati raccolti in 20 database di SQL Server che richiedono un totale di 1,5 TB di spazio su disco. I loro vari backup richiedono anche circa 1,5 TB di spazio su disco. Poiché un test ha in media molte migliaia di combinazioni diverse, tutti i database includono un totale di oltre 37313353224 voci diverse relative ai soli test. 

Per le esigenze del metodo d-Backtest ma anche per l’esportazione di varie statistiche di ciascun sistema, erano necessarie almeno 75806500 registrazioni in più. Il numero finale di registrazioni in tutte le basi supera 37389159724. In totale sono stati utilizzati 588 core di CPU per i backtest di una settimana , 456 dei quali erano macchine ad alto calcolo e consumavano circa 27.723 kWH di elettricità.

Pubblicazioni
7 pubblicazioni su riviste scientifiche

Automated trading systems’ evaluation using d-Backtest PS method and WM ranking in financial markets

Optimization of Backtesting Techniques in Automated High Frequency Trading Systems Using the d-Backtest PS Method

AdTurtle: An Advanced Turtle Trading System

Hedging and non-hedging trading strategies on commodities using the d-Backtest PS method. Optimized trading system hedging

Take Profit and Stop Loss Trading Strategies Comparison in Combination with an MACD Trading System

Performance Comparison of Three Automated Trading Systems (MACD, PIVOT and SMA) by Means of the d-Backtest PS Implementation

Profitability Edge by Dynamic Back Testing Optimal Period Selection for Technical Parameters Optimization, in Trading Systems with Forecasting