使用数据进行反向测试

Question

在假设的场景中，我有大量接收的数据，并且通常在接收时按时间顺序排列，有没有办法向前或向后“播放”数据，从而按需重新创建新信息流？我知道，从简单的意义上讲，我总是可以有一个脚本(不管什么输出都不重要)，它以一个for循环开始，该循环接受任意数量的事件或观察值并执行某些操作，然后接收更多观察值，用新的结果更新以前输出的内容，等等。有没有比简单的for循环更具伸缩性的方法呢？

基本上，每当我研究这个主题时，我都会很快发现自己导航到高频交易的主题区域，特别是通过对历史数据进行反向测试的算法效率。虽然我的问题是在更广泛的意义上这样做，我们的观察不需要是股票/期权/未来价格点子，但同样的原则也必须适用。有没有人有这样的经验，知道这样的平台是如何在一个更具伸缩性的级别上构建的，而不仅仅是一个带有逻辑的for循环？另一个例子是健康数据/索赔，随着时间的推移，人们可以看到随着时间的推移，随着更多索赔的出现，会发生什么。

Answer 1

优化循环的问题是，假设你有3年的时间，但你只有3个你感兴趣的事件。然后，您可以使用基于事件的回测，只需3次迭代。

这里的问题是，你必须预先计算事件，这将需要数据无论如何，大多数时候，你将需要关于你的回购交易的统计数据，这也需要数据，如最大拉动。

因此，大多数反向交易框架无论如何都会使用循环。或者矢量化，如果你在R/Matlab Numpy上

如果你真的需要优化它，你可能需要预先计算并存储所有的信息，然后进行查找