ابزارهای رایگان
آزمایشگاه بیش‌برازش
این آزمایشگاه سری قیمتی می‌سازد که بر اساس ساختار هیچ مزیتی ندارد، تنظیمات متعدد تقاطع میانگین متحرک را روی 70% اول آن امتحان می‌کند، و بهترین را نگه می‌دارد. سپس همان تنظیم را روی 30% باقی‌مانده اجرا می‌کند، که جستجو هرگز ندیده است. هرچه تنظیمات بیشتری امتحان شود، بهترین نتیجهٔ درون‌نمونه بهتر به نظر می‌رسد، و آن نتیجه کمتر دربارهٔ هر چیزی خارج از نمونه می‌گوید.
به‌صورت تصادفی از 878 جفت سریع/کند انتخاب شده‌اند (سریع 2 تا 50، کند 10 تا 200).
هم سری و هم تنظیمات قرعه‌کشی‌شده را تعیین می‌کند.
سری شبیه‌سازی‌شده.
داده‌های شبیه‌سازی‌شده: یک گام تصادفی با شاخص‌گذاری از 100، که در آن بازدهی هر کندل از توزیعی با میانگین صفر نمونه‌گیری می‌شود. هیچ ابزار مالی واقعی نشان داده نمی‌شود.
بهترین تنظیم درون‌نمونه—
بازدهی درون‌نمونهٔ آن—
همان تنظیم در خارج از نمونه—
میانهٔ درون‌نمونه، همهٔ امتحان‌شده‌ها—
میانهٔ خارج از نمونه، همهٔ امتحان‌شده‌ها—
بازدهی‌های درون‌نمونهٔ هر تنظیم امتحان‌شده.
بهترین بازدهی درون‌نمونه با امتحان تنظیمات بیشتر.
چگونه کار می‌کند
این سری 1,500 کندل دارد. هر کندل قیمت قبلی را در یک به‌علاوهٔ بازدهی تصادفی‌ای ضرب می‌کند که از توزیع نرمال با میانگین صفر نمونه‌گیری شده است، پس هیچ قاعده‌ای جز با شانس نمی‌تواند روی آن مزیت داشته باشد. 1,050 کندل اول بخش درون‌نمونه است؛ 450 کندل آخر خارج از نمونه‌اند.
هر تنظیم یک جفت میانگین متحرک ساده است. در هر بسته‌شدن، وقتی میانگین سریع بالاتر از میانگین کند است موقعیت را نگه می‌دارد و در غیر این صورت از بازار خارج است؛ در زمان نگهداری، بازدهی کندل بعدی را کسب می‌کند. هرگز موقعیت فروش استقراضی ندارد و هیچ هزینه‌ای در نظر گرفته نمی‌شود. هر تنظیم از کندل 200 امتیازدهی می‌شود، زمانی که بلندترین میانگین وجود دارد.
چرا بهترین نتیجهٔ درون‌نمونه بالا می‌رود
بازدهی درون‌نمونهٔ هر تنظیم تا حدی حاصل شانس است. انتخاب بزرگ‌ترین نتیجه از میان چندین نتیجهٔ تصادفی، خوش‌شانس‌ترین را برمی‌گزیند، و بزرگ‌ترینِ 500 نتیجهٔ تصادفی تقریباً همیشه از بزرگ‌ترینِ 10 نتیجهٔ تصادفی بزرگ‌تر است. به همین دلیل، با امتحان تنظیمات بیشتر منحنی بالا می‌رود، در حالی که نتیجهٔ خارج از نمونهٔ تنظیم برنده تقریباً در همان محدوده‌ای پراکنده می‌ماند که نتایج تنظیمات دیگر.
چرا آزمون خارج از نمونه و گام‌به‌گام رو به جلو وجود دارد
آزمودن روی داده‌ای که جستجو هرگز به آن دست نزده، ساده‌ترین بررسی این اثر است. آزمون گام‌به‌گام آن را تکرار می‌کند: تنظیمات را روی یک پنجره انتخاب کنید، روی پنجرهٔ بعدی آزمایش کنید، هر دو را رو به جلو ببرید، و فقط پنجره‌های آزمون به‌هم‌پیوسته را ارزیابی کنید. هیچ‌کدام ثابت نمی‌کند یک قاعده کار می‌کند؛ نشان می‌دهند چه مقدار از یک نتیجهٔ درون‌نمونه پس از مواجهه با داده‌هایی که قاعده روی آن‌ها برازش نشده بود، پابرجا ماند. ابزارهای بک‌تست Analess حول بررسی‌های خارج از نمونه، گام‌به‌گام رو به جلو و مونت‌کارلو طراحی شده‌اند؛ صفحهٔ امکانات آن‌ها را توصیف می‌کند و نقشهٔ راه زمان‌بندی‌شان را نشان می‌دهد.