Was wir aus der Analyse von 1,2 Millionen FX-Strategien gelernt haben - Teil:2 Spread-Robustheitstest

In der letzten Folge haben wir gezeigt, wie Ihr True-Out-of-Sample (WFOS ) von der Komplexität der Strategie in Kombination mit der Anzahl der Trades beeinflusst werden kann. Wir haben herausgefunden, dass einfachere Strategien mit einer ausreichenden Anzahl von Trades in der Regel besser im True-Out-of-Sample (WFOS ) abschneiden

In der heutigen Folge gehen wir der Frage nach, ob die Verwendung einer Spread Ratio zu einem besseren True-out-of-Sample (WFOS ) Ergebnis führen kann.

Lassen Sie uns zunächst wiederholen, wie wir die Daten gesammelt haben:

Wir haben also etwa 1,2 Millionen Strategien generiert und dabei nur grundlegende Filter wie eine Mindestanzahl von Trades und Stabilität SQ3 > 0,6 verwendet. Wir haben die größtmögliche Datenstichprobe für den Zeitraum 1987-2017 IS + OS und für den Zeitraum 2018-2020 verwendet. ( WFOS )

Wir haben den Zeitraum 2019-2020 - zwei Jahre - als True-out-of-Sample (WFOS ) verwendet. Während dieses Zeitraums haben wir die Auswirkungen der Auswahl, der Robustheitstests und anderer Analysen beobachtet.

Wir haben Strategien für einen 1-Stunden-Zeitrahmen und einen 4-Stunden-Zeitrahmen entwickelt, wir haben die Gebührenstruktur der Darwinex verwendet, und wir hatten 1 Pip Slippage in jedem Markt.

Empfindlichkeit der Streuung

Für dieses Experiment haben wir den gesamten Datensatz mit einem Spread getestet, der 2 Pips höher war als der Standard-Spread bei Darwinex.

Zu Vergleichszwecken haben wir ein Verhältnis von Nettogewinn höherer Spread / Nettogewinn normaler Spread gebildet. Ziel war es, herauszufinden, ob das Verhältnis zwischen der Performance einer Strategie mit höherem Spread und ihrer Performance mit normalem Spread einen Einfluss auf die zukünftige Performance der Strategie haben kann.

Grundlegende Spread-Ratio-Analyse  

Im Datensatz tauchen Outliner mit unsinnigen Verhältnissen auf:

Wir haben daher Ausreißer aus dem Datensatz entfernt und Strategen mit einem Spread-Verhältnis von 0-1 ausgewählt.

Wir haben das Spread-Verhältnis in Dezile eingeteilt, und in jeder Zeile ist der Medianwert der einzelnen Statistiken angegeben. Das heißt, in der ersten Zeile haben alle Strategien mit einem Spread-Verhältnis im Intervall von -0,001 bis 0,647 einen Median-Nettogewinn in der True-Out-Stichprobe von -$166,3 und so weiter.

Spread Ratio in gleich großen Eimern auf der Basis von Dezilen -  Tabelle

Spread Ratio vs. WFOS 2 Jahre Median Netz Profit 

Anmerkung: Die rote Linie stellt den Durchschnittswert des Streuungsverhältnisses im gesamten Datensatz dar.

In der obigen Abbildung können wir sehen, dass Strategien mit einem sehr niedrigen Spread-Verhältnis im Allgemeinen schlechtere Ergebnisse erzielen als Strategien mit einem höheren Spread-Verhältnis. Ich möchte nicht sagen, dass dies nicht schlüssig ist, da wir visuell einen klaren Unterschied sehen können, aber ich habe weiter darüber nachgedacht, für welche Art von Strategien die Spread-Empfindlichkeit wichtig ist. Strategien mit einer größeren Anzahl von Trades werden verständlicherweise empfindlicher sein als Strategien mit einer geringen Anzahl von Trades.

In der vorheriger Teilhaben wir den Datensatz im Falle der Anzahl der Abschlüsse auf 480-2600 Abschlüsse angepasst. Machen wir es noch besser: Wir werden mit der durchschnittlichen Anzahl von Abschlüssen pro Jahr arbeiten.

Ich wähle Strategien im Bereich Avg 15 Trades pro Jahr bis Avg. 80 Trades pro Jahr.

Spread Ratio in gleich großen Eimern auf der Basis von Dezilen -  Tabelle

Spread Ratio vs. WFOS 2 Jahre Median Netto Profit 

Die Ergebnisse sind mit denen der ersten Auswahl vergleichbar. Wenn ich Strategien mit 15 bis 18 durchschnittlichen Trades pro Jahr auswähle, sehen wir den Unterschied zwischen 1 und 2 Dezilen und dann gegenüber den anderen Dezilen. Aber auch hier nichts Besonderes.

Eine Tatsache sollten Sie sich merken. Je mehr Trades Sie haben, desto höher ist die statistische Signifikanz der Ergebnisse.

Lassen Sie uns das Ganze methodisch noch genauer betrachten. Nehmen wir die durchschnittliche Anzahl der Trader pro Jahr, die in Out-of-Sample-Perioden gesammelt wurde, und wählen wir eine Strategie mit durchschnittlich 40 bis 80 Trades pro Jahr.

Spread Ratio in gleich großen Eimern auf der Grundlage von Dezilen - Tabelle

Spread Ratio vs. WFOS 2 Jahre Median Netto Profit 

Wow! Wir können einen deutlichen Unterschied feststellen. Logischerweise ist die Empfindlichkeit des Spreads umso höher, je höher die Anzahl der Trades ist. Sie sehen also, wie effektiv dieser einfache Test sein kann.

Es ist deutlich zu erkennen, dass Strategien mit höheren Spread-Ratios in WFOS besser abschneiden als der Durchschnitt.

Lassen Sie uns nun die Ergebnisse vom letzten Mal kombinieren. Wir wählen Strategien mit einer Komplexität von 4 bis 6 und einer durchschnittlichen Anzahl von Trades von 40 bis 80 pro Jahr.

Spread Ratio in gleich großen Eimern auf der Grundlage von Dezilen - Tabelle

Spread Ratio vs. WFOS 2 Jahre Median Netto Profit 

Das Ergebnis ist sogar noch besser. Wir sehen, dass Strategien mit der Komplexität von 4-6, und 40-80 durchschnittliche Anzahl von Händlern pro Jahr in der out-of-the Stichprobe.

Schlussfolgerung

Unsere Analyse deutet darauf hin, dass die Kombination aus der Robustheit des Spread-Resto die Strategie in WFOS unterstützen kann. Es ist jedoch wichtig zu bedenken, dass dieser Test nur Strategien mit einer höheren Anzahl von Trades hilft.

Wie wir diesen Test in StrategyQuantX einrichten können

Es gibt zwei Möglichkeiten, diesen Test in Croschecks einzurichten:

Wählen Sie Höhere Präzisionstest und setzen Sie die Crosscheck-Spanne auf 2,5 Pip.

Und setzen Sie die Filter-Registerkarte richtig: