Langlebigkeit einer Strategie

Da es keinen Überblick darüber gibt, wie lange eine Strategie profitabel bleiben könnte, und das Ziel aller hier ist, Geld zu verdienen, wäre es nicht besser, eine profitable Strategie auf ein hohes Risiko zu setzen, als sie mit einem niedrigen Risiko zu betreiben, nur um dann festzustellen, dass sie über Monate und Jahre hinweg ihren Vorteil verliert?

Wenn Sie also Vertrauen in die Strategie haben und sie nach ein paar Monaten auf einem Live-Konto gut aussieht, erhöhen Sie das Risiko sehr stark. Ziehen Sie das ursprüngliche Kapital ab, sobald Sie Ihr Geld verdoppelt haben, und dann haben Sie nichts mehr zu verlieren...

Im Gegensatz dazu würde es bei geringem Risiko (z. B. 2%) Jahre dauern, bis man ohne eine sehr hohe anfängliche Einlage nennenswertes Geld verdient, wobei das Risiko des Scheiterns aufgrund des langen Zeitrahmens besteht.

Ich selbst bin nicht so sehr daran interessiert, 5 Jahre lang zu handeln, um etwas Geld zu verdienen. Ich würde lieber ein paar Strategien auswählen, die sehr gut aussehen, dann handeln sie live für ein paar Monate und wenn die Dinge gut aussehen, nehmen Sie das Risiko bis zum maximalen Punkt, wo historische drawdon ist etwa 50% und Compound die Gewinne sehr schnell zu machen einige sehr gutes Geld.

Ich weiß, dass andere andere Ansichten haben, z. B. viele Jahre lang mit geringem Risiko zu handeln und ein bisschen Geld zu verdienen, aber für mich geht es beim Handel darum, in relativ kurzen Zeiträumen sehr gutes Geld zu verdienen. Andernfalls verbringt man sein ganzes Leben damit, Daten zu betrachten, zu testen, zu handeln und Code für Peanuts zu schreiben.

Hehe, auch eine gute Herangehensweise, solange es dir Geld bringt + glücklich macht, ist es genau der richtige Weg für dich! Schau mal, wenn es einen Zaubertrick gäbe, der mir Geld einbringt, würde ich den anwenden, anstatt stundenlang über Strategien nachzudenken:) Haben Sie mit dieser Idee schon Geld verdient?

Sie meinen also: Sie erstellen eine Strategie und lassen sie ein Jahr lang unangetastet, dann führen Sie einen weiteren Backtest für dieses Jahr durch, und wenn sie profitabel war, handeln Sie sie? Ja, das ist dann ein echtes OOS. Nur, dass Sie ein Jahr warten mussten, damit das passiert, und 1 Jahr älter wurden.

 

Ja, weniger DMB für sicher, vor allem, wenn statistische genug Trades (2000+, besser 4000+) und niedrigeren Zeitrahmen (mehr Datenpunkte, Senkung der Chance, von DMB noch mehr kommen). Noch keine Garantie für Gewinn natürlich, aber so nah wie Sie bekommen können.

Sie müssen nicht warten, Sie verwenden einfach NICHT das letzte Jahr für die Generierung. Sie verwenden also nur Daten bis zum 31.12.204 und das Jahr 2015 wird OOS2 sein.

In diesem Fall handelt es sich immer noch um bereits bekannte Daten, und was tun Sie, wenn das OOS für dieses eine Jahr schlecht aussieht? Richtig, Sie würden eine solche Strategie niemals handeln und sie entweder wegwerfen oder so lange optimieren, bis auch das 1-Jahres-OOS profitabel ist, genau wie der IS-Bereich. Und das ist im Grunde dasselbe, als wenn Sie von Anfang an für ALLE Jahre optimiert hätten, nur dass das viel einfacher gewesen wäre:)

Jep:) Was ich anstelle von OOS verwende, sind, wie bereits erwähnt, Bootstrapped-Zufallsdatensätze (Daten, die aus den realen Daten mithilfe eines Bootstrapping-Verfahrens mit Ersetzung erstellt werden) des zugrunde liegenden Symbols, die ich über ein benutzerdefiniertes Python-Skript erstelle. Das ist echtes "OOS" in dem Sinne, dass es so ist, als würde man seine Strategie live handeln und man kann nicht auf diesen Daten optimieren, da jeder Datensatz in Bezug auf die Preiskurve völlig anders sein wird, sondern nur das Hauptverhalten des ursprünglichen Symbols simuliert wird (Mathematiker wissen, was ich meine), und zwar aus dem Grund, dass ich endlose neue Datensätze generieren kann, von denen jeder völlig anders ist, aber jeder die "Eigenschaften" der ursprünglichen Datenreihe des Symbols enthält.

Quandl hat das gerade heute veröffentlicht.
https://www.quandl.com/blog/interview-with-a-quant-part-one
 

Kürzlich führte Quandl ein Interview mit einem leitenden quantitativen Portfoliomanager bei einer großen Hedgefonds.
 

Welche Schritte sehen Sie in Ihrem formalen Forschungsprozess vor?

Frühzeitig, Meine größte Angst ist die Verunreinigung von Daten. Die Geschichte ist eine begrenzte Ressource; wenn man keine historischen Daten mehr hat, gegen die man testen kann, kann man keine neuen mehr erzeugen. Ich bin paranoid, wenn es darum geht, meinen Vorrat an unverfälschten Daten außerhalb der Stichprobe nicht zu erschöpfen.

Ich beginne also damit, meine historischen Daten in sich nicht überschneidende Abschnitte zu unterteilen. Dann nehme ich eine Zufallsauswahl vor, so dass nicht einmal ich weiß, welcher Abschnitt welcher ist. (Dies schützt vor unbewussten Verzerrungen: Ich bin zum Beispiel risikoscheu, wenn ich weiß, dass mein Testdatensatz 2008 ist, oder risikofreudig im Jahr 2009).

Ich bezeichne einen Chunk als meinen Kalibrierungssatz. Für die Kalibrierung verwende ich normalerweise Python: Ich verwende die eingebauten Optimierungsbibliotheken und habe ein paar eigene geschrieben. In diesem speziellen Beispiel sind meine Parameter eingeschränkt und korreliert. Daher verwende ich ein zweistufiges Optimierungsverfahren, den so genannten EM-Algorithmus. Optimierer können empfindlich auf die Anfangsbedingungen reagieren, daher verwende ich Monte Carlo, um eine Reihe von Ausgangspunkten im Lösungsraum zu wählen. All dies ist in Python recht einfach zu bewerkstelligen.

Das Ergebnis dieser Kalibrierung sollte eine Reihe von 'Modellparametern'“ numerischen Werten'“ sein, die mit tatsächlichen Marktbeobachtungen kombiniert werden können, um andere Marktpreise vorherzusagen.

Sobald ich das Modell kalibriert habe, teste ich es außerhalb der Stichprobe.

 

Man trennt also strikt zwischen stichprobenintern und stichprobenextern; man macht sich blind für Datumsbereiche; man verwendet Monte Carlo, um Verzerrungen der Ausgangssituation zu vermeiden; und man probiert verschiedene Robustheitstricks aus. Was tun Sie sonst noch, um sicherzustellen, dass Sie sich nicht selbst täuschen?

Ich lege sehr viel Wert auf Sparsamkeit. Wenn mein Modell zu viele Parameter erfordert oder zu viele Freiheitsgrade hat, ist es nur eine Kurvenanpassung und kein Modell. Ich versuche also ständig, Faktoren zu entfernen. Wenn das Modell auch nach dem Entfernen mehrerer Faktoren noch funktioniert (und aussagekräftig bleibt), dann ist es wahrscheinlich ein gutes Modell.

Ein zweiter Beweis für Robustheit ist, wenn das Modell gut funktioniert, egal welche Handelsstrategie Sie darauf aufbauen. Wenn Sie nur mit einer komplexen nichtlinearen Skalierungsregel mit allen möglichen Randbedingungen Geld verdienen können, deutet dies auf einen Mangel an Robustheit hin.

Schließlich gibt es keinen Ersatz für Daten. Ich denke an alle möglichen DatensÃ?tze außerhalb der Stichprobe, an denen ich das Modell plausibel testen kann: verschiedene LÃ?nder, verschiedene Instrumente, verschiedene ZeitrÃ?ume, verschiedene Datumsfrequenzen. Das Modell muss in allen Fällen funktionieren, sonst kommt es zu Selektionsverzerrungen in den Ergebnissen.

 

Man weiß nie, wie die Strategie "morgen" abschneiden wird, und es ist auch klar, dass ein Portfolio in Bezug auf die Sicherheit besser abschneidet als eine einzelne Strategie, zumindest ist das meine Erfahrung. Ich habe nie die Erwartung, dass die Strategie SO gut ist, dass sie höchstwahrscheinlich in den nächsten Tagen oder Wochen ganz großartig abschneiden wird. Das kann man vorher nie wissen, das ist Zufall und jedes Gefühl in Richtung "das muss in den nächsten Wochen gut laufen" ist nur eine menschliche Hoffnung, dass es gut laufen wird. Statistisch gesehen ist das einfach eine falsche Annahme. Eine Strategie kann am Tag #1 scheitern, in den nächsten Wochen schlecht und in den darauffolgenden Wochen gut abschneiden, oder von Anfang an gut sein. Aber ich würde nie eine Menge Geld für einen Handel riskieren, weil ich glaube, dass er gut laufen wird. Wenn ich das tun würde, könnte ich manuell handeln, was ich überhaupt nicht will. Ich persönlich halte mich an strenge Money-Management-Regeln und rechne aus, wie hoch der Drawdown ist, den das kombinierte Portfolio im schlimmsten Fall im gesamten Backtest verursacht hat. Dann multipliziere ich das mit x2 und berechne das %-Risiko pro Trade, das ich eingehen werde, um den historischen maximalen DD zu erreichen, der an meine eigene Drawdown-Toleranz angepasst ist (dafür habe ich ein extra Skript außerhalb von SQ erstellt). Dann gehen Sie vor und Handel es, streng nach den Regeln, ohne Intervention.

Könnten Sie Ihre Formel für das Risiko pro Handel etwas genauer erläutern? Ich bin mit Ihnen für 2x wc Drawdown des Portfolios. Was sind dann die Calc-Schritte, um den Betrag pro Handel zu erhalten? Wenn Sie nichts dagegen haben, zu teilen.
-Stearno

Gesendet von meinem HUAWEI MT7-TL10 mit Tapatalk

Schwellenwert: Ich weiß, dass die Händler bei den Indizes wollen, dass die Strategie bei verschiedenen Währungen funktioniert, aber ist das bei den Devisenmärkten auch so? ich habe Strategien, die nur bei einem Paar funktionieren... und sie "funktionieren"

In diesem Fall handelt es sich immer noch um bereits bekannte Daten, und was tun Sie, wenn das OOS für dieses eine Jahr schlecht aussieht? Richtig, Sie würden eine solche Strategie niemals handeln und sie entweder wegwerfen oder so lange optimieren, bis auch das 1-Jahres-OOS profitabel ist, genau wie der IS-Bereich. Und das ist im Grunde dasselbe, als wenn Sie von Anfang an für ALLE Jahre optimiert hätten, nur dass das viel einfacher gewesen wäre:)

Ich habe niemals optimieren jede strategie. was kommt von GA, das ich benutze. keine notwendigkeit, zu verbessern. wenn es nicht auf OOS 2 funktioniert, dann benutze ich es nicht. 

Schwellenwert: Ich weiß, dass die Händler bei Indizes wollen, dass die Strategie bei verschiedenen Währungen funktioniert, aber ist es dasselbe beim Devisenmarkt? Ich habe Strategien, die nur bei einem Paar funktionieren...und die "funktionieren"

Ich auch.
Meiner Meinung nach haben bestimmte Paare, Indizes und Rohstoffe jeweils ihre eigenen Persönlichkeiten, weshalb ich einige Systeme für einzelne Paare entwickelt habe. Derzeit baue ich ein paar Modelle für den S&P, die ich für diskretionäre Signale im USDJPY verwenden werde. Diese haben sehr spezifische korrelierte Persönlichkeiten. Viele andere Paare haben auch ihre eigenen Persönlichkeiten wie AUDNZD, EURGBP usw. Aber mein Hauptsystem ist das D1-ADX-System, das ich in EA Wizard erstellt habe und das mit allem funktioniert, was bis in die 1970er Jahre zurückreicht. Seine Stagnation Zeitraum ist brutal, obwohl so seine bis zu Ihrer Persönlichkeit, wenn Sie damit umgehen können. Es ist auch eine einzige Optimierung ohne WF, da MT4 nur begrenzte Optimierungstests durchführt. Ich plane, es in SQ4-Plattform in einem einzigen Portfolio-Optimierung laufen (1 Optimierung für alle Paare) neu zu tun.

Viele professionelle Händler entwickeln Systeme, die sich ausschließlich auf den S&P, den EURUSD oder den Rohölpreis spezialisieren. Kevin Davey hat sich auf Systeme spezialisiert, die nur Daten bis zurück ins Jahr 2003 verwenden. Und Andrea Unger, der 3 Jahre in Folge mit 100+% Jahresrendite bei der Futures Trading Championship den ersten Platz belegte, verwendet ebenfalls spezialisierte Systeme. Tatsächlich benutzt er nicht einmal Indikatoren. Er hasst sie. Er verwendet nur Zeit und OHLC/Höchststände/Tiefststände/Kerzengröße usw.

Andere wie der große Portfoliomanager Jerry Parker verwenden ausschließlich Systeme, die nur mit Daten arbeiten, die mehr als 100 Jahre zurückreichen.

Ich persönlich mag die Verwendung größerer Daten durch geektrader, da ich diese Ansicht vertrete, seit ich zum ersten Mal Mitglied hier bin. Mehr Daten sind immer besser, auch wenn ich bei der Verwendung von OOS und WFM anderer Meinung bin. Auch nach der digitalen Ära von 2003 gibt es neue Muster, die man finden kann.

Die Lehre daraus ist, dass es weder einen richtigen noch einen falschen Weg gibt. Finden Sie heraus, was für Sie funktioniert.
 

Jep:) Was ich anstelle von OOS verwende, sind, wie bereits erwähnt, Bootstrapped-Zufallsdatensätze (Daten, die aus den realen Daten mithilfe eines Bootstrapping-Verfahrens mit Ersetzung erstellt werden) des zugrunde liegenden Symbols, die ich über ein benutzerdefiniertes Python-Skript erstelle. Das ist echtes "OOS" in dem Sinne, dass es so ist, als würde man seine Strategie live handeln und man kann nicht auf diesen Daten optimieren, da jeder Datensatz in Bezug auf die Preiskurve völlig anders sein wird, sondern nur das Hauptverhalten des ursprünglichen Symbols simuliert wird (Mathematiker wissen, was ich meine), und zwar aus dem Grund, dass ich endlose neue Datensätze generieren kann, von denen jeder völlig anders ist, aber jeder die "Eigenschaften" der ursprünglichen Datenreihe des Symbols enthält.

Nur für den Fall, dass jemand ein Asirikuy-Mitglied ist und bootstrapped Daten erstellen möchte, ist es etwas versteckt in den Gefilden des großen Forums:

erhalten Sie das Skript zunächst hier:

https://asirikuy.com…&p=20951#p20940

Verwenden Sie dann meine Lösung, um es auf M1-Daten laufen zu lassen (32-Bit-Python funktioniert sonst nicht, weil der RAM-Bedarf für einen 32-Bit-Prozess zu groß wird, wenn 29 Jahre mit 1M-Daten verwendet werden):

https://asirikuy.com…&p=20951#p20951

Viel Spaß;)

Ja, das stimmt. Ich denke, das ist eine Frage der persönlichen Vorliebe. Meine Persönlichkeit kann eine lange Stagnationsphase einer einzelnen Strategie oder eines Portfolios von Strategien nicht verkraften. Außerdem müssen meine Strategien bei mindestens 20 Paaren, Gold, S&P, Rohöl usw. funktionieren. Zugegeben, der SL/PT-Bereich muss möglicherweise für verschiedene Märkte angepasst werden, aber der Bereich aller anderen optimierbaren Parameter bleibt derselbe. Ich bin mir sicher, dass ich durch diesen Ansatz viele ausgezeichnete Systeme verliere, aber meine Persönlichkeit ist so, dass es für mich praktisch unmöglich wäre, das Portfolio laufen zu lassen, ohne es zu hinterfragen, wenn ich diesen Ansatz nicht verfolgen würde. Ich nehme also an, dass es sehr wichtig ist, sicherzustellen, dass das Modell für einen bestimmten Persönlichkeitstyp handelbar ist.

Es ist offensichtlich, dass es eine große Konstellation von Möglichkeiten für die Entwicklung profitabler Handelsmodelle gibt. Einige dieser Möglichkeiten sind bekannt, andere warten wohl noch darauf, entdeckt zu werden.

Kurzum, was immer für Sie funktioniert.

Gesendet von meinem GT-P5210 mit Tapatalk

Kerbe,
Sie sagen, es muss bei 20 Paaren funktionieren. Wie testen Sie das?

Sie bauen auf einem Paar und dann Sie nur auf die anderen neu zu testen? Wie definieren Sie, dass es sich bei den anderen Paaren "rechnet"? Muss es positive Ergebnisse haben, eine ähnliche Equity-Kurve wie das ursprüngliche Paar haben?

Oder optimieren Sie das neue Paar und testen es dann (da die Einstellungen für die verschiedenen Paare höchstwahrscheinlich unterschiedlich sein müssen)?

Gesendet von meinem HUAWEI MT7-TL10 mit Tapatalk

Kerbe,
Sie sagen, es muss bei 20 Paaren funktionieren. Wie testen Sie das?

Sie bauen auf ein Paar und dann Sie nur auf die anderen neu zu testen? Wie definieren Sie, dass es sich bei den anderen Paaren "rechnet"? Muss es positive Ergebnisse haben, eine ähnliche Equity-Kurve wie das ursprüngliche Paar haben?

Oder optimieren Sie das neue Paar und testen es dann (da die Einstellungen für die verschiedenen Paare höchstwahrscheinlich unterschiedlich sein müssen)?

Gesendet von meinem HUAWEI MT7-TL10 mit Tapatalk

SQ hat "Zusätzliche Daten"-Felder im Retest und in der Generierung. Während des Generierungsprozesses generiert er für mehrere Paare und verwendet dabei dieselben Filter wie: max DD (main IS)> 30 für die zusätzlichen Daten: max DD (A.D.)> 30, damit sie alle denselben Standards entsprechen. Die Optimierung in SQ3.8 kann jedoch nur jeweils ein Paar bearbeiten, so dass die Erstellung von Strategien für mehrere Paare offensichtlich während des Generierungsprozesses erfolgt.

Datei: GUgen.png

Sie können mehrere Paare in einem einzigen Build erstellen und testen, dafür sind die zusätzlichen Datenfelder gedacht. Es gibt auch separate Filter für A.D. (Zusatzdaten) genau wie I.S./O.O.S./R.T. Filter.

Sie wird zu SQ4 hinzugefügt. Das war eine meiner Hauptforderungen: die Optimierung auf Portfolioebene.
Sie werden auch in der Lage sein, mehrere Strategien auf mehreren Paaren in einem einzigen Retest wie ein Live-Portfolio zu testen, was für %-Risikostrategien extrem wichtig ist, da der Gewinn/Verlust jedes Handels die Losgröße des nächsten Handels beeinflusst.

Okay. Ja, ich verstehe das mit AD.
Ich denke, ich frage mich, ob das fair ist. Denn zum Beispiel gbpjpy und gbpchf sind sehr unterschiedlich als USDcad. Also ich denke, vielleicht ist es unrealistisch zu erwarten, dass die gleiche Strategie, mit den gleichen Gewinnziele und Stop-Loss, zu den gleichen Standards auf all diesen verschiedenen Märkten zu arbeiten. Ich kann verstehen, dass dieselbe Strategie auf verschiedenen Märkten mit unterschiedlichen Parametern funktioniert. Welche Erfahrungen haben Sie diesbezüglich gemacht?

(Ich stelle niemanden oder seine Methoden in Frage, ich versuche nur zu verstehen)

Gesendet von meinem HUAWEI MT7-TL10 mit Tapatalk