READ-ONLY

Das Forum ist jetzt ein schreibgeschütztes Archiv.

Für Fehlerberichte und Fragen zur Plattform → [email protected]

Unsere Community lebt auf Discord und YouTube - komm zu uns!

Monte-Carlo-Permutationstest für Lieschgras-Master

2 Antworten

TP

Abonnent, bbp_participant, Kunde, Gemeinschaft, sq-ultimate, 8 Antworten.

Profil besuchen

vor 3 Jahren #281476

Ich hoffe, alles ist gut!

Zwei Fragen zum Monte-Carlo-Permutationstest:

1. Ich frage mich nur, ob die SQ prüft, ob der MC-Permutationstest von Timothy Masters als Robustheitstest hinzugefügt werden soll?

2. Der Monthe-Carlo-Permutationstest verwendet relative Preisänderungen anstelle von absoluten Preispunkten. Das bedeutet, dass die Handelssignale, Regeln und technischen Indikatoren so gestaltet sein sollten, dass sie auf relativen Preisänderungen und nicht auf absoluten Preispunkten basieren. Ich frage mich nur, ob die Signale, die in SQ implementiert sind, für eine solche Analyse geeignet sind?

Vielen Dank im Voraus!

Weitere Informationen über den Monte-Carlo-Permutationstest

Der Monte-Carlo-Permutationstest von Timothy Masters ist ein statistisches Verfahren zur Prüfung der Signifikanz und Robustheit der Leistung einer Handelsstrategie. Bei diesem Test werden mehrere Iterationen der Strategie mit zufällig permutierten Versionen historischer Daten simuliert, so dass der Händler die Leistung der Strategie unter verschiedenen Szenarien bewerten und die statistische Signifikanz der Ergebnisse bestimmen kann.

Um diesen Test durchzuführen, wandelt Masters zunächst die absoluten Kurspunkte in relative Kurspunkte um, indem er den Logarithmus der absoluten Kurspunkte nimmt und dann die Differenzen zwischen aufeinanderfolgenden Logarithmen bildet. Diese Umwandlung führt zu einer Reihe von Log-Renditen, die als relative Preisänderungen interpretiert werden können. Der Vorteil der Verwendung von Log-Renditen anstelle von einfachen Renditen besteht darin, dass sie sich im Laufe der Zeit addieren und normal verteilt sind, wodurch sie sich besser für statistische Analysen eignen.

Anschließend werden die historischen Daten nach dem Zufallsprinzip permutiert, um mehrere simulierte Datensätze zu erstellen, die jeweils eine andere Anordnung historischer Kurse aufweisen. Für jeden simulierten Datensatz wird die Handelsstrategie ausgeführt, um eine Reihe von Geschäften und daraus resultierende Portfoliowerte zu generieren. Der Prozess wird für viele Iterationen wiederholt, wobei jedes Mal eine andere zufällige Permutation der historischen Daten verwendet wird.

Schließlich werden die Ergebnisse der simulierten Geschäfte mit der tatsächlichen Performance der Handelsstrategie verglichen. Mit diesem Vergleich soll festgestellt werden, ob die beobachtete Performance der Handelsstrategie statistisch signifikant ist oder ob sie zufällig zustande gekommen sein könnte. Weichen die Ergebnisse der simulierten Abschlüsse signifikant von der tatsächlichen Performance der Handelsstrategie ab, deutet dies darauf hin, dass die beobachtete Performance der Strategie möglicherweise nicht robust ist und durch die spezifische Anordnung der in der Analyse verwendeten historischen Kurse beeinflusst wurde.

1

JON

Abonnent, bbp_participant, Kunde, Gemeinschaft, sq-ultimate, 3 Antworten.

Profil besuchen

vor 2 Jahren #285220

Hallo TP

Dieser "Schritt" (oder ein ähnlicher) ist für das Data Mining einer großen Anzahl von Strategien fast unabdingbar, da das Glück Teil der Strategiepopulation sein wird. T Masters Ansatz scheint sehr einfach und dennoch robust zu sein. Ich bin auch dafür, ihn zu implementieren. Beachten Sie, dass in Ihrem Schritt 2 keine Änderungen erforderlich sind, um den relativen Preispunkt zu behandeln. Der relative Preispunkt ist nur notwendig, wenn Sie die Population der modifizierten historischen Daten erstellen. Sobald Sie diese haben, potenzieren Sie sie einfach und sie sind normale "falsche" historische Daten. Der einzige Unterschied besteht darin, dass Ihre Randomisierung der relativen Preisänderungen das "Signal" in den Daten ausgelöscht hat. Das Signal/Muster, das Ihre robuste Strategie aufgreifen sollte, und daher sollte das Ausführen der Strategie auf 500 oder 1000 dieser Daten zu einer schlechteren Performance für >>90% führen... wenn nicht, greift Ihre Strategie kein "Signal" auf und hat ~keinen echten Vorteil. (vorausgesetzt, ich verstehe den Ansatz von T Masters MC, glückliche Strategien herauszufiltern). Was notwendig ist, ist eine große Anzahl historischer Datenreihen in SQX zu handhaben, die ich noch nicht gesehen habe, aber ich habe nur begrenzte Erfahrung damit. Kennt jemand einen ähnlichen robusten Test, der statistisch fundiert ist und nicht die OOS-Daten verwendet?

1

Michael McFarlin

Abonnent, bbp_participant, Kunde, Gemeinschaft, sq-ultimate, 1 Antworten.

Profil besuchen

vor 1 Jahr #288491

Was hat sich daraus ergeben? Ich bin auch sehr an dieser Funktion der Datenpermutation für Robustheitstests interessiert.

Eine Alternative wäre vielleicht die Entwicklung eines Tools zur externen Bearbeitung von Preisdaten aus SQ. Allerdings müssten Sie Hunderte von Datendateien erstellen und importieren, um das zu tun, was Timothy Masters tut. Es wäre effizienter, dies in SQ zu automatisieren.

1

Ansicht von 2 Antworten - 1 bis 2 (von insgesamt 2)