Estrategias ajustadas a curvas y periodos indicadores aleatorios

Hola usuarios de SQ y SQ Team,

Sólo apunto algunas ideas sobre el ajuste de curvas, y los problemas con la optimización y la búsqueda de estrategias sólidas. Me parece que se puede acabar con lo que parece una buena estrategia con un puñado de indicadores comunes (algunos promedios móviles, algunos indicadores de impulso como RSI y tal vez un ajuste de volatilidad como ATR).

Problem es, incluso con sólo unos pocos indicadores, todos se basan en un período de configuración, es que estos son sólo curva ajustada estrategias. ¿Por qué EMA (97) con RSI (29) y ATR (203), por ejemplo, dar grandes resultados? Porque esos valores se ajustan a las señales de los datos históricos. Las diferencias en los datos del broker, y los precios futuros simplemente no funcionarán.

En el mundo del trading, los periodos más comunes son 5, 10, 14, 50 y 200. Me parece, que a menos que su estrategia está utilizando por defecto o períodos de uso común, que podría ser utilizado otros participantes en el mercado, todo lo que está haciendo es generar estrategias de curva ajustada.

Teniendo esto en cuenta, ¿sería posible limitar los periodos a una lista definida por el usuario en SQ4?

Según mis propias conclusiones, las estrategias a largo plazo más sólidas tienen pocos periodos diferentes. Las que tienen muchos periodos, todos inusuales y diferentes entre sí, sólo se ajustan a las curvas y son una pérdida de tiempo en el comercio real. Reoptimizarlas sólo las ajusta a los datos, y no es una solución al problema.

¿Qué opinan los demás?

Salud,

Mike

Hola Mike,

una buena idea si se puede hacer como una característica, no un "deber". Personalmente, finalmente estoy haciendo algo de dinero desde el momento en que estoy "curve matching" mis estrategias en 29 años de datos y sólo uso estrategias con al menos 2000+ operaciones (¡significación estadística!). Al igual que antes ya, que utilizan reglas simples sólo la mayor parte del tiempo, no limitado por mí en absoluto indicador-repertorio sabio, pero eso es sólo lo que SQ encuentra para trabajar en un tiempo tan largo rango (más a menudo es una de las reglas simples como entradas a continuación, algunos básicos de ruptura parada de venta / compra basada en máximos / mínimos, y algunos básicos de arrastre, más a menudo fija pips trabajando mejor que ATR).

Sin embargo, todavía estoy optimizando los períodos de lookback para las reglas simples después, así que ir de 20 a 16 para el período de RSI por ejemplo o de > 50, 40, < 60 para el cruce RSI, a través del optimizador, sólo lo que funciona mejor para mi fitness-objetivo. Aún así, las estrategias funcionan hasta ahora yendo hacia adelante (¡por fin!), así que el enorme horizonte de datos fue el truco parece (la mayoría de mis estrategias anteriores generadas en 15 años "solamente" y que también fallaron en vivo, también fallaron miserablemente en el backtest de 29 años en los años anteriores a 2001), para no limitar todo a sólo reglas básicas. Así que personalmente, no me gustaría ver una limitación a tales pasos crudos en absoluto, pero como una opción, seguramente no hará daño.

Por curiosidad, ¿le importaría decir con qué broker están ganando dinero las estrategias?

Varios, los objetivos son muy amplios, así que los corredores no importan tanto. Estoy usando http://www.globalprime.com.au/forex  aunque desde que conozco a los chicos desde hace 2 años y sé que todo se ejecuta realmente con los bancos y sé que utilizan PrimeXM como su puente de ejecución.

"EMA(97) con RSI(29) y ATR(203)"
Esto es lo que la Evolución Genética generalmente devolverá con Coeficientes locos como 0.163.
Si la estrategia falla con los parámetros ligeramente ajustados, pero funciona increíble con estos parámetros afinados su mierda de perro. El paso de optimización debe ser superior a 1 (hago paso: 5 para todos los indicadores, todos ellos son sólo promedios de todos modos) y superior a paso: 0,01 para coef. Si todavía tiene buenos resultados después de un "De-optimización" de pasos de ancho en walk-forward, su robusto.
 

Depende, yo tengo esas estrategias también y sí, optimizado por "1" paso de tamaño y que están haciendo dinero ahora en vivo hacia adelante + I re-optimizarlos cada fin de semana para un ajuste perfecto de la curva, pero siempre en la totalidad de 29 años de datos de backtesting, sólo con la "última semana" añadido, además, entonces también. No fallan en las pruebas de robustez ("cambiar los parámetros del indicador en 20% con una probabilidad de 50%", es decir, incluso peor que la configuración por defecto) ni en las operaciones a plazo en vivo. Este no era el caso cuando las creaba con 15 años de datos solamente, entonces fallaban más a menudo las pruebas de robustez. Pero el tipo de estrategias que SQ crea con 29 años de datos han pasado TODAS las pruebas de robustez hasta ahora, muy probablemente porque el tipo de estrategias que funcionan con un horizonte de datos tan largo son bastante simples y también son robustas a los cambios de parámetros de sus indicadores en un amplio rango, ya que tienen que explotar una ventaja real del mercado para trabajar con 29 años de datos - no como el tipo de estrategias que se crean en los últimos años solamente, que pueden muy bien encontrar ineficiencias en el "ruido" y "pretender" ser una ventaja real. De ahí que actualmente no vea absolutamente ninguna razón para no optimizarlas al máximo, cosa que hago cada fin de semana en adelante. Todo lo que haga ganar dinero es bienvenido 🙂 .

¿Reoptimizas cada fin de semana con 29 años de datos de IS? ¿Te aburres mucho?

He oído hablar de algunas personas que lo hacen todos los días, pero para HFT.

De todos modos, probablemente sabrá si sus estrategias son sólidas o no.
Mi punto es, si el cambio de deslizamiento de 0,5 a 1,0 / propagación de 0,5 a 1,0 o 1,5 mata a la estrategia, es probablemente demasiado ajustado (pasos demasiado hardcore) para mi gusto. En las estrategias que utilizo, cambiar un coeficiente en 0,1 o aumentar el diferencial o el deslizamiento en una prueba retrospectiva tendrá poco efecto visual en la curva de renta variable. Lo atribuyo a su robustez.

Sí, todos los fines de semana, sólo me lleva 1,5 horas por estrategia en mi plataforma, nada problemático ni que requiera mucho tiempo. Sigo el ritmo del mercado de esta manera. No, como se mencionó, ninguna de las estrategias falla al cambiar o duplicar o triplicar el spread, así como todas pasan las pruebas de robustez incluyendo la aleatorización de las entradas del indicador con una probabilidad de 50% y un cambio de 20% + trabajo en un conjunto de datos aleatorios que estoy usando (bootstrapped con un script Asirikuy) - algo que SQ tristemente no puede hacer en absoluto. Como se ha mencionado, ninguna de las estrategias de 29 años que SQ ha encontrado hasta ahora han fallado ninguna de estas pruebas y mi conjetura es que tiene que ver con la simplicidad de las estrategias que encuentra que trabajan en 29 años de datos, que son pocos, pero si se encuentran, grandes:) Cuando estaba creando estrategias en "sólo" 15 años de datos, muchas de ellas fallaron las pruebas de robustez y también utilizaron combinaciones "extrañas" de indicadores donde se podía decir que esto no es una ventaja que encontró, sino "ruido aleatorio" que está operando allí - y eso empeoró cuanto más bajo era el rango de tiempo elegido.

Pruebo pre-2003 para estrategias basadas en D1.
Pruebo después de 2003 para estrategias intradía.

En 2003 se cerraron oficialmente las sesiones en boxes y los mercados pasaron a ser totalmente digitales. Muchos dicen que este año también marca un cambio en los mercados. Mucho dinero importante estaba en los boxes. Los mercados están evolucionando más rápido de lo que lo han hecho nunca, pero estoy completamente de acuerdo en que si una estrategia es robusta durante más de 25 años, probablemente lo será durante 25 más y para siempre porque está descubriendo una verdad sobre los mercados. Esto es fundamental para mi filosofía sobre el trading en realidad porque conozco traders mucho mayores que yo a los que admiro que han estado usando los mismos sistemas durante más de 30 años.

Sin embargo, 2003 marca un cambio sustancial intradía.
Aquí tiene un estudio en PDF al respecto:
http://digitalcommons.sacredheart.edu/cgi/viewcontent.cgi?article=1398&context=wcob_fac

" del 28 de agosto de 2000 (4% de negociación de acciones en la plataforma electrónica)al 11 de septiembre, 2003 (cuota de comercio electrónico que alcanza plus-85% de forma persistente)".

 

Fue entonces cuando se "cerraron" oficialmente los pozos. Algunos siguen activos, pero son mucho más pequeños.

Hoy casi 100%. Esto significa que mucho más del dinero es controlado por algos y no humanos. Kevin Davey que ha ganado el Campeonato Mundial de Futuros 1 año con 100+% retorno también utiliza este año. También llegó en segundo lugar 2 veces con 100+% retornos. Este es un campeonato de comercio de renombre mundial.

Sí, te escucho, pero mis estrategias son intradía (H1) y la mayoría de las que fueron creadas en 15 años de datos solamente, nunca funcionaron en vivo hacia adelante. La historia importa, incluso antes del 2000, también demostrado muy bien en este artículo que utiliza datos de 1985 a 2000 para crear sistemas, y luego los prueba "OOS" de 2000 a 2015 y siguen dando beneficios, aunque el mercado de 1985 a 2000 era MUY diferente que de 2000 a 2015 obtienen buenos beneficios en el "trading de la era informática", con ineficiencias derivadas de una era que apenas utilizaba ordenadores potentes en el trading ni HFT. Esas son exactamente las aristas "generales" que "siempre han existido" que quiero explotar en el mercado y que han estado ahí durante los últimos 30 años, independientemente de otros cambios en el mercado como la informatización, etc., al igual que tus traders manuales de más de 30 años que has mencionado.

2 artículos interesantes al respecto:

http://mechanicalforex.com/2015/12/using-openkantu-in-practice-is-old-forex-data-irrelevant-in-todays-market-an-evidence-based-look.html

http://mechanicalforex.com/2015/12/the-brick-wall-in-trading-system-design-understanding-the-limitations-of-historical-data.html