Longevidad de una estrategia

Dado que no se sabe cuánto tiempo puede seguir siendo rentable una estrategia, y que el objetivo de todos aquí es ganar dinero, ¿no sería mejor llevar una estrategia rentable a un nivel de riesgo alto, en lugar de ejecutarla con un riesgo bajo, sólo para descubrir que pierde su ventaja con el paso de los meses y los años?

Así que si tienes fe en la estrategia y parece buena en una cuenta real después de un par de meses, aumenta mucho el riesgo. Retire el capital original en cuanto haya duplicado su dinero, y entonces no habrá nada que perder...

Por el contrario, si el riesgo es bajo (por ejemplo, 2%), se tardaría años en obtener beneficios significativos sin un depósito inicial muy elevado, con el consiguiente riesgo de fracaso debido al largo plazo.

Yo mismo no estoy tan interesado en operar durante 5 años para ganar algo de dinero. Preferiría seleccionar unas pocas estrategias que parezcan muy buenas, luego operarlas en vivo durante unos meses y si las cosas se ven bien asumir el riesgo hasta el punto máximo donde el drawdon histórico es de alrededor de 50% y componer las ganancias muy rápidamente para hacer algo de dinero muy bueno.

Sé que otros tienen puntos de vista diferentes, como el comercio de bajo riesgo durante muchos muchos años, haciendo un poco de dinero, pero para mí el comercio se trata de hacer muy buen dinero en períodos relativamente cortos de tiempo. De lo contrario, te pasas la vida mirando datos, probando, negociando y escribiendo código por una miseria.

Jeje, también es un buen enfoque, mientras te haga dinero + feliz, ¡es exactamente el camino correcto para ti! Mira, si hubiera un truco de magia que me hiciera ganar dinero, estaría usando eso en lugar de pasar horas averiguando estrategias:) ¿Ya has ganado dinero con esa idea?

Básicamente quieres decir: ¿generar una estrategia y no tocarla durante un año, luego hacer otro backtest sobre ese año y si fue rentable la operas? Sí, eso es un OOS real entonces. Sólo que tuviste que esperar un año para que eso ocurriera y obtuviste 1 año más.

 

Sí, menos DMB con seguridad, especialmente si las operaciones estadísticas suficientes (2000 +, mejor 4000 +) y marcos de tiempo más bajos (más puntos de datos, reduciendo la posibilidad de venir de DMB aún más). Todavía no hay garantía de beneficios, por supuesto, pero lo más cerca que se puede conseguir.

usted no tiene que esperar, simplemente NO utilizar el último año para la generación. por lo que sólo utilizará los datos hasta 31.12.204 y el año 2015 será OOS2

Siguen siendo datos ya conocidos en ese caso y ¿qué haces si el OOS de ese año tiene mala pinta? Correcto, nunca operarías con una estrategia así y la desecharías o seguirías optimizándola hasta que el OOS de 1 año también fuera rentable, igual que el rango IS. Y eso es efectivamente lo mismo que si hubieras optimizado para TODOS los años desde el principio, sólo que esto habría sido mucho más fácil:)

Sip:) Lo que estoy usando en lugar de OOS, como se mencionó, son conjuntos de datos aleatorios bootstrapped (datos creados a partir de los datos reales utilizando un procedimiento de bootstrapping con reemplazo) del símbolo subyacente que creo a través de script personalizado de Python. Eso es cierto "OOS" en el sentido de que es como si en vivo el comercio de su estrategia y no se puede optimizar en esos datos como cada conjunto será totalmente diferente en términos de curva de precios, sólo el comportamiento principal del símbolo original se simula (matemáticos saben lo que quiero decir) por la razón de que puedo generar un sinfín de nuevos conjuntos de datos, cada uno es completamente diferente, sin embargo, cada uno contiene las "características" de la serie de datos original del símbolo.

Quandl acaba de publicar esto hoy.
https://www.quandl.com/blog/interview-with-a-quant-part-one
 

Recientemente, Quandl entrevistó a un gestor senior de carteras cuantitativas de una gran fondo de cobertura.
 

¿Qué pasos incluye su proceso formal de investigación?

Desde el principio, mi mayor temor es la contaminación de datos. La historia es un recurso limitado; una vez que se agotan los datos históricos con los que realizar pruebas, ya no se pueden generar más. A mí me da paranoia no agotar mi reserva de datos no contaminados fuera de muestra.

Así que empiezo dividiendo mis datos históricos en trozos que no se solapan. A continuación, los distribuyo de forma aleatoria, de modo que ni siquiera yo sé qué fragmento es cada uno. (Esto me protege de sesgos subconscientes: por ejemplo, ser reacio al riesgo cuando sé que mi conjunto de datos de prueba es de 2008, o buscar el riesgo en 2009).

Designo un trozo como mi conjunto de calibración. Suelo utilizar Python para la calibración: Utilizo sus bibliotecas de optimización incorporadas y he escrito algunas propias. En este ejemplo concreto, mis parámetros están restringidos y correlacionados. Así que utilizo un proceso de optimización de 2 pasos llamado algoritmo EM. Los optimizadores pueden ser sensibles a las condiciones iniciales, así que utilizo Monte Carlo para elegir una serie de puntos de partida en el espacio de soluciones. Todo esto es bastante fácil de hacer en Python.

El resultado de esta calibración debe ser un conjunto de "parámetros del modelo", valores numéricos, que puedan combinarse con observaciones reales del mercado para predecir otros precios de mercado.

Una vez calibrado el modelo, lo pruebo fuera de la muestra.

 

Por tanto, separa estrictamente lo que está dentro de la muestra de lo que está fuera de ella, se ciega a los intervalos de fechas, utiliza Monte Carlo para evitar sesgos en el punto de partida e intenta varios trucos de robustez. ¿Qué más hace para asegurarse de que no se engaña a sí mismo?

Doy mucha importancia a la parsimonia. Si mi modelo requiere demasiados parámetros o tiene demasiados grados de libertad, no es más que un ajuste de curvas; no es un modelo en absoluto. Por eso intento constantemente eliminar factores. Si el modelo sigue funcionando (y sigue siendo "rico") con múltiples factores eliminados, entonces probablemente sea bueno.

Una segunda prueba de solidez es si el modelo funciona bien independientemente de la estrategia de negociación que se construya sobre él. Si sólo se puede ganar dinero utilizando una compleja regla de escala no lineal con todo tipo de condiciones de borde, entonces eso sugiere una falta de robustez.

Por último, no hay nada mejor que los datos. Pienso en todos los conjuntos de datos fuera de muestra en los que pueda probar el modelo: distintos países, distintos instrumentos, distintos periodos de tiempo, distintas frecuencias de fechas. El modelo tiene que funcionar en todos ellos; de lo contrario, los resultados tendrán un sesgo de selección.

 

Nunca se sabe cómo le irá a la estrategia "mañana" y también está claro que una cartera lo hace mejor que una sola estrategia en términos de seguridad, al menos esa es mi experiencia. Nunca tengo la expectativa de que la estrategia es TAN buena que lo más probable es que lo haga totalmente genial los próximos días o semanas. Nunca se puede saber esto de antemano, es por azar y cualquier sentimiento hacia "esto debe ser bueno comings semanas" es sólo una esperanza humana de que va a hacer bien. Estadísticamente es una suposición errónea. Una estrategia puede fallar el día #1, hacerlo mal las siguientes semanas y bien las siguientes, o hacerlo bien desde el principio. Pero yo nunca arriesgaría mucho dinero en una operación porque crea que va a ir bien. Si hiciera eso, podría hacer trading manual, cosa que no quiero en absoluto. Personalmente me atengo a reglas estrictas de gestión monetaria y calculo cuánto drawdown ha creado la cartera combinada en el peor de los casos en todo el backtest, luego muiltiplico ese x2 y luego calculo el riesgo % por operación que voy a operar para alcanzar el DD máximo histórico adaptado a mi propia tolerancia al drawdown (he hecho un script extra para eso fuera de SQ). A continuación, seguir adelante y el comercio, estrictamente por las reglas, sin intervención.

¿Podrías explicar un poco más tu fórmula de riesgo por operación? Estoy contigo para 2x wc drawdown de la cartera. Entonces, ¿cuáles son los pasos Calc para obtener la cantidad por el comercio? Si no te importa compartir.
-Stearno

Enviado desde mi HUAWEI MT7-TL10 usando Tapatalk

Umbral: Sé que en los índices de los comerciantes quieren que la estrategia para trabajar en diferentes monedas, pero es lo mismo en el mercado de divisas? tengo estrategias que trabajan en un solo par .. y que "trabajo"

Siguen siendo datos ya conocidos en ese caso y ¿qué haces si el OOS de ese año tiene mala pinta? Correcto, nunca operarías con una estrategia así y la desecharías o seguirías optimizándola hasta que el OOS de 1 año también fuera rentable, igual que el rango IS. Y eso es efectivamente lo mismo que si hubieras optimizado para TODOS los años desde el principio, sólo que esto habría sido mucho más fácil:)

Tengo nunca optimice cualquier estrategia. lo que viene de GA que yo uso. no neccessary para mejorar. cuando no funciona en OOS 2 entonces yo no lo uso. 

Umbral: Sé que en los índices de los comerciantes quieren que la estrategia para trabajar en diferentes monedas, pero ¿es lo mismo en el mercado de divisas? tengo estrategias que funcionan en un solo par .. y el "trabajo"

A mí también.
Desde mi punto de vista creo que ciertos pares e índices y materias primas tienen cada uno su propia personalidad por lo que he construido unos cuantos sistemas para pares individuales. Actualmente estoy construyendo un par de modelos para el S&P que utilizaré para tomar señales discrecionales en el USDJPY. Esos tienen personalidades correlacionadas muy específicas. Muchos otros pares tienen sus propias personalidades también como AUDNZD, EURGBP, etc. Pero mi sistema principal es el sistema D1 ADX que hice en EA Wizard que funcionará en cualquier cosa que se remonte a la década de 1970. Su período de estancamiento es brutal, aunque por lo que depende de su personalidad si usted puede manejar eso. También es una sola optimización sin WF debido a las limitadas pruebas de optimización de MT4. Tengo la intención de volver a hacerlo en la plataforma de SQ4 en una sola cartera de optimización de ejecución (1 optimización para todos los pares).

Muchos operadores profesionales construyen sistemas que se especializan estrictamente en el S&P, o el EURUSD, o el crudo. Kevin Davey tiene sistemas especializados que sólo utilizan datos desde 2003. Y Andrea Unger, que consiguió el primer puesto durante 3 años consecutivos con un rendimiento anual de 100+% en el Campeonato de Trading de Futuros, también utiliza sistemas especializados. De hecho, ni siquiera utiliza indicadores. Los odia. Sólo utiliza el tiempo y OHLC/máximos máximos/mínimos mínimos/tamaño de las velas, etc.

Otros, como el gestor de grandes carteras Jerry Parker, utilizan estrictamente sistemas que sólo funcionan con todo lo que tenga un máximo de datos de más de 100 años.

Personalmente me gusta el uso de geektrader de datos más grandes como he dicho que este era mi punto de vista desde que he sido miembro por primera vez aquí. Más datos siempre es mejor, aunque puedo estar en desacuerdo sobre el uso de OOS y WFM, los datos grandes se adaptan a mi filosofía de que hay viejos patrones en el mercado que nunca desaparecerán. También hay otros nuevos después de la era digital de 2003.

La lección es que no hay una forma correcta o incorrecta. Averigua lo que funciona para ti.
 

Sip:) Lo que estoy usando en lugar de OOS, como se mencionó, son conjuntos de datos aleatorios bootstrapped (datos creados a partir de los datos reales utilizando un procedimiento de bootstrapping con reemplazo) del símbolo subyacente que creo a través de script personalizado de Python. Eso es cierto "OOS" en el sentido de que es como si en vivo el comercio de su estrategia y no se puede optimizar en esos datos como cada conjunto será totalmente diferente en términos de curva de precios, sólo el comportamiento principal del símbolo original se simula (matemáticos saben lo que quiero decir) por la razón de que puedo generar un sinfín de nuevos conjuntos de datos, cada uno es completamente diferente, sin embargo, cada uno contiene las "características" de la serie de datos original del símbolo.

Por si alguien es miembro de Asirikuy y quiere crear datos bootstrapped, está algo escondido ahí en los dominios del gran Foro:

primero consigue el guión aquí:

https://asirikuy.com…&p=20951#p20940

A continuación, utilice mi solución para poder ejecutarlo en M1 datos (32 bits Python no funcionará de otra manera porque el uso de RAM se convierte en demasiado grande para un proceso de 32 bits cuando se utilizan 29 años de 1M de datos):

https://asirikuy.com…&p=20951#p20951

Diviértete;)

Sí. Supongo que se trata de preferencias personales. Mi personalidad no puede soportar un largo periodo de estancamiento de una única estrategia o cartera de estrategias. También necesito que mis estrategias funcionen en al menos 20 pares, Oro, S&P, crudo, etc. Es cierto que el rango SL/PT puede tener que ser ajustado para diferentes mercados, pero el rango de todos los demás parámetros optimizables se mantiene igual. Estoy seguro de que pierdo muchos sistemas excelentes al adoptar este enfoque, pero mi personalidad es tal que si no adoptara este enfoque me sería prácticamente imposible dejar que la cartera funcionara sin tener que cuestionarla. Así que supongo que es muy importante asegurarse de que el modelo es negociable dado un tipo particular de personalidad.

Lo que es evidente es la existencia de una gran constelación de posibilidades en relación con el desarrollo de modelos de negociación rentables. Algunas de estas posibilidades son conocidas y otras deben estar aún por descubrir.

En resumen, lo que te funcione a ti.

Enviado desde mi GT-P5210 usando Tapatalk

Muesca,
Dices que tiene que funcionar con 20 pares. ¿Cómo se prueba eso?

¿Construye en un par y luego vuelve a probar en los otros? ¿Cómo defines que "opera" en los otros pares? ¿Tiene que tener resultados positivos, tener una curva de equidad similar a la del par original?

¿O se optimiza en el nuevo par y luego se prueba (porque lo más probable es que los ajustes tengan que ser distintos para pares diferentes)?

Enviado desde mi HUAWEI MT7-TL10 usando Tapatalk

Muesca,
Dices que tiene que funcionar con 20 pares. ¿Cómo se prueba eso?

¿Construye en un par y luego vuelve a probar en los otros? ¿Cómo defines que "opera" en los otros pares? ¿Tiene que tener resultados positivos, tener una curva de equidad similar a la del par original?

¿O se optimiza en el nuevo par y luego se prueba (porque lo más probable es que los ajustes tengan que ser distintos para pares diferentes)?

Enviado desde mi HUAWEI MT7-TL10 usando Tapatalk

SQ tiene campos de "Datos adicionales" en la repetición de la prueba y en la generación. Durante el proceso de generación está generando en múltiples pares y mientras utiliza los mismos filtros como: max DD (IS principal)> 30 en los datos adicionales: max DD (A.D.)> 30 por lo que todos cumplen los mismos estándares. La optimización en SQ3.8 sólo puede hacer 1 par a la vez por lo que hacer estrategias para múltiples pares, obviamente, se hace en el proceso de generación.

Archivo: GUgen.png

Puede crear y probar varios pares en una sola creación, para eso están los campos de datos adicionales. También hay filtros separados para A.D (datos de adición) al igual que los filtros I.S./O.O.S./R.T..

Se está añadiendo a SQ4. Una de mis principales peticiones era la optimización a nivel de cartera.
También podrá realizar pruebas retrospectivas de múltiples estrategias en múltiples pares en una sola prueba como si fuera una cartera real, lo que es extremadamente importante para las estrategias de riesgo %, ya que las ganancias/pérdidas de cada operación afectan al tamaño del lote de la siguiente operación.

Vale. Sí, entiendo lo de AD.
Supongo que lo que me pregunto es si eso es justo. Porque por ejemplo gbpjpy y gbpchf son muy diferentes de USDcad. Así que estoy pensando que tal vez no es realista esperar que la misma estrategia, con los mismos objetivos de beneficios y stop loss, para trabajar con los mismos estándares en todos estos mercados diferentes. Puedo entender la misma estrategia de trabajo en diferentes mercados con diferentes parámetros. ¿Qué has encontrado en esto?

(no cuestiono a nadie ni sus métodos, sólo intento comprender)

Enviado desde mi HUAWEI MT7-TL10 usando Tapatalk