Gestión monetaria de carteras y bandidos de brazos múltiples
3 respuestas
mikeyc
hace 10 años #115126
Durante mis lecturas habituales sobre aprendizaje automático y optimización, me encontré con un problema conocido como multi-armed bandit problem. Se trata de una serie de máquinas tragaperras (como las de Las Vegas) con diferentes probabilidades y distribuciones de pago.
En este problema, no sabemos cuáles son los mejores a los que jugar para maximizar nuestros beneficios.
Algunos debates aquí
https://dataorigami.net/blogs/napkin-folding/79031811-multi-armed-bandits
https://msdn.microsoft.com/magazine/mt703439(para codificadores C# como yo)
http://iosband.github.io/2015/07/19/Efficient-experimentation-and-multi-armed-bandits.html
Me parece que es algo parecido a una selección de estrategias de SQ que queremos utilizar en una cartera. ¿A cuáles deberíamos destinar nuestro dinero a medida que arrojan beneficios y pérdidas a lo largo del tiempo?
Pensando en hacer una biblioteca compartida para MQ4 que maneje el aspecto de gestión monetaria de la cartera.
¿Alguna idea?
0
Patrick
hace 10 años #136963
aumentar el tamaño de la operación para una estrategia que está ganando y disminuir el tamaño de la operación para una estrategia perdedora.
es arriesgar una cantidad fija (100$ para una cuenta de 10k $ = 1%) y si la estrategia tiene beneficios (Beneficio/pérdida total >0), aumentar el tamaño de la siguiente operación a 100$+x% del beneficio total. Si la estrategia es perdedora (beneficio/pérdida total<0), entonces disminuya el riesgo a 100$-x% de la pérdida total.
Así que el mq4 tiene que comprobar la historia y el recuento total de ganancias / pérdidas y después de cambiar a riesgo de la estrategia.
sólo necesitan ser programados.
0
Umbral
hace 10 años #136970
Esto es lo mismo que intentar "operar con la renta variable" de una única estrategia. Según mis conocimientos e investigaciones, el "trading" de la curva de renta variable de una estrategia ha sido ampliamente desacreditado.
Si una estrategia en cartera se convierte en un perdedor, con la prueba cuantitativa de que se está realizando fuera de su precisión histórica ¿por qué no acaba de cortar (tal vez seguir viendo en la demostración para ver si vuelve a la "normalidad"). Si su rendimiento dentro de su precisión histórica y bajar su riesgo que es exactamente el momento en que su oportunidad es para salir de una reducción, pero ahora que su riesgo se ha reducido, su atrapado en un DD dos veces más. Esto es bastante perjudicial a largo plazo: mayor riesgo en las DD y menor riesgo para salir de ellas. Todo esto entra dentro de la operativa de la curva de renta variable. Saltarse operaciones (cuantitativamente) basándose en la curva histórica de la renta variable también entra dentro de la operativa con la curva de la renta variable. Perry Kaufman investigó a fondo todo esto y llegó a la conclusión de que era inútil. Sin embargo, estoy seguro de que algunos bancos y fondos de cobertura lo utilizan gracias a equipos de genios que pasan miles de horas probándolo/verificándolo, pero...
Para mí no hay una zona gris y trato de mantener las cosas simples, que es la medida más robusta que puedo tomar: una estrategia está dentro de sus pruebas históricas y está bien (incluso en un DD), o no y está hecho.
Para ejecutar más de 25 EAs simultáneos en bajo riesgo 0.25%-0.5% la "máquina tragaperras" algo sería una buena manera de desactivar los perdedores por completo creo o gestionar su tamaño de riesgo.
Si Marc finalmente hace el SQ Trader creo que ese tipo de cosas serían ideales para él.
0
mikeyc
hace 10 años #136980
Aquí hay una demostración visual e interactiva realmente buena:
https://e76d6ebf22ef8d7e079810f3d1f82ba1e5f145d5.googledrive.com/host/0B2GQktu-wcTiWDB2R2t2a2tMUG8/
Como puede ver, el algoritmo explora los "bandidos" y aprende cuáles dan los mejores pagos. Puede arrastrar el ratón en la casilla de probabilidad de pago de cada bandido para cambiar el pago mientras se ejecuta la simulación, y aprenderá a ajustarse a los nuevos pagos.
Puedo ver una aplicación similar a la eliminación automática de las estrategias de bajo rendimiento de una cartera y la introducción de una nueva, en el comercio en vivo. La clave de este enfoque es que maximiza la recompensa al tiempo que minimiza el "arrepentimiento" por elegir malos resultados, y lo hace muy rápidamente.
0
Viendo 3 respuestas - de la 1 a la 3 (de un total de 3)