Créer des stratégies pour les crypto-monnaies avec StrategyQuant

Dans cet article, j'explique comment vous pouvez créer des stratégies pour un marché de crypto-monnaies dans StrategyQuant. Les crypto-monnaies existent depuis plusieurs années maintenant. Certains traders les considèrent comme l'or du 21ème siècle tandis que les autres les considèrent simplement comme un instrument de transfert d'argent et une technologie intéressante. Je vais discuter des moyens de créer des stratégies pour les crypto d'un point de vue technique.

Données

Je crée des stratégies pour les contrats à terme sur le bitcoin. Pourquoi ai-je choisi cette option ? Un contrat à terme est un produit réglementé par le gouvernement américain, je considère donc qu'il s'agit de l'environnement le plus sûr pour le trading de cet instrument volatile. Le courtier TradeStation, qui est connu pour la meilleure qualité de ses données, dispose de données disponibles à partir du 17.12.2017. StrategyQuant prend également en charge l'exportation de stratégies vers TradeStation, ce qui nous permet de tester immédiatement la stratégie créée sur la plateforme du courtier.

Spécifications du contrat à terme sur le bitcoin

Pratique : Créer des stratégies Crypto pour les Futures

Importation des données BTC dans StrategyQuant

Pour cette étape, j'utilise une approche qui est décrite dans cet article : https://strategyquant.com/blog/importing-data-tradestation-strategyquant/

Vous pouvez utiliser le téléscripteur @BTC et la précision des données M1.

Définition de l'instrument dans StrategyQuant

Cadre de la construction

J'utilise le paramètre par défaut de StrategyQuant avec plusieurs mises à jour.

Le paramètre de construction par défaut de StrategyQuant. Une fois le chargement terminé, arrêtez le processus de génération car nous voulons faire quelques mises à jour dans les paramètres.

Paramétrage des données de StrategyQuant

Dans la configuration des données, nous sélectionnons le moteur TradeStation et le symbole BTC. Comme nous disposons d'un échantillon de données assez court (trois ans), nous devons créer des stratégies pour des périodes plus longues. L'échelle de temps H1 semble être un bon compromis. Je sélectionne également une distribution différente des données utilisées dans les intervalles IS et OOS.

Options de classement

Dans les options de classement, j'utilise une approche qui convient au cas où vous venez de commencer à chercher à créer des stratégies pour un nouveau symbole. Dans ce cas, vous devez désactiver autant de critères de classement que possible pour pouvoir générer un échantillon initial de stratégies suffisamment important. Une fois que vous avez obtenu quelques stratégies, vous pouvez activer les critères de classement un par un pour filtrer les stratégies avec les meilleurs paramètres. Nous devons simplement commencer par un concept de base et le rendre plus complexe par la suite. Commençons maintenant à générer des stratégies.

Résultats

Après quelques secondes d'exécution du processus de génération, les premières stratégies apparaissent dans la banque de données. Examinons l'une d'entre elles :

Stratégies générées dans la banque de données.

Backtest dans StrategyQuant

Backtest dans TradeStation

Pour finir, nous avons effectué un backtest de contrôle dans TradeStation. Il semble que les actions soient différentes mais que la stratégie soit rentable.

Rapport dans TradeStation

Conclusion

Comme vous pouvez le constater, StrategyQuant peut créer des stratégies pour presque tous les types de symboles. Personnellement, je préfère négocier des symboles qui ont une longue histoire et qui sont sur le marché depuis longtemps. Cependant, à des fins expérimentales, il serait intéressant de mettre ces stratégies générées sur un compte de démonstration. En outre, la question se pose de savoir comment effectuer des tests de robustesse dans ce cas, étant donné que nous n'avons utilisé que trois années de données historiques pour générer des stratégies. Vous pouvez nous faire part de vos idées dans les commentaires ci-dessous.