Longévité d'une stratégie

Étant donné qu'il n'y a pas d'avis sur la durée pendant laquelle une stratégie peut rester rentable et que l'objectif de chacun ici est de gagner de l'argent, ne serait-il pas préférable de pousser une stratégie rentable à un niveau de risque élevé plutôt que de l'appliquer à un niveau de risque faible pour constater qu'elle perd son avantage au fil des mois et des années ?

Donc, si vous avez confiance dans la stratégie et qu'elle semble bonne sur un compte réel après quelques mois, augmentez le risque à un niveau très élevé. Retirez le capital initial dès que vous avez doublé votre argent, il n'y a alors plus rien à perdre...

En revanche, si le risque est faible (disons 2%), il faudrait des années pour gagner de l'argent de manière significative sans un dépôt initial très important, avec un risque d'échec en raison de la longueur de l'échelle de temps.

Je ne suis pas très intéressé par le fait de trader pendant 5 ans pour gagner de l'argent. Je préférerais sélectionner quelques stratégies qui semblent très bonnes, les négocier en direct pendant quelques mois et, si les choses se présentent bien, augmenter le risque jusqu'au point maximum où le drawdon historique est d'environ 50% et composer les gains très rapidement pour gagner beaucoup d'argent.

Je sais que d'autres ont des points de vue différents, comme celui de négocier à faible risque pendant de nombreuses années, en gagnant un peu d'argent, mais pour moi, la négociation consiste à gagner beaucoup d'argent sur des périodes de temps relativement courtes. Sinon, c'est comme si vous passiez toute votre vie à étudier des données, à tester, à négocier, à écrire du code pour des clopinettes.

Hehe, c'est aussi une bonne approche, tant que cela vous rapporte de l'argent et que vous êtes heureux, c'est exactement la bonne méthode pour vous ! Ecoutez, s'il y avait un tour de magie qui me faisait gagner de l'argent, je l'utiliserais au lieu de passer des heures à élaborer des stratégies :) Avez-vous déjà gagné de l'argent avec cette idée ?

Vous voulez dire en gros : générer une stratégie et ne pas y toucher pendant un an, puis exécuter un autre backtest sur cette année-là et, si elle est rentable, la commercialiser ? Oui, c'est un vrai OOS. Simplement, vous avez dû attendre un an pour que cela se produise et vous avez gagné un an.

 

Oui, moins de DMB, c'est certain, surtout si vous avez suffisamment de transactions statistiques (2000+, mieux 4000+) et des délais plus courts (plus de points de données, ce qui réduit encore plus les chances d'avoir un DMB). Il n'y a toujours pas de garantie de profit bien sûr, mais on s'en rapproche le plus possible.

Il n'est pas nécessaire d'attendre, il suffit de NE PAS utiliser la dernière année pour générer des données. Ainsi, vous n'utiliserez que les données jusqu'au 31.12.204 et l'année 2015 sera OOS2.

Il s'agit toujours de données déjà connues dans ce cas et que faites-vous si l'OOS pour cette année semble mauvais ? C'est vrai, vous ne négocieriez jamais une telle stratégie et vous la jetteriez ou vous continueriez à l'optimiser jusqu'à ce que l'OOS d'une année soit rentable aussi, tout comme la fourchette IS. Et c'est en fait la même chose que si vous aviez optimisé pour TOUTES les années dès le départ, mais cela aurait été beaucoup plus facile :)

Oui :) Ce que j'utilise à la place de l'OOS, comme mentionné, ce sont des ensembles de données aléatoires bootstrappées (données créées à partir des données réelles en utilisant une procédure de bootstrapping avec remplacement) du symbole sous-jacent que je crée par le biais d'un script Python personnalisé. C'est un véritable "OOS" dans le sens où c'est comme si vous tradiez en direct votre stratégie et vous ne pouvez pas optimiser sur ces données car chaque ensemble sera totalement différent en termes de courbe de prix, seul le comportement principal du symbole original est simulé (les mathématiciens savent ce que je veux dire) pour la raison que je peux générer une infinité de nouveaux ensembles de données, chacun est complètement différent, mais chacun contient les "caractéristiques" de la série de données originale du symbole.

Quandl vient de le publier aujourd'hui.
https://www.quandl.com/blog/interview-with-a-quant-part-one
 

Quandl a récemment interviewé un gestionnaire de portefeuille quantitatif senior d'une société de gestion de portefeuille de l'Union européenne (UE). grand fonds spéculatif.
 

Quelles sont les étapes de votre processus de recherche formel ?

Très tôt, ma plus grande crainte est la contamination des données. L'histoire est une ressource limitée ; une fois que vous avez épuisé les données historiques à tester, vous ne pouvez plus en générer d'autres. Je suis paranoïaque à l'idée de ne pas épuiser ma réserve de données hors échantillon non contaminées.

Je commence donc par diviser mes données historiques en morceaux qui ne se chevauchent pas. Je procède ensuite à une randomisation de sorte que même moi, je ne sais pas de quel morceau il s'agit. (Cela permet d'éviter les biais subconscients : par exemple, être averse au risque lorsque je sais que mon ensemble de données de test est 2008, ou être à la recherche de risque en 2009).

Je désigne un morceau comme étant mon jeu d'étalonnage. J'utilise généralement Python pour la calibration : J'utilise les bibliothèques d'optimisation intégrées et j'en ai écrit quelques-unes moi-même. Dans cet exemple particulier, mes paramètres sont contraints et corrélés. J'utilise donc un processus d'optimisation en deux étapes appelé algorithme EM. Les optimiseurs peuvent être sensibles aux conditions initiales, c'est pourquoi j'utilise Monte Carlo pour choisir un certain nombre de points de départ dans l'espace de solution. Tout cela est très facile à réaliser en Python.

Le résultat de cette calibration doit être un ensemble de "paramètres du modèle" - des valeurs numériques - qui peuvent être combinés avec des observations réelles du marché pour prédire d'autres prix du marché.

Une fois que j'ai calibré le modèle, je le teste hors échantillon.

 

Ainsi, vous séparez strictement l'échantillon et le hors-échantillon, vous vous aveuglez sur les fourchettes de dates, vous utilisez Monte Carlo pour éviter les biais du point de départ et vous essayez diverses astuces de robustesse. Que faites-vous d'autre pour vous assurer que vous ne vous trompez pas ?

J'accorde une très grande importance à la parcimonie. Si mon modèle nécessite trop de paramètres ou a trop de degrés de liberté, il ne s'agit que d'un ajustement de courbe ; ce n'est pas du tout un modèle. J'essaie donc constamment d'éliminer des facteurs. Si le modèle continue de fonctionner (et reste " riche ") lorsque plusieurs facteurs sont supprimés, il s'agit probablement d'un bon modèle.

Une deuxième preuve de robustesse est que le modèle fonctionne bien quelle que soit la stratégie de trading que vous construisez dessus. Si vous ne pouvez gagner de l'argent qu'en utilisant une règle d'échelle non linéaire complexe avec toutes sortes de conditions marginales, cela suggère un manque de robustesse.

Enfin, rien ne remplace les données. Je pense à tous les ensembles de données hors échantillon possibles sur lesquels je peux plausiblement tester le modèle : différents pays, différents instruments, différents cadres temporels, différentes fréquences de dates. Le modèle doit fonctionner sur chacun d'entre eux, sinon les résultats sont biaisés par la sélection.

 

On ne sait jamais comment la stratégie se comportera "demain" et il est également clair qu'un portefeuille est plus sûr qu'une stratégie unique, du moins c'est mon expérience. Je ne m'attends jamais à ce que la stratégie soit TELLEMENT bonne qu'il est fort probable qu'elle soit totalement excellente dans les jours ou les semaines à venir. On ne peut jamais le savoir à l'avance, c'est un hasard et tout sentiment de "ça doit être une bonne stratégie pour les semaines à venir" n'est qu'un espoir humain de réussite. D'un point de vue statistique, il s'agit d'une hypothèse erronée. Une stratégie peut échouer le jour #1, être mauvaise les semaines suivantes et bonne les semaines suivantes, ou être bonne dès le début. Mais je ne risquerais jamais beaucoup d'argent sur une transaction parce que je crois qu'elle va bien se passer. Si je faisais cela, je pourrais faire du trading manuel, ce que je ne veux pas du tout. Personnellement, je m'en tiens à des règles strictes de money management et je travaille sur le drawdown que le portefeuille combiné a créé dans le pire des cas sur l'ensemble du backtest, puis je multiplie ce chiffre par 2 et je calcule le risque de % par transaction que je vais effectuer pour atteindre le DD maximum historique adapté à ma propre tolérance au drawdown (j'ai créé un script supplémentaire pour cela en dehors de SQ). Ensuite, je me lance et je négocie, en respectant strictement les règles, sans aucune intervention.

Pourriez-vous expliquer un peu plus votre formule de risque par transaction ? Je suis d'accord avec vous pour une réduction de 2 fois la valeur du portefeuille. Alors quelles sont les étapes du Calc pour obtenir le montant par transaction ? Si cela ne vous dérange pas de partager.
-Stearno

Envoyé depuis mon HUAWEI MT7-TL10 en utilisant Tapatalk

Seuil : Je sais que sur les indices, les traders veulent que la stratégie fonctionne sur différentes devises, mais est-ce la même chose sur le marché des changes ? J'ai des stratégies qui fonctionnent sur une seule paire... et elles "fonctionnent".

Il s'agit toujours de données déjà connues dans ce cas et que faites-vous si l'OOS pour cette année semble mauvais ? C'est vrai, vous ne négocieriez jamais une telle stratégie et vous la jetteriez ou vous continueriez à l'optimiser jusqu'à ce que l'OOS d'une année soit rentable aussi, tout comme la fourchette IS. Et c'est en fait la même chose que si vous aviez optimisé pour TOUTES les années dès le départ, mais cela aurait été beaucoup plus facile :)

j'ai jamais optimiser tous stratégie. ce qui vient de GA que j'utilise. il n'est pas nécessaire de l'améliorer. quand il ne fonctionne pas sur OOS 2 alors je ne l'utilise pas. 

Seuil : Je sais que sur les indices, les traders veulent que la stratégie fonctionne sur différentes devises, mais est-ce la même chose sur le marché des changes ? J'ai des stratégies qui fonctionnent sur une seule paire... et le "travail"...

Moi aussi.
De mon point de vue, je pense que certaines paires, certains indices et certaines matières premières ont chacun leur propre personnalité, c'est pourquoi j'ai construit quelques systèmes pour des paires individuelles. Actuellement, je construis deux modèles pour le S&P que j'utiliserai pour prendre des signaux discrétionnaires sur l'USDJPY. Ces paires ont des personnalités corrélées très spécifiques. De nombreuses autres paires ont également leur propre personnalité, comme l'AUDNZD, l'EURGBP, etc. Mais mon système principal est le système D1 ADX que j'ai créé dans EA Wizard et qui fonctionne sur tout ce qui remonte aux années 1970. Sa période de stagnation est brutale, donc cela dépend de votre personnalité si vous pouvez la supporter. Il s'agit également d'une optimisation unique sans WF en raison des tests d'optimisation limités de MT4. J'ai l'intention de le refaire sur la plateforme SQ4 dans un seul cycle d'optimisation de portefeuille (1 optimisation pour toutes les paires).

De nombreux traders professionnels construisent des systèmes strictement spécialisés dans le S&P, l'EURUSD ou le brut. Kevin Davey a des systèmes spécialisés qui utilisent des données remontant jusqu'à 2003. Andrea Unger, qui s'est classé premier trois années consécutives avec des rendements annuels de 100+% lors du Futures Trading Championship, utilise également des systèmes spécialisés. En fait, il n'utilise même pas d'indicateurs. Il les déteste. Il n'utilise que le temps et l'OHLC/les plus hauts/les plus bas/la taille des boules, etc.

D'autres, comme Jerry Parker, grand gestionnaire de portefeuille, utilisent strictement des systèmes qui ne fonctionnent qu'avec des données maximales remontant à plus de 100 ans.

Personnellement, j'apprécie l'utilisation par geektrader de données plus importantes, comme je l'ai indiqué depuis que je suis membre de ce site. Plus de données, c'est toujours mieux, même si je ne suis pas d'accord sur l'utilisation de l'OOS et du WFM, les grandes données correspondent à ma philosophie selon laquelle il existe de vieux modèles sur le marché qui ne disparaîtront jamais. Il y en a aussi de nouvelles après l'ère numérique de 2003.

La leçon à en tirer est qu'il n'y a pas de bonne ou de mauvaise méthode. Trouvez ce qui vous convient le mieux.
 

Oui :) Ce que j'utilise à la place de l'OOS, comme mentionné, ce sont des ensembles de données aléatoires bootstrappées (données créées à partir des données réelles en utilisant une procédure de bootstrapping avec remplacement) du symbole sous-jacent que je crée par le biais d'un script Python personnalisé. C'est un véritable "OOS" dans le sens où c'est comme si vous tradiez en direct votre stratégie et vous ne pouvez pas optimiser sur ces données car chaque ensemble sera totalement différent en termes de courbe de prix, seul le comportement principal du symbole original est simulé (les mathématiciens savent ce que je veux dire) pour la raison que je peux générer une infinité de nouveaux ensembles de données, chacun est complètement différent, mais chacun contient les "caractéristiques" de la série de données originale du symbole.

Au cas où quelqu'un serait membre d'Asirikuy et voudrait créer des données bootstrapped, c'est un peu caché dans le domaine du grand forum :

Obtenez d'abord le script ici :

https://asirikuy.com…&p=20951#p20940

Ensuite, utilisez ma solution pour pouvoir l'exécuter sur des données M1 (Python 32bit ne fonctionnera pas autrement parce que l'utilisation de la RAM devient trop importante pour un processus 32bit lorsqu'on utilise 29 années de données 1M) :

https://asirikuy.com…&p=20951#p20951

Amusez-vous bien ;)

Oui. Je pense que c'est une question de préférence personnelle. Ma personnalité ne supporte pas une longue période de stagnation d'une stratégie unique ou d'un portefeuille de stratégies. J'ai également besoin que mes stratégies fonctionnent sur au moins 20 paires, or, S&P, brut, etc. Il est vrai que la fourchette SL/PT peut devoir être ajustée pour différents marchés, mais la fourchette de tous les autres paramètres optimisables reste la même. Je suis certain que je perds beaucoup d'excellents systèmes en adoptant cette approche, mais ma personnalité est telle que si je n'adoptais pas cette approche, il me serait pratiquement impossible de laisser le portefeuille fonctionner sans le remettre en question. Je suppose donc qu'il est très important de s'assurer que le modèle est négociable en fonction d'un type de personnalité particulier.

Ce qui est évident, c'est l'existence d'une grande constellation de possibilités en ce qui concerne le développement d'un modèle commercial rentable. Certaines de ces possibilités sont connues et d'autres doivent encore être découvertes.

Bref, tout ce qui vous convient.

Envoyé depuis mon GT-P5210 en utilisant Tapatalk

Encoche,
Vous dites qu'il doit fonctionner sur 20 paires. Comment testez-vous cela ?

Vous construisez sur une paire et vous retestez sur les autres ? Comment définir qu'il s'agit d'un "commerce" sur les autres paires ? Les résultats doivent-ils être positifs, la courbe d'équité doit-elle être similaire à celle de la paire d'origine ?

Ou bien optimisez-vous la nouvelle paire et la testez-vous ensuite (car les paramètres devront très probablement être différents pour les différentes paires) ?

Envoyé depuis mon HUAWEI MT7-TL10 en utilisant Tapatalk

Encoche,
Vous dites qu'il doit fonctionner sur 20 paires. Comment testez-vous cela ?

Vous construisez sur une paire et vous retestez sur les autres ? Comment définir qu'il s'agit d'un "commerce" sur les autres paires ? Les résultats doivent-ils être positifs, la courbe d'équité doit-elle être similaire à celle de la paire d'origine ?

Ou bien optimisez-vous la nouvelle paire et la testez-vous ensuite (car les paramètres devront très probablement être différents pour les différentes paires) ?

Envoyé depuis mon HUAWEI MT7-TL10 en utilisant Tapatalk

SQ a des champs de "données supplémentaires" dans le retest et la génération. Pendant le processus de génération, il génère sur plusieurs paires tout en utilisant les mêmes filtres comme : max DD (main IS)> 30 sur les données supplémentaires : max DD (A.D.)> 30 de sorte qu'ils répondent tous aux mêmes normes. L'optimisation dans SQ3.8 ne peut cependant porter que sur une paire à la fois, de sorte que l'élaboration de stratégies pour plusieurs paires se fait manifestement au cours du processus de génération.

Fichier : GUgen.png

Vous pouvez créer et tester plusieurs paires en une seule fois, c'est la raison d'être des champs de données supplémentaires. Il existe également des filtres distincts pour les données supplémentaires, tout comme les filtres I.S./O.O.S./R.T.

Il est en train d'être ajouté à SQ4. C'était l'une de mes principales demandes : l'optimisation au niveau du portefeuille.
Vous serez également en mesure de backtester plusieurs stratégies sur plusieurs paires dans un seul retest comme un portefeuille réel, ce qui est extrêmement important pour les stratégies à risque % puisque le profit/la perte de chaque transaction affecte la taille du lot de la transaction suivante.

Oui, je comprends ce qu'est l'AD.
Ce que je me demande, c'est si c'est juste. Parce que, par exemple, le gbpjpy et le gbpchf sont très différents de l'USDcad. Je me dis donc qu'il n'est peut-être pas réaliste de s'attendre à ce que la même stratégie, avec les mêmes objectifs de profit et le même stop loss, fonctionne selon les mêmes normes sur tous ces marchés différents. Je peux comprendre qu'une même stratégie fonctionne sur des marchés différents avec des paramètres différents. Qu'avez-vous trouvé à ce sujet ?

(je ne mets en cause personne ni leurs méthodes, j'essaie simplement de comprendre)

Envoyé depuis mon HUAWEI MT7-TL10 en utilisant Tapatalk