Test de permutation de Monte Carlo pour les maîtres de la fléole des prés
2 réponses
TP
il y a 3 ans #281476
J'espère que tout va bien !
Deux questions sur le test de permutation de Monte Carlo :
1. Je me demande si SQ envisage d'ajouter le test de permutation MC des maîtres de la phléole des prés comme test de robustesse ?
2. Le test de permutation de Monthe Carlo utilise des variations de prix relatives plutôt que des points de prix absolus. Cela signifie que les signaux de trading, les règles et les indicateurs techniques doivent être conçus pour fonctionner sur des changements de prix relatifs plutôt que sur des points de prix absolus. Je me demande si les signaux mis en œuvre dans SQ sont compatibles avec une telle analyse ?
Merci d'avance !
Plus d'informations sur le test de permutation de Monte Carlo
Le test de permutation de Monte Carlo de Timothy Masters est une technique statistique utilisée pour tester l'importance et la robustesse des performances d'une stratégie de trading. Le test consiste à simuler de multiples itérations de la stratégie en utilisant des versions permutées aléatoirement de données historiques, ce qui permet au trader d'évaluer les performances de la stratégie dans différents scénarios et de déterminer la signification statistique des résultats.
Pour réaliser ce test, Masters transforme d'abord les points de prix absolus en points de prix relatifs en prenant le logarithme des points de prix absolus et en prenant ensuite les différences entre les logarithmes consécutifs. Cette transformation permet d'obtenir une série de rendements logarithmiques qui peuvent être interprétés comme des variations de prix relatifs. L'avantage d'utiliser des rendements logarithmiques plutôt que des rendements simples est qu'ils sont additifs dans le temps et qu'ils sont normalement distribués, ce qui les rend plus adaptés à l'analyse statistique.
Ensuite, les données historiques sont permutées de manière aléatoire pour créer plusieurs ensembles de données simulées, chacun avec une disposition différente des prix historiques. Pour chaque ensemble de données simulé, la stratégie de négociation est exécutée pour générer un ensemble de transactions et les valeurs de portefeuille qui en résultent. Le processus est répété pendant de nombreuses itérations, en utilisant à chaque fois une permutation aléatoire différente des données historiques.
Enfin, les résultats des transactions simulées sont comparés à la performance réelle de la stratégie de trading. L'objectif de cette comparaison est de déterminer si la performance observée de la stratégie de négociation est statistiquement significative ou si elle aurait pu être obtenue par hasard. Si les résultats des transactions simulées sont significativement différents de la performance réelle de la stratégie de trading, cela suggère que la performance observée de la stratégie peut ne pas être robuste et peut avoir été influencée par l'arrangement spécifique des prix historiques utilisés dans l'analyse.
1
JON
il y a 2 ans #285220
Bonjour TP
Cette "étape" (ou une étape similaire) est presque indispensable pour l'exploration des données d'un grand nombre de stratégies, car la chance fait partie de la population de stratégies. L'approche de T Masters semble très simple et robuste. Je vote également pour qu'elle soit mise en œuvre. Notez qu'à l'étape 2, il n'est pas nécessaire de modifier la gestion du prix relatif. Le point de prix relatif n'est nécessaire que lors de la construction de la population des données historiques modifiées, une fois que vous avez ces données, il suffit de les exponentialiser et elles constituent de "fausses" données historiques normales. La seule différence est que votre randomisation des changements de prix relatifs a effacé le "signal" dans les données. Le signal/modèle que votre stratégie robuste devrait capter et donc l'exécution de la stratégie sur 500 ou 1000 de ces données devrait se traduire par une performance pire pour >>90%... si ce n'est pas le cas, votre stratégie ne capte pas de "signal" et n'a ~pas de réel avantage. (en supposant que je comprenne l'approche de T Masters MC pour filtrer les stratégies chanceuses) Ce qui est nécessaire, c'est de traiter un grand nombre de séries de données historiques dans SQX, ce que je n'ai pas encore vu... mais j'ai une expérience limitée en la matière. Quelqu'un connaît-il un test robuste similaire qui soit statistiquement solide et qui n'utilise pas les données OOS ?
1
Michael McFarlin
il y a 1 an #288491
Qu'en est-il ? Je suis également très intéressé par cette fonction de permutation des données pour les tests de robustesse.
Une autre solution consisterait peut-être à créer un outil permettant de manipuler les données de prix en dehors du SQ. Mais il faudrait créer et importer des centaines de fichiers de données pour faire ce que fait Timothy Masters. Il serait plus efficace de l'automatiser dans SQ.
1
Affichage de 2 réponses de 1 à 2 (sur un total de 2)