Superbe article sur l'analyse de MONTE CARLO

Quelle est votre opinion ? Je suis très surpris... Parce que nous avons entendu dire que nous devrions utiliser une approche symétrique dans la construction + nous utilisons bien sûr l'exploration de données...

https://www.priceactionlab.com/Blog/2015/05/fooled-by-monte-carlo-analysis/

Juste deux choses à l'avance :

Symétrie forcée long/court

De nombreuses stratégies de trading utilisent une symétrie forcée long/short. Les stratégies symétriques long/short présentent plusieurs avantages, mais aussi quelques inconvénients, dont l'analyse dépasse le cadre de cet article. Le point important ici est que la plupart des algorithmes de Monte Carlo brisent la symétrie qui est présente par conception. Par conséquent, toute déduction faite à partir de ces algorithmes est fausse.

ET

Lorsqu'une stratégie est élaborée par le biais de l'exploration de données, l'analyse Monte Carlo n'est pas utile pour déterminer si elle est robuste ou aléatoire. Cependant, c'est exactement ce que font de nombreux utilisateurs et développeurs de programmes d'exploration de données dans de nombreux cas. La raison de la non-applicabilité de cette méthode est que lorsque l'analyse de Monte Carlo est intégrée au processus d'exploration de données, elle perd son efficacité en tant qu'outil de validation en raison de l'espionnage des données et du biais de sélection. Bien que l'analyse de Monte Carlo puisse être utilisée pour estimer les probabilités des niveaux de prélèvement futurs, en supposant qu'elle soit applicable, elle ne peut pas être utilisée comme outil de validation. Les traders quantiques amateurs utilisent l'analyse de Monte Carlo pour valider les stratégies découvertes par le biais de l'exploration de données.

Je suis ce sujet

Merci pour le lien, la première chose que je remarque est que l'article parle spécifiquement de tests qui randomisent seulement l'ordre des transactions. SQ MC peut aussi sauter, randomiser les données du marché ou les périmètres de la stratégie, ce qui devrait être plus utile.

Le cas 1 est évident. Bien entendu, un test MC basé sur l'ordre aléatoire à partir d'une stratégie ajustée à la courbe n'est pas utile. L'auteur a pu inclure un ensemble de données trop petit ici aussi.

<b>La randomisation de l'ordre des transactions brise tous les modèles et toutes les séquences, et pas seulement les positions longues, la symétrie ou la probabilité d'une tendance baissière prolongée.</b> Le MC ne peut jamais montrer les véritables probabilités de réalisation d'événements réels. Les limites de la MC sont déjà bien documentées ailleurs. L'auteur a présenté quelques cas spécifiques, mais il n'y a littéralement aucun cas spécifique où l'on peut dire que la MC produit des résultats réalistes dans le contexte de la négociation. Elle n'est pas censée être réaliste. Il s'agit simplement d'une estimation ou même (avec un peu de chance) d'une analyse de risque pessimiste, puisque les êtres humains ont tendance à sous-estimer les risques. Il existe certainement des cas où la MC (ordre aléatoire) est moins utile que la "normale", mais je ne pense pas que l'auteur ait choisi beaucoup de bons exemples à cet égard.

Il y a une autre faille dans le rapport du cas 3. Je pense que nous avons ici un bon exemple de sous-estimation du risque par un être humain. Il n'est pas impossible que le SPY se transforme en une lente tendance baissière ou qu'il évolue d'une autre manière (autre qu'une impossible tendance baissière du SPY) pour que le système se désagrège de manière considérable, comme le dit l'auteur en affirmant qu'il est "irréaliste".

Le cas n° 8 est évidemment logique si l'on inclut le MC dans le processus d'exploration de données et si l'on soumet des milliards de stratégies au MC ou à tout autre type de test, il s'agit dans une certaine mesure d'exploration de données. Toutefois, ce n'est pas parce qu'une stratégie a été trouvée par l'exploration de données que le MC faisait nécessairement partie du processus d'exploration de données.