Intervista con il trader di successo Naoufel

Per prima cosa, vorrei ringraziarla per la sua decisione di condividere le sue intuizioni di trading con la nostra comunità di trading. Prima di continuare a parlare di algo-trading, potrebbe presentarsi brevemente?

Salve, mi chiamo Naoufel Taief.

Mi trovo in Quebec, Canada.

Ho una laurea in contabilità e sono un consulente finanziario.

Mi occupo di trading dal 2013 e dal 2017 faccio trading a tempo pieno.

La performance di trading in tempo reale di uno dei miei principali conti personali è verificata da un 3^rd e resi disponibili qui:

https://kinfo.com/portfolio/12154/performance.

Per quanto riguarda i miei hobby, amo giocare a calcio e praticare le arti marziali. Mi alleno in arti marziali dal 2013 e mi concentro su Wing Chun e Jiu Jitsu.

Come ha iniziato con l'algo-trading?

Mi sono sempre interessato ai mercati finanziari.

Come tutti, ho avuto la mia parte di fallimenti.

Ho fatto saltare i conti seguendo ciecamente i guru.

Ho fatto trading sulla base delle notizie, dell'analisi tecnica e dei flussi di ordini.

Ho acquistato corsi e strategie algo dai guru delle algo.

Se lo dici tu, probabilmente l'ho fatto io.

Mentre cercavo un mentore da cui imparare, mi sono imbattuto in un sito web che smascherava i truffatori e chiedeva gli estratti conto o le prove di redditività, come le revisioni dei broker di terze parti.

La maggior parte dei guru delle algo online che seguivo non erano disposti a condividere le performance di trading dal vivo per un periodo prolungato. Alcuni possono affermare di essere i vincitori di una particolare competizione di trading, o addirittura di averla vinta più volte, ma la realtà è che per vincere nelle competizioni è necessario operare con rischi enormi. O la va o la spacca.

In alcuni anni si fa il botto e si fa esplodere il conto di trading per quella competizione, ma in altri anni si fa il botto e si è fortunati, e si può usare il fatto di aver vinto una competizione nel proprio marketing online per reclutare trader nella propria attività di formazione o di segnali.

La cosa divertente è che in seguito ascolterete un podcast online di quegli stessi guru che hanno vinto le competizioni di trading e loro stessi riconoscono che non farebbero mai trading sui loro conti reali nello stesso modo in cui fanno trading durante le competizioni.

Ho quindi scoperto che la chiave era vedere le performance di trading reali/vive, ma su un lungo periodo di tempo, piuttosto che solo durante una gara di trading di 3 mesi.

Ho scoperto che la stragrande maggioranza dei trader disposti a mostrare i propri risultati di trading dal vivo e che hanno ottenuto buoni risultati nel corso di più anni, erano quasi sempre trader di algo.

È questo che mi ha fatto decidere di lasciarmi alle spalle tutti i falsi guru e di concentrarmi sul trading algoritmico.

Quanto tempo ci è voluto per avere successo e qual è stato il punto di rottura?

Ci sono voluti circa 3 anni prima che iniziassi a vedere una performance consistente con il mio algo trading.

All'epoca, per poter entrare nel mondo del trading algoritmico era necessario imparare il codice.

Volevo partecipare all'algo trading, ma non volevo perdere tempo a imparare tutto il lato della programmazione.

Questo è ciò che mi ha fatto interessare ad alcuni dei costruttori di sistemi automatizzati che erano diventati disponibili, in quanto questi strumenti erano in grado di analizzare i dati storici dei prezzi per trovare strategie potenzialmente redditizie, senza richiedere alcuna conoscenza di programmazione.

Sebbene sia fantastico disporre di costruttori di sistemi in grado di analizzare tutti i dati storici, il problema principale è quello di filtrare le strategie che sono robuste e che, si spera, non siano curve fit.

I costruttori di sistemi trovavano regolarmente strategie multiple, e magari facevano anche in modo che quella strategia superasse un paio di test di robustezza che era in grado di verificare, ma quando iniziavo a fare paper/live trading su quella stessa algo scoprivo che le prestazioni si deterioravano in modo massiccio.

Questa è la parte principale che ha richiesto alcuni anni di sviluppo. Volevo sicuramente sfruttare i costruttori di sistemi per trarre vantaggio dall'automazione e non dover imparare a scrivere codice di programmazione, ma avevo anche bisogno di sviluppare un mio metodo di verifica della robustezza, in modo che la maggior parte delle strategie che superano tutti i miei controlli di robustezza continuino a funzionare adeguatamente durante il paper/live trading.

Cosa le piace di più dell'algo-trading?

È fantastico poter sfruttare la tecnologia moderna (software, hardware, intelligenza artificiale) per automatizzare un flusso di lavoro avanzato di data mining e controlli di robustezza in più fasi. Farlo manualmente richiederebbe un enorme sforzo manuale.

È anche bello non dover spendere tempo per imparare a diventare un programmatore. Un costruttore di sistemi come StrategyQuant può scrivere il codice per le strategie, in modo che possiate dedicare il vostro tempo alla ricerca di buone opportunità piuttosto che imparare a scrivere codice.

Un importante vantaggio dell'algo trading è che vi salva da voi stessi.

Se fate trading discrezionale tradizionale, una volta che le vostre emozioni vengono coinvolte, è un ottimo modo per rovinare le vostre performance di trading. I trader tendono a fare l'operazione sbagliata nel momento peggiore quando le emozioni si fanno sentire.

Anche se riusciste in qualche modo a tenere sotto controllo le vostre emozioni, il fatto che stiate facendo trading con discrezione implica che non potete basarvi sulle performance passate per cercare di prevedere quelle future, poiché la vostra strategia di trading non sarà coerente.

Al contrario, il trading algoritmico è 100% meccanico e non comporta alcuna discrezione. Ciò garantisce anche che non lasciamo che le nostre emozioni ci portino sulla strada sbagliata. La combinazione di questi fattori ci permette di avere una certa coerenza nel nostro trading.

Infine, ma non per questo meno importante, la possibilità di diversificare illimitatamente le operazioni. Potete operare su qualsiasi ticker/simbolo, qualsiasi settore, qualsiasi mercato e su qualsiasi orizzonte temporale a vostra scelta. Poter disporre di un ampio portafoglio di algoritmi in cui i rendimenti di ciascun algoritmo non sono correlati agli altri algoritmi è quanto di più vicino al Santo Graal si possa ottenere.

Quando una algo subisce un drawdown, si spera che le altre algo non subiscano un drawdown nello stesso momento. In effetti, è frequente che alcune delle altre algo registrino un profitto nel periodo in cui la prima algo è in drawdown.

A livello di portafoglio, questi due fattori si combinano per offrire eccellenti rendimenti corretti per il rischio.

Può dirci qualcosa di più sul flusso di lavoro che utilizza per creare e selezionare le strategie migliori?

Tratto il mio trading come un'attività commerciale. I miei algoritmi sono i miei dipendenti. Mi assicuro che questi dipendenti siano adatti al lavoro. Cerco di applicare il concetto di "assumere lentamente, licenziare velocemente". Mi prendo molto tempo per sviluppare le mie strategie, ma non esiterò a rimuoverle se non funzionano come previsto.

Le linee guida di massima sono:

• Identificheremo gli strumenti che presentano un'azione di prezzo altamente volatile.
• Cercheremo di raccogliere il maggior numero possibile di dati storici sui prezzi, su più timeframe.
• Selezioneremo indicatori specifici per costruire i nostri algoritmi con le regole minime possibili.
• Costruiremo i nostri algoritmi in base alla "personalità" degli strumenti (AAPL non opera allo stesso modo di COSCO).
• Ci piace studiare gli strumenti. Vogliamo sapere quale periodo può essere considerato "toro" o "orso".
• Il nostro obiettivo è quello di avere condizioni di mercato toro/orso/neutro in ciascuno dei nostri set di dati in-sample e out-of-sample.
• Ci sono alcune metriche specifiche che devono essere rispettate in tutti i periodi affinché l'algoritmo venga selezionato per un'ulteriore verifica di robustezza, che vengono descritte in dettaglio nel corso che abbiamo creato.
• Poi eseguiamo diversi controlli di robustezza come parte del nostro flusso di lavoro automatizzato in SQX.
• Una volta ottenuta una serie di algoritmi potenzialmente validi al termine del flusso di lavoro in più fasi in SQX, eseguiamo alcuni controlli manuali e visivi.
• Gli algoritmi che superano i controlli visivi vengono poi incorporati in uno strumento basato sul portafoglio che può esaminare le correlazioni tra i singoli algoritmi e i livelli di esposizione totale del portafoglio.
• Le selezioni finali dell'algoritmo vengono poi messe in incubazione, ovvero in paper trading.
• Dopo un periodo di incubazione, vogliamo convalidare che l'algoritmo si sia comportato entro i limiti di ciò che è considerato normale per quell'algoritmo.
• Gli algos che superano la fase di incubazione vengono poi negoziati dal vivo, inizialmente a dimensioni minime (per convalidare aspetti come lo slippage reale, ecc.) o a dimensioni piene/normali.
• Gli algos in tempo reale vengono quindi monitorati per garantire che continuino a operare entro i limiti normali del P&L. Gli algos che si riducono più del previsto vengono rimossi dal trading live e rimessi in incubazione o ritirati completamente.

Potete trovare tutti i dettagli della mia metodologia di trading in un corso che ho creato con Ron Bertino, intitolato "Mining for Gold", che potete trovare alla seguente pagina:

https://university.tradingdominion.com/p/mining-for-gold

Qual è il vostro test di robustezza preferito?

I due test che mi piacciono di più sono la selezione del campione e Monte Carlo.

Selezione del campione: la scelta dei giusti periodi dentro e fuori dal campione è fondamentale. Se state costruendo un algo long only, non volete costruire strategie in cui i periodi in-sample e out-of-sample siano solo in un periodo di rialzo. Come dice il proverbio, "tutti sono geni in un mercato toro". La probabilità che una strategia si adatti alla curva è molto alta se non si seleziona correttamente il campione.

Monte Carlo: rimescolare la sequenza delle operazioni per sapere qual è il vostro risultato peggiore e il vostro livello di "fortuna" è fondamentale. Non si vuole selezionare una strategia in cui si è i più fortunati in termini di sequenza di operazioni.

Qual è la prova che la vostra strategia funzionerà in futuro?

Non c'è mai nulla di certo al 100%, ma ritengo che la cosa più vicina alla "prova" sia la dimostrazione dei risultati di trading in tempo reale su più anni.

Uno dei miei principali conti di trading broker è controllato da una terza parte chiamata Kinfo. Potete vedere la mia performance negli ultimi anni su questa pagina:

https://kinfo.com/portfolio/12154/performance

Questo mostra la performance di oltre 2400 operazioni precedenti in tempo reale, con oltre 50 algos in funzione in qualsiasi momento.

Qual è la sua filosofia per creare un portafoglio ottimale?

Voglio controllare la mia esposizione a ciascuna algo e assicurarmi che siano tutte non correlate.

Il corretto algo sizing è molto importante. L'ultima cosa che si vuole è una leva eccessiva sul sottostante sbagliato.

Anche l'uso della leva finanziaria è un buon modo per aumentare ulteriormente i rendimenti, e questo rende ancora più importante un corretto dimensionamento.

Ogni portafoglio a volte soffre di drawdown. Qual è il vostro approccio per superarlo e mantenere la fiducia nei vostri robot?

Tutti abbiamo dei drawdown. È una parte normale del trading.

Nel nostro corso di "estrazione dell'oro" (https://university.tradingdominion.com/p/mining-for-gold), insegniamo un modo semplice ed efficace per gestire i sistemi di trading che non funzionano più come previsto. Questo può essere fatto sia a livello di algo sia a livello di portafoglio.

Sapere quando interrompere una strategia è importante quanto crearne una. Vogliamo mantenere intatto il nostro capitale mentale e finanziario per poter operare correttamente.

C'è una fonte di conoscenza che vorrebbe raccomandare ad altri trader?

In fin dei conti, imparare da qualcuno che ha le carte in regola è stato per me l'elemento che ha cambiato la partita. I libri di Nassim Taleb illustrano questo concetto in modo più dettagliato.

Nella nostra comunità "Mining for Gold", abbiamo market maker, gestori di fondi e trader con denaro reale che collaborano e si scambiano idee/flussi di lavoro all'interno del gruppo. Avere questo tipo di entourage vi renderà sempre un trader migliore. Nessuno è bravo in tutto, quindi è bello poter collaborare con un grande gruppo di trader esperti e laboriosi che possono contribuire con ciò che sono individualmente più bravi e l'intero gruppo può beneficiare di questa collaborazione.

Avete qualche consiglio su cosa evitare o di cui essere consapevoli nell'algo-trading?

Studiate il sottostante su cui volete costruire gli algoritmi. Dovete vederla come una partita sportiva. Tutti i campioni del mondo studiano il loro avversario. Nel nostro caso, dobbiamo studiare il mercato che stiamo negoziando.

Il più grande problema potenziale da tenere d'occhio con il data mining è la robustezza e la gestione degli algoritmi che potrebbero essere soggetti a curve. Abbiamo un processo in più fasi per cercare di aumentare le probabilità di robustezza, a partire da più fasi automatizzate fino a un paio di fasi eseguite manualmente.

State alla larga dai guru del trading di algo che non mostrano performance di trading dal vivo per diversi anni. La vittoria in competizioni di trading non è un buon modo per giudicare la conoscenza/esperienza del guru dell'algo, dal momento che di solito queste persone si assumono rischi enormi: o fanno molto bene o mandano all'aria l'intero conto. Si vuole vedere la performance di trading dal vivo di un conto reale, con dollari reali, su più anni.

Allegato - Rapporto sulle prestazioni di Interactive Brokers di Naoufel:  Naoufel Taief VAMI 2021 anno end-