Strategia di inversione di martedì: testata su titoli del Nasdaq 100 e del S&P 500

Il Turnaround Tuesday è un’idea che i trader discutono da decenni: dopo un forte ribasso di lunedì, il mercato potrebbe reagire positivamente martedì o nei giorni successivi.

Gli esempi drammatici sono seguiti al Black Monday del 1987 e a un altro crollo lunedì nel 1997. La maggior parte delle versioni dell'idea si concentra su un singolo indice. In questo test, abbiamo invece cercato di individuare il trend per ciascun titolo individuale.

La strategia combina tre condizioni di ingresso, due regole di uscita e una formula per il punteggio della posizione che determina quali azioni acquistare quando il numero di criteri è troppo elevato.

Regole di ingresso

La strategia valuta tre condizioni al termine della barra giornaliera:

  • Il giorno della settimana è il lunedì
  • Il titolo chiude più di 1% sotto il prezzo di apertura: Chiuso[0] < 0,99 × Aperto[0]
  • Il prezzo di chiusura è superiore alla media mobile semplice a 200 giorni del bar precedente: Close[0] > SMA(200)[1]

Le tre condizioni devono essere tutte soddisfatte. La posizione si apre il giorno lavorativo successivo all’apertura del mercato, martedì, tramite un ordine di mercato.

L’idea è quella di acquistare un titolo che rimane in un trend rialzista a lungo termine ma che ha subito un calo a breve termine. Si tratta di un approccio di mean reversion: cercare un rialzo dopo una debolezza temporanea.

Regole di uscita

La posizione si chiude quando si verifica prima una delle due condizioni:

  • Il prezzo di chiusura di oggi è superiore al prezzo di chiusura di due bar fa: Chiudere[0] > Chiudere[2]
  • La posizione raggiunge il limite di tenuta di 10 bar giornalieri

La funzione Stop Loss e Prola funzione Target sono disattivate. La prima condizione prevede un ribasso; la seconda limita il tempo in cui la strategia deve aspettare prima di avviare un nuovo trade.

Punteggio della posizione

La strategia può contenere fino a 10 posizioni. Quando più titoli soddisfano le condizioni di ingresso rispetto ai posti disponibili, il punteggio della posizione classifica i candidati.

La formula è calcolata come uno svincolo della ROC di cinque periodi, ovvero il tasso di cambiamento. Una ROC più bassa produce un punteggio più alto, dando priorità alle azioni qualificate con le performance più deboli nel periodo recente.

La distinzione è importante: le condizioni di ingresso determinano se un titolo soddisfa i requisiti. Il punteggio della posizione determina quali titoli qualificati vengono selezionati. Questo secondo passaggio può avere un impatto significativo sul backtest.

Backtest del Nasdaq 100

Il primo test ha utilizzato un paniere di azioni del Nasdaq 100, dati giornalieri, 20 anni di storia e una commissione di 0,1%.

Partendo da $10.000, il backtest riportava:

  • Risultato netto: circa $55.000
  • Commercio: circa 5.900
  • CAGR: quasi il 10%
  • Profattore di adeguatezza: 1,35
  • Tasso di vittoria: 66%

Il trade vincente medio ha registrato un profitto di $54 punti, mentre il trade perdente medio ha registrato una perdita di $79 punti. La strategia ha ottenuto spesso risultati positivi, ma le perdite sono state più elevate rispetto ai guadagni: un profilo tipico di inversione media.

Il tempo medio di permanenza sui mercati era inferiore ai tre giorni, nonostante il limite di 10 bar. I vincitori duravano circa due giorni, mentre i perdenti duravano quasi cinque. I rimbalzi riusciti portavano a una rapida uscita; gli scambi non riusciti rimanevano aperti più a lungo e potevano superare il limite di tempo.

Confronto con il buy & hold

Per confrontare la strategia con SPY, abbiamo prima utilizzato la normalizzazione in base al calo dei volumi in dollari. Abbiamo StrategyQuant scalato l’investimento di riferimento in modo da ottenere un calo storico di circa lo $6,300 stesso livello rispetto a quello della strategia.

Sotto quella normalizzazione:

  • Rapporto Sharpe: 1,02 per la strategia rispetto a 0,65 per SPY
  • CAGR / massimo decremento: 0,76 contro 0,24
  • Esposizione: circa 66% contro 100%

Il rapporto ha anche mostrato un confronto separato con SPY scalato in modo da corrispondere alla percentuale di riduzione del portafoglio della strategia. In quel confronto, il profitto netto è stato di circa $55.000 contro $11.500.

Si tratta di due normalizzazioni storiche del drawdown. L’aspetto fondamentale è come i rendimenti si confrontino rispetto al drawdown necessario per raggiungerli, anziché guardare solo al profitto.

La stessa strategia per le azioni del S&P 500

Successivamente abbiamo cambiato il carrello di scambi in S&P 500. Tutto il resto è rimasto uguale: condizioni di ingresso, uscite, punteggio della posizione, numero massimo di posizioni e periodo di test.

Il risultato è stato di circa 8.000 operazioni e un CAGR del 15%, ovvero circa cinque punti percentuali in più rispetto al Nasdaq 100.

Perché ha avuto risultati migliori? Il punteggio sulla posizione è una possibile spiegazione. Sul Nasdaq 100, la strategia seleziona fino a 10 titoli tra circa 100. Sul S&P 500, la selezione è limitata a 10 titoli tra circa 500. Un pool di candidati più ampio può essere un vantaggio, ma questa spiegazione richiede un test a parte.

Perché la strategia potrebbe funzionare

Tuesday Reversal ricerca la debolezza a breve termine all'interno di un trend rialzista a lungo termine. Il filtro tendenziale identifica le azioni idonee, il punteggio Position prioritizza le candidate più deboli e le regole di uscita mantengono l'attenzione su un rialzo relativamente rapido.

Le stesse regole hanno prodotto risultati storici proficui su due diversi pani di strumenti senza alcun aggiustamento. Ciò ci fornisce un punto di partenza utile per ulteriori ricerche.

Scaricate la strategia completa dalla descrizione del video e provatela voi stessi. Modificate la formula di classificazione, esplorate un altro paniere di azioni o riorganizzate le regole secondo le vostre idee. Una volta completata la fase di test e la configurazione, potete eseguire la strategia su AlgoCloud.

Guarda il video qui sotto per la spiegazione completa di AlgoWizard e l'analisi backtest.

0 Commenti
Vecchi
Più recenti Le più votate

Continua a leggere