Test di permutazione Monte Carlo di timothy masters

Spero che tutto vada bene!

Due domande sul test di permutazione di Monte Carlo:

1. Mi chiedo se SQ stia valutando la possibilità di aggiungere il test di permutazione MC di timothy masters come test di robustezza.

2. Il test di permutazione di Monthe Carlo utilizza variazioni di prezzo relative anziché punti di prezzo assoluti. Ciò significa che i segnali di trading, le regole e gli indicatori tecnici dovrebbero essere progettati per lavorare sulle variazioni di prezzo relative piuttosto che sui punti di prezzo assoluti. Mi chiedo se i segnali implementati in SQ siano in grado di effettuare un'analisi di questo tipo.

Grazie in anticipo!

Ulteriori informazioni sul test di permutazione Monte Carlo

Il test di permutazione Monte Carlo di Timothy Masters è una tecnica statistica utilizzata per verificare la significatività e la solidità della performance di una strategia di trading. Il test prevede la simulazione di più iterazioni della strategia utilizzando versioni permutate a caso dei dati storici, consentendo al trader di valutare la performance della strategia in diversi scenari e di determinare la significatività statistica dei risultati.

Per condurre questo test, Masters trasforma innanzitutto i punti di prezzo assoluti in punti di prezzo relativi prendendo il logaritmo dei punti di prezzo assoluti e poi prendendo le differenze tra i log consecutivi. Questa trasformazione dà luogo a una serie di rendimenti logici che possono essere interpretati come variazioni di prezzo relative. Il vantaggio di utilizzare i rendimenti logici invece dei rendimenti semplici è che sono additivi nel tempo e distribuiti normalmente, il che li rende più adatti all'analisi statistica.

Successivamente, i dati storici vengono permutati in modo casuale per creare più set di dati simulati, ciascuno con una diversa disposizione dei prezzi storici. Per ogni serie di dati simulati, la strategia di trading viene eseguita per generare una serie di operazioni e i valori di portafoglio risultanti. Il processo viene ripetuto per molte iterazioni, utilizzando ogni volta una diversa permutazione casuale dei dati storici.

Infine, i risultati delle operazioni simulate vengono confrontati con la performance effettiva della strategia di trading. Lo scopo di questo confronto è determinare se la performance osservata della strategia di trading è statisticamente significativa o se potrebbe essere stata ottenuta per caso. Se i risultati delle operazioni simulate sono significativamente diversi dalla performance effettiva della strategia di trading, ciò suggerisce che la performance osservata della strategia potrebbe non essere solida e potrebbe essere stata influenzata dalla specifica disposizione dei prezzi storici utilizzati nell'analisi.

Hi  TP

This “step” (or similar) is almost a must for data mining of large number of strategies since luck will be part of the strategy population. T Masters approach seem very simple yet robust. I also vote for this to be implemented. Note that in your step 2 there is no need for any changes to handle the relative price point. The relative price point is only necessary when building the population of the modified historical data, once you have those you just exponentiate these and they are normal “fake” historical data. Only difference is that your randomization of the relative price changes have erased the “signal” in the data. The signal/pattern that your robust strategy should be picking up and thus running the strategy on 500 or 1000 of these should result in worse performance for >>90%… if not, your strategy does not pick up a “signal” and does ~not have a real edge. (assuming I understand T Masters MC approach to filter out lucky strategies) What is necessary is to handle a large number of historical data-series in SQX which I have not seen yet.. but I have limited experience with it.  Anyone know any similar robust test that is statistically sound and does not use the OOS data?