Un articolo straordinario sull'analisi di MONTE CARLO

Qual è la sua opinione? Sono molto sorpreso... Perché abbiamo sentito dire che dovremmo usare un approccio simmetrico all'edificio + ovviamente usiamo il data-mining...

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

Solo 2 cose in anticipo:

Simmetria forzata lungo/corto

Molte strategie di trading utilizzano una simmetria forzata long/short. Le strategie simmetriche long/short presentano diversi vantaggi ma anche alcuni svantaggi, ma un'analisi va oltre lo scopo dell'articolo. Il punto importante è che la maggior parte degli algoritmi Monte Carlo rompono la simmetria che è presente per progetto. Di conseguenza, le inferenze che ne derivano sono false.

E

Quando una strategia viene sviluppata tramite data-mining, l'analisi Monte Carlo non è utile per determinare se è robusta o casuale. Tuttavia, questo è esattamente ciò che molti utenti e sviluppatori di programmi di data-mining fanno in molti casi. La ragione della non applicabilità di questo metodo è che quando l'analisi Monte Carlo diventa parte del processo di data-mining, perde la sua efficacia come strumento di validazione a causa del data-snooping e dei bias di selezione. Sebbene l'analisi Monte Carlo possa essere utilizzata per stimare le probabilità dei futuri livelli di drawdown, ammesso che sia applicabile, non può essere utilizzata come strumento di validazione. I trader quantistici dilettanti utilizzano l'analisi Monte Carlo per convalidare le strategie scoperte attraverso il data-mining bias.

Seguo questo argomento

Grazie per il link, la prima cosa che noto è che l'articolo parla specificamente di test che randomizzano solo l'ordine delle operazioni. SQ MC può anche saltare, randomizzare i dati di mercato o i perimetri delle strategie, il che dovrebbe essere più utile.

Il caso 1 è ovvio. Naturalmente, un test MC basato su un ordine casuale e su una strategia a curve non è utile. Anche in questo caso l'autore potrebbe aver incluso un set di dati troppo piccolo.

<b>La randomizzazione dell'ordine dei trade rompe tutti i pattern e le sequenze per design, non solo la simmetria longs shorts o la probabilità di un downtrend esteso.</b> Il MC non potrà mai mostrare le reali probabilità che gli eventi si verifichino. I limiti della MC sono già ben documentati altrove. L'autore ha delineato alcuni casi specifici, ma non ci sono letteralmente casi specifici in cui si possa dire che la MC produca risultati realistici nel contesto del trading. Non è pensato per essere realistico. Si tratta solo di una stima o anche (si spera) di un'analisi del rischio tranquillamente pessimistica, dato che gli esseri umani tendono a sottovalutare il rischio. Ci sono certamente casi in cui l'MC (ordine casuale) è meno utile del "normale", ma non credo che l'autore abbia scelto molti esempi di questo tipo.

C'è un'altra falla nel rapporto sul caso 3. Credo che questo sia un buon esempio di sottovalutazione del rischio da parte di un essere umano. Non è impossibile che lo SPY possa perdere terreno in un lento downtrend o muoversi in qualche altro modo (a parte un impossibile downtrend dello SPY) per far sì che questo sistema vada in DD in un modo enorme di cui l'autore parla e che sostiene essere "irrealistico".

Il caso 8 ha ovviamente senso se si include il MC come parte del processo di data mining e si sottopongono miliardi di strategie al MC o a qualsiasi altro tipo di test, in un certo senso si tratta di data mining. Tuttavia, il fatto che una strategia sia stata trovata tramite data mining non significa che il MC faccia necessariamente parte del processo di data mining.