Análise da eficácia dos blocos adaptativos nos mercados GBPUSD, EURJPY e NQ

Nos últimos meses, introduzimos novos blocos de comparação, Crosses Above/Below Adaptive e IsGreater/IsLower Adaptive, em nosso servidor de base de código. Esses blocos comparativos avançados em estratégias de negociação avaliam o desempenho histórico de sinais específicos antes de confirmar sua validade. Diferentemente dos blocos tradicionais que analisam apenas as condições atuais do mercado, os blocos adaptativos examinam os dados anteriores para verificar a confiabilidade estatística de um sinal.

O objetivo desta pesquisa é verificar se a geração de estratégias usando blocos adaptativos produz melhores resultados em comparação com os blocos tradicionais não adaptativos. Como parte do experimento, projetamos um método que nos permite comparar milhares de estratégias e realizar análises estatísticas sobre seu desempenho.

Metodologia do experimento:

  • Criamos 20 regras simétricas personalizadas para cada tipo de bloco comparativo. (80 no total) 
  • Foram preparadas quatro tarefas de construção, cada uma gerando estratégias com base em diferentes condições:
    • Cruzes acima/abaixo da base
    • Cruzamentos acima/abaixo Adaptativo
    • Base IsGreater/IsLower
    • IsGreater/IsLower Adaptativo

As estratégias serão geradas aleatoriamente sem usar a otimização genética, com apenas um filtro que exige um mínimo de duas negociações por mês.

Hipótese: As estratégias que usam blocos adaptativos devem demonstrar melhor desempenho, com valores médios mais altos no banco de dados (lucro líquido, fator de lucro, drawdown, estabilidade e número de negociações) em comparação com as estratégias que usam blocos não adaptativos.

Mercados e parâmetros testados:

  • Mercados: GBPUSD, EURJPY, NQ
  • Plataforma: MT4
  • Intervalo de testes: 1º de janeiro de 2010 a 31 de dezembro de 2024
  • Tipos de sistema: Intraday (posições de fechamento no final da sessão dos EUA) e Intraweekly (posições de fechamento no máximo até sexta-feira).

Os resultados desse experimento proporcionarão uma compreensão mais clara da eficácia dos blocos adaptativos e sua contribuição para a geração automatizada de estratégias de negociação.

Você pode baixar os blocos/condições personalizados aqui.

 

Na imagem acima, você pode ver os resultados da análise dos blocos adaptativos em comparação com os blocos normais em 120 mil negociações.

Interpretação dos resultados:

Melhor desempenho dos blocos adaptáveis:

  • Os blocos adaptáveis geralmente apresentam maior lucro médio (menores perdas).
  • O fator de lucro é consistentemente mais alto com blocos adaptáveis, indicando melhor eficiência da estratégia.

Menor rebaixamento:

  • Os blocos adaptáveis têm um drawdown médio menor, o que sugere um melhor gerenciamento de risco.

Estabilidade:

  • Os blocos adaptáveis demonstram maior estabilidade (valores de estabilidade menos negativos).

Número de negociações:

  • Os blocos adaptativos geram menos negociações (Avg. NoT), indicando sinais mais cautelosos e provavelmente mais bem filtrados.

 

 

Resumo:

  • Os blocos adaptáveis proporcionam consistentemente um melhor desempenho em quase todos os parâmetros e mercados testados.
  • Melhorias significativas em menor rebaixamento, maior fator de lucro e maior estabilidade.
  • Os blocos adaptativos geram menos negociaçõesindicando uma filtragem de sinal mais rigorosa e uma exposição reduzida ao mercado.

 

Conclusão:

Os blocos adaptáveis demonstram ser mais eficazes no gerenciamento de riscos e na obtenção de melhores resultados em comparação com os blocos tradicionais. Portanto, continuaremos a aprimorar esses blocos adaptáveis nos próximos meses, pois pretendemos demonstrar se seu desempenho é melhor em comparação com os blocos tradicionais.

clonex / Ivan Hudec

Ivan Hudec — “Clonex” no fórum

Negocio há 15 anos e venho desenvolvendo com o StrategyQuant X desde 2014. Hoje em dia, faço três coisas: desenvolvo e testo estratégias automatizadas em condições reais de mercado, amplio o próprio SQX com indicadores personalizados, trechos de código e ferramentas em Python para aprendizado de máquina e pesquisa quantitativa, e ajudo outros traders a chegarem lá mais rápido — sem passar pelos anos de erros caros que cometi ao longo do caminho.
A maioria das estratégias de trading parece ótima em um backtest, mas desmorona na prática. Meu trabalho é exatamente o oposto: estratégias que são honestas, validadas e robustas o suficiente para que se possa confiar nelas com dinheiro real. Escrevo sobre esse processo — o que dá certo, o que dá errado e o sobreajuste de que ninguém fala — no meu site, algotrading.space.
Se você quiser se aprofundar no tema da validação, no desenvolvimento personalizado de SQX ou na criação de uma vantagem competitiva real com dados e código, é lá que eu compartilho tudo isso.  www.algotrading.space

2 Comentários
mais antigos
mais recentes Mais votado
Tanay Roy
19. 1. 2025 6:41 am

Quais são as chances de produzir melhores resultados selecionando um tamanho de amostra menor? Por exemplo, tenho uma perda fixa de $200 e o tamanho da amostra é 400, se eu perder todas as negociações, a perda será de $80000 e, se eu reduzir o tamanho da amostra para 200, a perda será de $40000. Portanto, o método não está fazendo nada, apenas reduzindo minha amostra. Só quero saber se o método adaptativo pode criar uma vantagem real ou não.

Última edição 1 ano atrás por Tanay Roy

Continuar lendo