Entrevista com o comerciante e programador Ivan

Olá, você poderia se apresentar? Qual é a sua profissão?

Meu nome é Ivan. Sou de meia-idade e moro em Bratislava, na República Eslovaca.

Durante muitos anos, trabalhei em uma corretora de futuros na República Tcheca. Nos últimos anos, além de negociar, tenho trabalhado em uma empresa familiar. Atualmente, estamos vendendo uma empresa familiar e planejo, finalmente, dedicar 100% do meu tempo à negociação algorítmica e a todos os assuntos relacionados.
Programação personalizada, consultoria, treinamento e redação sobre minhas experiências no campo de negociação algorítmica.

 O que você quer dizer com atividades associadas em algo - trading? Por que elas são importantes?

Uma das atividades associadas com as quais lido é, por exemplo, o desenvolvimento e a programação de indicadores ou scripts. Coopero com a equipe da SQX e desenvolvo os novos indicadores, incluindo novas ideias, que os ajudam a tornar sua plataforma de negociação muito mais eficaz. Também programo os indicadores comercialmente, de modo que posso programá-los de acordo com as exigências e necessidades específicas de meus clientes.

 Como você começou com algo-trading?

É engraçado lembrar como comecei a negociar. Coincidentemente, digitei a frase de forma errada em um mecanismo de busca do Google. Já em 2007, quando comecei a negociar em geral, suspeitei que a negociação sistemática estava mais próxima de mim. No entanto, comecei a me concentrar mais na negociação de algo em 2011 e, diariamente, em 2014, quando comecei a usar a StrategyQuant como a principal plataforma para o desenvolvimento de estratégias.

Quanto tempo levou para obter os primeiros sucessos? Qual foi o ponto de ruptura?

De certa forma, sinto que quanto mais aprendo, menos sei. Houve vários pontos de ruptura. Os mais importantes foram as perdas e os rebaixamentos durante minha jornada de negociação. Somente elas me ajudaram a continuar melhorando e trabalhando em mim mesmo. O ponto de ruptura foi o próprio StrategyQuant, embora eu tenha usado programas semelhantes antes. E, é claro, o ponto de ruptura foi uma nova versão do SQX. Isso me permitiu automatizar parte do meu fluxo de trabalho. Também foi muito importante começar a usar Python, uma linguagem simples que me permite criar rapidamente vários scripts que são usados para análise de dados. Também considero muito importante o fato de ter começado a cooperar com outro usuário do StrategyQuant, Bob, há um ano e meio. Nunca fui fã de colaborações grandes e ineficazes, mas em uma equipe pequena, com uma quantidade tão grande de dados e ideias, é realmente muito melhor.

O que você mais gosta no Algo-trading?

Gosto de verificabilidade, modelabilidade e objetividade. Gosto de inventar e "construir" algo. Também me lembro muito bem de como é olhar para gráficos o dia inteiro.

Portanto, o fato de as estratégias executarem as negociações sem que eu tenha que decidir sobre cada uma delas tem um valor enorme.

Você poderia nos contar mais sobre o fluxo de trabalho que está usando para criar e selecionar as melhores estratégias?

É importante dizer que o que eu uso hoje pode não ser usado amanhã. O desenvolvimento e o aumento de meus conhecimentos e habilidades foram muito dinâmicos nos últimos dois anos. Eu começaria com isso, que me concentro em reduzir o excesso de ajuste durante o processo de construção. Há algumas configurações "ruins" que aumentam a probabilidade de ajuste excessivo. Uso testes de hipóteses estatísticas e tento trabalhar com uma grande quantidade de dados na análise. É um processo de longo prazo e, nos últimos dois anos, fiz duas grandes mudanças na qualidade do meu fluxo de trabalho analítico e de tomada de decisões.

E, na verdade, trata-se de encontrar um fluxo de trabalho que me proporcione o maior número possível de estratégias com alta probabilidade de ganhar dinheiro no futuro próximo, só isso.

Entre outras coisas, testamos vários paradigmas e descobrimos que muitos deles não foram suficientemente lucrativos nos últimos anos. Em princípio, há uma regra no processo de seleção de estratégias, que eu baseei estatisticamente, e ela ainda é válida: Estratégias simples, quanto mais dados, melhor.

Qual é a sua filosofia em relação à criação de um portfólio ideal?

A situação ideal é ter estratégias não correlacionadas no maior número possível de mercados. Em princípio, isso funciona por meio de um conjunto de estratégias que passaram por todos os testes e que nós descorrelacionamos usando nossos próprios scripts Python e selecionamos os portfólios finais de estratégias. No entanto, é uma questão de pesquisa e testes constantes. Posso imaginar a implementação adaptativa de estratégias nos mercados, fiz a pesquisa sobre isso, bem como um backtester, mas atualmente temos outras prioridades. Planejo atingir a profundidade total nessa área no segundo semestre de 2021.

Você está usando para o desenvolvimento de estratégias os parâmetros recomendados pela otimização ou usa maneiras diferentes?

Até o momento, não estamos otimizando diretamente a estratégia, mas estamos trabalhando com o que o mecanismo genético do SQX gerará para nós. Assim, selecionamos as estratégias que foram aprovadas, sejam as nossas ou os filtros do SQX (SPP e perfil de otimização). No entanto, em 2021, vamos dar uma olhada mais de perto na questão da otimização da estratégia. Quanto mais avanço, mais otimista fico com relação à otimização walk-forward. Novamente, porém, preciso coletar dados suficientes para avaliá-la. Usamos algoritmos de aprendizado de máquina na avaliação e interpretação de dados. Planejo escrever alguns artigos sobre isso, bem como sobre o Phytone como tal, e publicá-los aqui no blog.

 Toda carteira às vezes sofre de drawdown. Qual é a sua abordagem para superá-la e manter a confiança em seus robôs?

Estamos analisando o desempenho ao vivo de nossas estratégias e, quando elas atingem o limite, nós as abandonamos.

Após testes completos, chegamos à conclusão de que, em média, as estratégias estão começando a perder seu desempenho após dois anos. Mas essa ainda é uma área em que muitas pesquisas podem ser feitas.

Existe alguma fonte de conhecimento que você gostaria de recomendar a outros traders?

Há algumas fontes interessantes e valiosas com as quais trabalho:

Better System Trader, Machine Learning Mastery, Quantocracy, Khan Academy, Towards Data Science, diferentes blogs do Medium, Stack Overflow e, é claro, o Google.

 Você tem alguma dica sobre o que deve ser evitado ou sobre o que deve ser observado na negociação de Algo?

Não espere sucessos rápidos ou curvas lineares. Para ser bem-sucedido nessa área, é necessário exatamente o mesmo que para ser bem-sucedido em qualquer outra área, ou seja, "trabalho árduo e educação contínuos". Pensar fora da caixa também é bem-vindo.

Você gostaria de compartilhar algumas recomendações com outros desenvolvedores de algo? Em que se concentrar, etc.?

Definitivamente, recomendo a todos que repitam e entendam as estatísticas descritivas e de interferência e comecem a aprender a programar, por exemplo, Python, que é muito simples, eficaz e fácil de aprender. Além disso, sejam críticos e testem tudo. O SQX oferece um grande número de coisas que você pode testar, coletar e avaliar.