Longevidade de uma estratégia

Como não há uma visão de quanto tempo uma estratégia pode permanecer lucrativa, e o objetivo de todos aqui é ganhar dinheiro, não seria melhor empurrar uma estratégia lucrativa para o alto risco, em vez de executá-la com baixo risco, apenas para encontrá-la perdendo sua vantagem ao longo de meses e anos?

Portanto, se você tiver fé na estratégia e ela parecer boa em uma conta ativa após alguns meses, aumente o risco muito alto. Retire o capital original assim que você tiver dobrado seu dinheiro, e então não há nada a perder...

Contraste correndo em baixo risco (digamos 2%), levaria anos para fazer qualquer dinheiro significativo sem um depósito inicial muito grande, com risco de falha devido ao longo prazo.

Eu mesmo não estou muito interessado em operar por 5 anos para ganhar dinheiro. Prefiro selecionar algumas estratégias que pareçam muito boas, depois negociá-las em tempo real por alguns meses e, se as coisas parecerem boas, aumentar o risco até o ponto máximo em que o drawdon histórico é de cerca de 50% e compor os ganhos muito rapidamente para ganhar um bom dinheiro.

Sei que outras pessoas têm visões diferentes, como negociar com baixo risco por muitos e muitos anos, ganhando um pouco de dinheiro, mas, para mim, negociar é ganhar muito dinheiro em períodos de tempo relativamente curtos. Caso contrário, é como se você passasse toda a sua vida analisando dados, testando, negociando e escrevendo códigos por um preço irrisório.

Hehe, também é uma boa abordagem, contanto que você ganhe dinheiro e seja feliz, é o caminho certo para você! Veja, se houvesse um truque de mágica que me fizesse ganhar dinheiro, eu o usaria em vez de passar horas descobrindo estratégias:) Você já ganhou dinheiro com essa ideia?

Basicamente, você quer dizer: gerar uma estratégia e não tocá-la por um ano, depois executar outro backtest nesse ano e, se ela for lucrativa, negociá-la? Sim, então esse é um OOS real. Só que você teve que esperar um ano para que isso acontecesse e ficou 1 ano mais velho.

 

Sim, com certeza menos DMB, especialmente se houver negociações estatísticas suficientes (mais de 2.000, melhor 4.000) e prazos mais baixos (mais pontos de dados, diminuindo ainda mais a chance de vir do DMB). Ainda não há garantia de lucro, é claro, mas o mais próximo possível.

Você não precisa esperar, basta NÃO usar o último ano para gerar. Assim, você usará apenas os dados até 31.12.204 e o ano de 2015 será OOS2

Nesse caso, ainda são dados conhecidos, e o que você faz se o OOS desse ano parecer ruim? Certo, você nunca negociaria essa estratégia e a jogaria fora ou continuaria otimizando-a até que o OOS de um ano também fosse lucrativo, assim como a faixa IS. E isso é efetivamente o mesmo que se você tivesse otimizado para TODOS os anos desde o início, só que isso teria sido muito mais fácil:)

Sim:) O que estou usando em vez de OOS, conforme mencionado, são conjuntos de dados aleatórios bootstrapped (dados criados a partir dos dados reais usando um procedimento de bootstrapping com substituição) do símbolo subjacente que eu crio por meio de um script Python personalizado. Esse é o verdadeiro "OOS", no sentido de que é como se você estivesse operando sua estratégia ao vivo e não pudesse otimizar esses dados, pois cada conjunto será totalmente diferente em termos de curva de preço, apenas o comportamento principal do símbolo original é simulado (os matemáticos sabem o que quero dizer), pois posso gerar infinitos novos conjuntos de dados, cada um completamente diferente, mas cada um contém as "características" da série de dados original do símbolo.

Quandl acabou de postar isso hoje.
https://www.quandl.com/blog/interview-with-a-quant-part-one
 

Recentemente, a Quandl entrevistou um gerente sênior de portfólio quantitativo em uma empresa de grande fundo de hedge.
 

Que etapas você inclui em seu processo formal de pesquisa?

No início, Meu maior medo é a contaminação dos dados. O histórico é um recurso limitado; quando você fica sem dados históricos para testar, não pode gerar mais. Sou paranoico quanto a não esgotar meu suprimento de dados não contaminados fora da amostra.

Então, começo dividindo meus dados históricos em partes não sobrepostas. Em seguida, faço a randomização de modo que nem mesmo eu saiba qual parte é qual. (Isso evita vieses subconscientes: por exemplo, ser avesso a riscos quando sei que meu conjunto de dados de teste é 2008, ou buscar riscos em 2009).

Eu designo um bloco como meu conjunto de calibração. Normalmente, uso Python para calibração: Uso suas bibliotecas de otimização integradas e escrevi algumas de minhas próprias bibliotecas. Neste exemplo específico, meus parâmetros são restritos e correlacionados. Portanto, uso um processo de otimização em duas etapas chamado algoritmo EM. Os otimizadores podem ser sensíveis às condições iniciais, portanto, uso o Monte Carlo para escolher vários pontos de partida no espaço de solução. Tudo isso é muito fácil de fazer em Python.

O resultado dessa calibração deve ser um conjunto de "parâmetros de modelo" - valores numéricos - que podem ser combinados com observações reais do mercado para prever outros preços de mercado.

Depois de calibrar o modelo, eu o testo fora da amostra.

 

Portanto, você separa estritamente dentro e fora da amostra; não se importa com os intervalos de datas; usa Monte Carlo para evitar vieses no ponto de partida; e tenta vários truques de robustez. O que mais você faz para garantir que não está se enganando?

Eu valorizo muito a parcimônia. Se meu modelo requer muitos parâmetros ou tem muitos graus de liberdade, ele é apenas um ajuste de curva; não é um modelo de fato. Portanto, estou constantemente tentando remover fatores. Se o modelo continuar funcionando (e permanecer "rico") com vários fatores removidos, então provavelmente é um bom modelo.

Uma segunda prova de robustez é se o modelo funcionar bem, independentemente da estratégia de negociação que você criar com base nele. Se você só conseguir ganhar dinheiro usando uma regra de escalonamento não linear complexa com todos os tipos de condições de borda, isso sugere uma falta de robustez.

Por fim, não há substituto para os dados. Penso em todos os conjuntos de dados possíveis fora da amostra em que eu possa testar o modelo de forma plausível: diferentes países, diferentes instrumentos, diferentes períodos de tempo, diferentes frequências de datas. O modelo precisa funcionar em todos eles; caso contrário, haverá viés de seleção nos resultados.

 

Você nunca sabe como a estratégia fará "amanhã" e também está claro que um portfólio faz melhor do que uma única estratégia em termos de segurança, pelo menos essa é a minha experiência. Eu nunca tenho a expectativa de que a estratégia seja tão boa que provavelmente se sairá totalmente bem nos próximos dias ou semanas. Você nunca poderá saber isto antes, é por acaso e qualquer sentimento em relação a "estas devem ser semanas de boas vindas" é apenas uma esperança humana de que ela se sairá bem. Estatisticamente, essa é apenas uma suposição errada. Uma estratégia pode falhar no dia #1, fazer o mal nas próximas semanas e o bem nas semanas seguintes, ou fazer o bem desde o início. Mas eu nunca arriscaria muito dinheiro em uma negociação porque acredito que ela vai correr bem. Se eu fizesse isso, eu poderia fazer uma negociação manual, o que eu não quero de forma alguma. Pessoalmente, mantenho as regras rígidas de gerenciamento de dinheiro e treino quanto de um drawdown a carteira combinada criou no pior caso em todo o backtest, depois mutiltiplico esse x2 e depois calculo o risco de % por negociação que vou negociar para atingir o máximo histórico DD adaptado à minha própria tolerância de drawdown (fiz um roteiro extra para isso fora do SQ). Então, vá em frente e negocie-o, estritamente pelas regras, sem nenhuma intervenção.

Você poderia explicar um pouco mais sobre sua fórmula de risco por operação? Estou de acordo com você em relação ao drawdown de 2x wc do portfólio. Então, quais são as etapas do Calc para obter o valor por operação? Se não se importar em compartilhar.
-Stearno

Enviado de meu HUAWEI MT7-TL10 usando Tapatalk

Limiar: Eu sei que em índices os traders querem que a estratégia funcione em diferentes moedas, mas é a mesma coisa no mercado de câmbio? Eu tenho estratégias que funcionam em apenas um par... e elas "funcionam"

Nesse caso, ainda são dados conhecidos, e o que você faz se o OOS desse ano parecer ruim? Certo, você nunca negociaria essa estratégia e a jogaria fora ou continuaria otimizando-a até que o OOS de um ano também fosse lucrativo, assim como a faixa IS. E isso é efetivamente o mesmo que se você tivesse otimizado para TODOS os anos desde o início, só que isso teria sido muito mais fácil:)

Eu tenho nunca otimizar qualquer estratégia. o que vem do GA que eu uso. não é necessário melhorar. quando não funciona no OOS 2, eu não o uso. 

Limiar: Eu sei que em índices os traders querem que a estratégia funcione em diferentes moedas, mas é a mesma coisa no mercado de câmbio?

Eu também.
Do meu ponto de vista, acho que determinados pares, índices e commodities têm suas próprias personalidades, por isso criei alguns sistemas para pares individuais. Atualmente, estou criando alguns modelos para o S&P que usarei para receber sinais discricionários no USDJPY. Esses pares têm personalidades correlacionadas muito específicas. Muitos outros pares também têm suas próprias personalidades, como AUDNZD, EURGBP, etc. Mas meu sistema principal é o sistema D1 ADX que criei no EA Wizard e que funcionará em qualquer coisa desde a década de 1970. Seu período de estagnação é brutal, portanto, depende da sua personalidade se você consegue lidar com isso. Também é uma otimização única, sem WF, devido aos testes de otimização limitados do MT4. Pretendo refazê-la na plataforma da SQ4 em uma única execução de otimização de portfólio (uma otimização para todos os pares).

Muitos traders profissionais criam sistemas que se especializam estritamente em S&P, EURUSD ou petróleo bruto. Kevin Davey tem sistemas especializados usando apenas dados desde 2003. E Andrea Unger, que ficou em primeiro lugar por três anos consecutivos com retornos anuais de 100+% no Campeonato de Negociação de Futuros, também usa sistemas especializados. Na verdade, ele nem sequer usa indicadores. Ele os odeia. Ele só usa tempo e OHLC/maiores máximas/menores mínimas/tamanho da vela etc.

Outros, como o grande gestor de portfólio Jerry Parker, usam estritamente sistemas que só funcionam em tudo com dados máximos que remontam a mais de 100 anos.

Pessoalmente, gosto do uso de dados maiores por parte do geektrader, pois afirmei que essa era minha opinião desde que me tornei membro do site. Mais dados são sempre melhores, embora eu possa discordar do uso de OOS e WFM, dados grandes se adequam à minha filosofia de que há padrões antigos no mercado que nunca desaparecerão. Também há novos padrões após a era digital de 2003, para que se possa descobrir.

A lição é que não existe uma maneira certa ou errada. Descubra o que funciona para você.
 

Sim:) O que estou usando em vez de OOS, conforme mencionado, são conjuntos de dados aleatórios bootstrapped (dados criados a partir dos dados reais usando um procedimento de bootstrapping com substituição) do símbolo subjacente que eu crio por meio de um script Python personalizado. Esse é o verdadeiro "OOS", no sentido de que é como se você estivesse operando sua estratégia ao vivo e não pudesse otimizar esses dados, pois cada conjunto será totalmente diferente em termos de curva de preço, apenas o comportamento principal do símbolo original é simulado (os matemáticos sabem o que quero dizer), pois posso gerar infinitos novos conjuntos de dados, cada um completamente diferente, mas cada um contém as "características" da série de dados original do símbolo.

Caso alguém seja membro do Asirikuy e queira criar dados bootstrapped, eles estão um pouco escondidos nos domínios do grande fórum:

primeiro obtenha o script aqui:

https://asirikuy.com…&p=20951#p20940

Em seguida, use minha solução para poder executá-lo em dados M1 (o Python de 32 bits não funcionará de outra forma porque o uso de RAM se torna muito grande para um processo de 32 bits ao usar 29 anos de dados de 1 milhão):

https://asirikuy.com…&p=20951#p20951

Divirta-se;)

Sim. Acho que isso se resume à preferência pessoal. Minha personalidade não consegue lidar com um longo período de estagnação de uma única estratégia ou portfólio de estratégias. Também preciso que minhas estratégias funcionem em pelo menos 20 pares, ouro, S&P, petróleo etc. É verdade que o intervalo SL/PT pode ter de ser ajustado para diferentes mercados, mas o intervalo de todos os outros parâmetros otimizáveis é mantido o mesmo. Tenho certeza de que perco muitos sistemas excelentes ao adotar essa abordagem, mas minha personalidade é tal que, se eu não adotasse essa abordagem, seria praticamente impossível deixar o portfólio funcionando sem questioná-lo. Portanto, suponho que seja muito importante garantir que o modelo seja negociável em um determinado tipo de personalidade.

O que é aparente é a existência de uma grande constelação de possibilidades em relação ao desenvolvimento de modelos de negociação lucrativos. Algumas dessas possibilidades são conhecidas e outras ainda devem estar esperando para serem descobertas.

Em resumo, o que funcionar para você.

Enviado de meu GT-P5210 usando Tapatalk

Notch,
Você diz que ele precisa funcionar em 20 pares. Como você testa isso?

Você constrói em um par e depois testa novamente nos outros? Como você define que ele "negocia" com os outros pares? Ele precisa ter resultados positivos, ter uma curva de patrimônio semelhante à do par original?

Ou você otimiza no novo par e depois o testa (porque as configurações provavelmente precisarão ser diferentes para pares diferentes)?

Enviado de meu HUAWEI MT7-TL10 usando Tapatalk

Notch,
Você diz que ele precisa funcionar em 20 pares. Como você testa isso?

Você constrói em um par e depois testa novamente nos outros? Como você define que ele "negocia" com os outros pares? Ele precisa ter resultados positivos, ter uma curva de patrimônio semelhante à do par original?

Ou você otimiza no novo par e depois o testa (porque as configurações provavelmente precisarão ser diferentes para pares diferentes)?

Enviado de meu HUAWEI MT7-TL10 usando Tapatalk

SQ tem campos de "Dados adicionais" no reteste e na geração. Durante o processo de geração, ele está gerando em vários pares e, ao mesmo tempo, usando os mesmos filtros como: max DD (main IS)> 30 nos dados adicionais: max DD (A.D.)> 30 para que todos atendam aos mesmos padrões. No entanto, a otimização no SQ3.8 só pode fazer um par de cada vez, portanto, a criação de estratégias para vários pares obviamente é feita no processo de geração.

Arquivo: GUgen.png

Você pode criar e testar vários pares em uma única criação, e é para isso que servem os campos de dados adicionais. Também há filtros separados para A.D (dados adicionais), assim como os filtros I.S./O.O.S./R.T.

Ele está sendo adicionado ao SQ4. Uma das minhas principais solicitações foi a otimização em nível de portfólio.
Você também poderá fazer backtest de várias estratégias em vários pares em um único reteste, como em um portfólio ativo, o que é extremamente importante para estratégias de risco %, pois o lucro/perda de cada negociação afeta o tamanho do lote da próxima negociação.

Ok. Sim, entendo sobre o AD.
Acho que estou me perguntando se isso é justo. Porque, por exemplo, o gbpjpy e o gbpchf são muito diferentes do USDcad. Então, estou pensando que talvez não seja realista esperar que a mesma estratégia, com as mesmas metas de lucro e stop loss, funcione com os mesmos padrões em todos esses mercados diferentes. Posso entender que a mesma estratégia funcione em mercados diferentes com parâmetros diferentes. O que você descobriu sobre isso?

(Não estou questionando ninguém ou seus métodos, apenas tentando entender)

Enviado de meu HUAWEI MT7-TL10 usando Tapatalk