SOMENTE LEITURA

O fórum agora é um arquivo somente para leitura.

Para relatórios de bugs e perguntas sobre a plataforma → [email protected]

Nossa comunidade vive no Discord e no YouTube - junte-se a nós!

JUNTE-SE A NÓS EM Discórdia YouTube

Gerenciamento de dinheiro de portfólio e bandidos com vários braços

3 respostas

mikeyc

Cliente, bbp_participant, comunidade, 856 respostas.

Perfil da visita

10 anos atrás #115126

Durante minhas leituras regulares sobre aprendizado de máquina e otimização, deparei-me com um problema conhecido como problema do bandido de vários braços. Trata-se de uma série de máquinas caça-níqueis (pense em Las Vegas) que têm diferentes probabilidades e distribuições de pagamento. 

 

Nesse problema, não sabemos quais são as melhores opções de jogo para maximizar nossos retornos.

 

Algumas discussões aqui

 

https://dataorigami.net/blogs/napkin-folding/79031811-multi-armed-bandits

https://msdn.microsoft.com/magazine/mt703439(para codificadores C# como eu)

http://iosband.github.io/2015/07/19/Efficient-experimentation-and-multi-armed-bandits.html

 

 

 

Parece-me que é algo semelhante a uma seleção de estratégias de QS que queremos usar em um portfólio. Em quais delas devemos aplicar nosso dinheiro, já que elas geram lucros e perdas ao longo do tempo? 

 

Estou pensando em criar uma biblioteca compartilhada para o MQ4 que lide com o aspecto de gerenciamento de dinheiro do portfólio.

 

Alguma idéia?

 

0

Patrick

Cliente, bbp_participant, comunidade, 422 respostas.

Perfil da visita

10 anos atrás #136963

Aumente o tamanho da negociação para uma estratégia que esteja lucrando e diminua o tamanho da negociação para uma estratégia que esteja perdendo.

 

A opção é arriscar um valor fixo (100$ para uma conta de 10k $ = 1%) e, se a estratégia for lucrativa (lucro/perda total >0), aumentar o tamanho da próxima negociação para 100$+x% do lucro total. Se a estratégia estiver perdendo (lucro/perda total<0), diminua o risco para 100$-x% da perda total.

Portanto, o mq4 precisa verificar o histórico e contar o lucro/perda total e após a alteração do risco da estratégia. 

 

só precisam ser programados.

0

Threshold

Cliente, bbp_participant, comunidade, 722 respostas.

Perfil da visita

10 anos atrás #136970

Isso é o mesmo que tentar "negociar o patrimônio líquido" de uma única estratégia. Pelo que sei e pesquisei, "negociar" a curva de patrimônio líquido de uma estratégia foi amplamente desmascarado.

Se uma estratégia no portfólio se tornar uma perdedora, com prova quantitativa de que seu desempenho está fora de sua precisão histórica, por que não cortá-la (talvez continuar observando-a na demonstração para ver se ela volta ao "normal")? Se o desempenho estiver dentro de sua precisão histórica e você reduzir o risco, esse é exatamente o momento em que ele tem a chance de sair de um drawdown, mas agora que o risco foi reduzido, ele está preso em um DD duas vezes mais longo. Isso é bastante prejudicial no longo prazo: maior risco para DDs e menor risco para sair deles. Tudo isso se enquadra na negociação da curva de patrimônio. Ignorar negociações (quantitativamente) com base na curva histórica do patrimônio líquido também se enquadra na negociação da curva do patrimônio líquido. Perry Kaufman fez uma grande pesquisa sobre tudo isso e concluiu que era inútil. No entanto, tenho certeza de que alguns bancos e fundos de hedge o utilizam graças a equipes de gênios quânticos que passam milhares de horas testando/verificando-o, mas...

Para mim, não existe uma área cinzenta e tento manter as coisas simples, que é a medida mais robusta que posso tomar: ou uma estratégia está dentro de seu teste histórico e está bem (mesmo em uma DD), ou não está e está acabada.

Para a execução de mais de 25 EAs simultâneos com risco baixo de 0,25%-0,5%, o algoritmo de "caça-níqueis" seria uma boa maneira de desativar completamente os perdedores ou gerenciar o tamanho do risco.
Se o Marc acabar criando o SQ Trader, acho que esse tipo de material seria ideal para ele.

0

mikeyc

Cliente, bbp_participant, comunidade, 856 respostas.

Perfil da visita

10 anos atrás #136980

Uma demonstração visual e interativa muito boa está aqui:

 

https://e76d6ebf22ef8d7e079810f3d1f82ba1e5f145d5.googledrive.com/host/0B2GQktu-wcTiWDB2R2t2a2tMUG8/

 

Como você pode ver, o algoritmo explora os "bandidos" e aprende quais deles oferecem os melhores pagamentos. Você pode arrastar o mouse na caixa de probabilidade de pagamento de cada bandido para alterar o pagamento durante a execução da simulação, e ele aprenderá a se ajustar aos novos pagamentos.

 

Posso ver uma aplicação semelhante para eliminar automaticamente as estratégias de baixo desempenho de um portfólio e introduzir uma nova, em negociações ao vivo. O segredo dessa abordagem é que ela maximiza a recompensa e, ao mesmo tempo, minimiza o "arrependimento" pela escolha de resultados ruins, e faz isso muito rapidamente.

0

Visualizando 3 respostas - 1 até 3 (de um total de 3)