Possível nova maneira de randomizar dados com %change em vez de %ATR

Como aqui: https://roadmap.strategyquant.com/tasks/sq4_7233
e aqui:  https://roadmap.strategyquant.com/tasks/sq4_7350
A maneira atual não é perfeita e algumas estratégias podem explorar o algoritmo de randomização de dados históricos, enquanto outras sofrem com o viés desse teste. Acredito que isso se deva à maneira como o ATR é usado no algoritmo, combinado com o fato de que a nova posição aleatória sempre se baseia no próximo tick de dados original (que terá um efeito extra de reversão à média e um x% de ATR mais alto aumentará a volatilidade).

Nesse novo método, eu randomizo o % da mudança de preço em vez do % do ATR e permito que o preço defina um novo caminho para que cada tick seja baseado no último tick dos dados randomizados (permitindo que o preço se afaste lentamente dos dados originais, eliminando a reversão excessiva ao efeito médio). Isso deve manter a volatilidade durante a randomização dos dados, desde que a alteração do % seja razoável.

Abri este tópico para discussão e teste. No momento, trata-se de um trabalho em andamento. Não tenho muita familiaridade com Java, portanto, poderia me ajudar com o código e com os testes.

Tive tempo de trabalhar nisso hoje e aqui está o que tenho até agora, mas você pode querer verificar se há novas versões mais adiante neste tópico, à medida que progredimos e publicamos novas versões.

 

 

 

 

 

Parece que, desta vez, corrigi corretamente o erro do primeiro tique

 

/*
 * Copyright (c) 2017-2018, StrategyQuant - Todos os direitos reservados.
 *
 * O código neste arquivo foi criado de boa-fé, garantindo que está correto e faz o que deveria.
 * Se você encontrou um bug neste código OU tem uma sugestão de melhoria OU deseja incluir
 * seu próprio trecho de código em nossa biblioteca padrão, entre em contato conosco em:
 * https://roadmap.strategyquant.com
 *
 * Este código pode ser usado somente em produtos StrategyQuant.
 * Todo proprietário de uma licença válida (gratuita, de teste ou comercial) de qualquer produto StrategyQuant
 * tem permissão para usar, copiar, modificar ou fazer trabalhos derivados desse código livremente, sem limitações,
 * para ser usado em todos os produtos StrategyQuant e compartilhar suas modificações ou trabalhos derivados
 * com a comunidade StrategyQuant.
 *
 * O SOFTWARE É FORNECIDO "COMO ESTÁ", SEM GARANTIA DE QUALQUER TIPO, EXPRESSA OU IMPLÍCITA,
 * INCLUINDO, MAS NÃO SE LIMITANDO A, GARANTIAS DE COMERCIALIZAÇÃO, ADEQUAÇÃO A UM DETERMINADO
 * FINALIDADE ESPECÍFICA E NÃO VIOLAÇÃO. EM NENHUMA HIPÓTESE OS AUTORES SERÃO RESPONSÁVEIS POR QUALQUER REIVINDICAÇÃO, DANO
 * OU OUTRA RESPONSABILIDADE, SEJA EM UMA AÇÃO DE CONTRATO, ATO ILÍCITO OU DE OUTRA FORMA, DECORRENTE DE,
 * DECORRENTES DE, FORA DE OU EM CONEXÃO COM O SOFTWARE OU COM O USO OU OUTRAS NEGOCIAÇÕES COM O SOFTWARE.
 *
 */
package SQ.MonteCarlo.Retest;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import com.strategyquant.lib.*;
import com.strategyquant.datalib.*;
import com.strategyquant.datalib.consts.Precisions;
import com.strategyquant.tradinglib.*;

@ClassConfig(name="Randomizar dados do histórico", display="Randomizar dados do histórico v2.0, com alteração máxima de preço #MaxChange# % de PRICE")
@Help("<b>Nota!</b>Se você escolher essa opção, os testes de robustez serão testados com a precisão do período de tempo selecionado, enquanto a estratégia original será testada com a precisão configurada.<br/>Isso pode causar diferenças nos resultados entre a estratégia original e as simulações devido à precisão diferente.<br/>Para evitar isso, use a precisão do período de tempo selecionado em Setings : Data.")
classe pública RandomizeHistoryData2 extends MonteCarloRetest {
	logger final estático público Logger = LoggerFactory.getLogger(RandomizeHistoryData2.class);
	
	//@Parameter(name="Probability change price", defaultValue="20", minValue=1, maxValue=100, step=1)
	//public int Probability;
	
	@Parameter(name="Max change price", defaultValue="10", minValue=1, maxValue=100, step=1)
	public int MaxChange;
	
	private int barsProcessed = 0;
	private double atrValue = 0;
	private int atrPeriod = 14;
	
	private int relativeMaxChange = -1;
	
	
	//bendedit: precisamos de algumas variáveis persistentes para que possamos rastrear o preço e permitir que ele se afaste dos dados originais
	private double lastbid=0;
	private double lastorgbid=0;
	private long lastticktime=0;
	
	
	//------------------------------------------------------------------------
	//------------------------------------------------------------------------
	//------------------------------------------------------------------------

	public RandomizeHistoryData2() {
		super(MonteCarloTestTypes.ModifyData);
	}
	
	//------------------------------------------------------------------------

	public void modifyData(IRandomGenerator rng, TickEvent tickEvent, double globalATR) {
		//double dblProbability = ((double) Probability/ 100.0d);
		
			
		//se(rng.probability(dblProbability)) {
			// bendedit: I don&#039;t see a point in probability of change, lets just always change every tick, it will be much smooth more now that we turfed ATR from the equation.

			// devemos alterar esse preço

			double ask = tickEvent.getAsk();
			double bid = tickEvent.getBid();
			double spread = ask - bid;
			double tickorgchange=0;
			long currentticktime = tickEvent.getTime();
			
			//bendedit: verifica se é o primeiro tick; caso contrário, define a alteração do tick original.
			if (lastticktime <= currentticktime && lastticktime!=0) {
				//bendedit: calculate the price change from last original tick to the current tick from original data
				tickorgchange=bid-lastorgbid;
				//debug("MC price randomizer", "tickorgchange is: "+tickorgchange);
				//debug("MC price randomizer", "time is: "+currentticktime);
				//debug("MC price randomizer", "last time is: "+lastticktime);
				//debug("MC price randomizer", "EOL");
			} else { //bendedit: in case of first tick there is no change.
				lastbid=bid;
				tickorgchange=0;
			}
			
			//bendedit:set last original data bid in to variable before we change bid, we only need it to calculate the price change next time.
			lastorgbid=bid;
			
			//bendedit:store the ticktime.
			lastticktime = currentticktime;

			
			int change;
			
			if(relativeMaxChange <= 0) {
				change = rng.nextInt(MaxChange);
			} else {
				change = rng.nextInt(relativeMaxChange);
			}
			
			double dblChange = ((double) change)/ 10000.0d; 
			//bendedit: Modding every tick and allowing price to move far away from original data therefore we need to use much smaller adjustments.
			//bendedit: I chose a percent of a percent

			//bendedit: changed from using ATR to just use tick price change of original data.
			double priceChange = tickorgchange * dblChange;
			
			
			//bendedit: set the working bid relative to the last bid instead of itself
			//bid = (rng.nextInt(2) == 0 ? bid + priceChange : bid - priceChange);
			bid = (rng.nextInt(2) == 0 ? lastbid + tickorgchange + priceChange : lastbid + tickorgchange - priceChange);
			
			tickEvent.setBid(bid);
			tickEvent.setAsk(bid + spread);
			
			//bendedit:set last bid in to variable for next time.
			lastbid = bid; 

			
		//}
	}

	//------------------------------------------------------------------------
	
	public void initSettings(SettingsMap settings) {
		super.initSettings(settings);
		
		// compute relative Max Change according to chart TF and precision
		ChartSetup chartSetup = (ChartSetup) settings.get(SettingsKeys.BacktestChart);
		if(chartSetup != null) {
			int testPrecision = chartSetup.getTestPrecision();
			
			if(testPrecision == Precisions.SelectedTF) {
				// do nothing for selected TF precision
				relativeMaxChange = MaxChange;
				return;
			}
			
			// it is higher precision, set MaxChange to 1/3 of the value
			// because the change is applied o every minute bar / tick we have to lower the MaxChange 
			// so that the resulting full bar in target timeframe (for example H1) isn&#039;t changed too much
			
			//bendedit: Hopefully we don&#039;t need this adjustment anymore since we aren&#039;t using globalATR which is inflated by higher timeframes. deviding by 3 arbitrarily was suspect anyways. If we still need to adjust, I&#039;ll hopefully find a better way.
			//bendedit: Now that we are doing change % instead of atr %, we may not need any further adjustments relative to precision or TF. Turned off this equalizer for now.
			//relativeMaxChange = MaxChange / 3;
			relativeMaxChange = MaxChange;
			if(relativeMaxChange <= 0) {
				relativeMaxChange = 1;
			}
			
		}
	}	

}

 

Este funciona no b130

/*
 * Copyright (c) 2017-2018, StrategyQuant - Todos os direitos reservados.
 *
 * O código neste arquivo foi criado de boa-fé, garantindo que está correto e faz o que deveria.
 * Se você encontrou um bug neste código OU tem uma sugestão de melhoria OU deseja incluir
 * seu próprio trecho de código em nossa biblioteca padrão, entre em contato conosco em:
 * https://roadmap.strategyquant.com
 *
 * Este código pode ser usado somente em produtos StrategyQuant.
 * Todo proprietário de uma licença válida (gratuita, de teste ou comercial) de qualquer produto StrategyQuant
 * tem permissão para usar, copiar, modificar ou fazer trabalhos derivados desse código livremente, sem limitações,
 * para ser usado em todos os produtos StrategyQuant e compartilhar suas modificações ou trabalhos derivados
 * com a comunidade StrategyQuant.
 *
 * O SOFTWARE É FORNECIDO "COMO ESTÁ", SEM GARANTIA DE QUALQUER TIPO, EXPRESSA OU IMPLÍCITA,
 * INCLUINDO, MAS NÃO SE LIMITANDO A, GARANTIAS DE COMERCIALIZAÇÃO, ADEQUAÇÃO A UM DETERMINADO
 * FINALIDADE ESPECÍFICA E NÃO VIOLAÇÃO. EM NENHUMA HIPÓTESE OS AUTORES SERÃO RESPONSÁVEIS POR QUALQUER REIVINDICAÇÃO, DANO
 * OU OUTRA RESPONSABILIDADE, SEJA EM UMA AÇÃO DE CONTRATO, ATO ILÍCITO OU DE OUTRA FORMA, DECORRENTE DE,
 * DECORRENTES DE, FORA DE OU EM CONEXÃO COM O SOFTWARE OU COM O USO OU OUTRAS NEGOCIAÇÕES COM O SOFTWARE.
 *
 */
package SQ.MonteCarlo.Retest;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import com.strategyquant.lib.*;
import com.strategyquant.datalib.*;
import com.strategyquant.datalib.consts.Precisions;
import com.strategyquant.tradinglib.*;

@ClassConfig(name="Randomize history data", display="Randomize history data v2.0, with max change #MaxChange# % of TICK PRICE CHANGES")
@Help("<b>Nota!</b>Se você escolher essa opção, os testes de robustez serão testados com a precisão do período de tempo selecionado, enquanto a estratégia original será testada com a precisão configurada.<br/>Isso pode causar diferenças nos resultados entre a estratégia original e as simulações devido à precisão diferente.<br/>Para evitar isso, use a precisão do período de tempo selecionado em Setings : Data.")
classe pública RandomizeHistoryData2 extends MonteCarloRetest {
	logger final estático público Logger = LoggerFactory.getLogger(RandomizeHistoryData2.class);
	
	//@Parameter(name="Probability change price", defaultValue="20", minValue=1, maxValue=100, step=1)
	//public int Probability;
	
	@Parameter(name="Max change price", defaultValue="10", minValue=1, maxValue=100, step=1)
	public int MaxChange;
	
	private int barsProcessed = 0;
	private double atrValue = 0;
	private int atrPeriod = 14;
	
	private int relativeMaxChange = -1;
	
	
	//bendedit: precisamos de algumas variáveis persistentes para que possamos rastrear o preço e permitir que ele se afaste dos dados originais
	private double lastbid=0;
	private double lastorgbid=0;
	private long lastticktime=0;
	
	
	//------------------------------------------------------------------------
	//------------------------------------------------------------------------
	//------------------------------------------------------------------------

	public RandomizeHistoryData2() {
		super(MonteCarloTestTypes.ModifyData);
	}
	
	//------------------------------------------------------------------------

	public void modifyData(IRandomGenerator rng, TickEvent tickEvent, double globalATR) {
		//double dblProbability = ((double) Probability/ 100.0d);
		
			
		//se(rng.probability(dblProbability)) {
			// bendedit: I don&#039;t see a point in probability of change, lets just always change every tick, it will be much smooth more now that we turfed ATR from the equation.

			// devemos alterar esse preço

			double ask = tickEvent.getAsk();
			double bid = tickEvent.getBid();
			double spread = ask - bid;
			double tickorgchange=0;
			long currentticktime = tickEvent.getTime();
			
			//bendedit: verifica se é o primeiro tick; caso contrário, define a alteração do tick original.
			if (lastticktime <= currentticktime && lastticktime!=0) {
				//bendedit: calculate the price change from last original tick to the current tick from original data
				tickorgchange=bid-lastorgbid;
				//debug("MC price randomizer", "tickorgchange is: "+tickorgchange);
				//debug("MC price randomizer", "time is: "+currentticktime);
				//debug("MC price randomizer", "last time is: "+lastticktime);
				//debug("MC price randomizer", "EOL");
			} else { //bendedit: in case of first tick there is no change.
				lastbid=bid;
				tickorgchange=0;
			}
			
			//bendedit:set last original data bid in to variable before we change bid, we only need it to calculate the price change next time.
			lastorgbid=bid;
			
			//bendedit:store the ticktime.
			lastticktime = currentticktime;

			
			int change;
			
			if(relativeMaxChange <= 0) {
				change = rng.nextInt(MaxChange);
			} else {
				change = rng.nextInt(relativeMaxChange);
			}
			
			double dblChange = ((double) change)/ 10000.0d; 
			//bendedit: Modding every tick and allowing price to move far away from original data therefore we need to use much smaller adjustments.
			//bendedit: I chose a percent of a percent

			//bendedit: changed from using ATR to just use tick price change of original data.
			double priceChange = tickorgchange * dblChange;
			
			
			//bendedit: set the working bid relative to the last bid instead of itself
			//bid = (rng.nextInt(2) == 0 ? bid + priceChange : bid - priceChange);
			bid = (rng.nextInt(2) == 0 ? lastbid + tickorgchange + priceChange : lastbid + tickorgchange - priceChange);
			
			tickEvent.setBid(bid);
			tickEvent.setAsk(bid + spread);
			
			//bendedit:set last bid in to variable for next time.
			lastbid = bid; 

			
		//}
	}

	//------------------------------------------------------------------------
	
	public void initSettings(SettingsMap settings) {
		super.initSettings(settings);
		
		// compute relative Max Change according to chart TF and precision
		ChartSetup chartSetup = (ChartSetup) settings.get(SettingsKeys.BacktestChart);
		if(chartSetup != null) {
			int testPrecision = chartSetup.getTestPrecision();
			
			if(testPrecision == Precisions.SelectedTF) {
				// do nothing for selected TF precision
				relativeMaxChange = MaxChange;
				return;
			}
			
			// it is higher precision, set MaxChange to 1/3 of the value
			// because the change is applied o every minute bar / tick we have to lower the MaxChange 
			// so that the resulting full bar in target timeframe (for example H1) isn&#039;t changed too much
			
			//bendedit: Hopefully we don&#039;t need this adjustment anymore since we aren&#039;t using globalATR which is inflated by higher timeframes. deviding by 3 arbitrarily was suspect anyways. If we still need to adjust, I&#039;ll hopefully find a better way.
			//bendedit: Now that we are doing change % instead of atr %, we may not need any further adjustments relative to precision or TF. Turned off this equalizer for now.
			//relativeMaxChange = MaxChange / 3;
			relativeMaxChange = MaxChange;
			if(relativeMaxChange <= 0) {
				relativeMaxChange = 1;
			}
			
		}
	}
	//------------------------------------------------------------------------
	
	/**
	 * Clones this MC retest object
	 *
	 * @return the clone
	 * @throws Exception the exception
	 */
	@Override
	public RandomizeHistoryData2 getClone() throws Exception {
		RandomizeHistoryData2 mc = new RandomizeHistoryData2();
		mc.MaxChange = this.MaxChange;
		
		return mc;
		
	}	

}

Oi Bendex. Vamos testá-lo em alguns milhares de estratégias e publicaremos os resultados aqui. Obrigado por esse snippet,

Muito obrigado, mas estou preocupado com as possíveis diferenças em diferentes mercados, talvez devido ao arredondamento. Além disso, os efeitos de diferentes cronogramas e precisões.

A nova versão está aqui:
https://roadmap.strategyquant.com/tasks/sq4_7233
-Possíveis erros de arredondamento corrigidos
-configuração padrão para 40%

Qualquer ajuda nos testes é bem-vinda. Publique quaisquer configurações/estratos problemáticos nesse tíquete.