Robustez da estratégia de negociação - como medi-la

Robustez da estratégia de negociação Como medir isso?

Publicado em 27 de abril de 2017 | Por admin

Quando você possui uma estratégia rentável de negociação, uma das primeiras coisas que você se preocupa com é o quão robusta sua estratégia é. Existem várias maneiras de testar a robustez da estratégia de negociação. Antes de começar a ler mais, observe que não é uma intenção deste artigo descrever em profundidade a natureza dessas diferentes abordagens, mas descrever brevemente apenas algumas delas. A maioria dessas abordagens tem suas próprias limitações e não há nenhuma boa ou má maneira. Os melhores sistemas de negociação devem alcançar bons resultados na maioria destes testes, mas pode não ser sempre o caso.

Em primeiro lugar, deve ser definido o que a robustez de uma estratégia de negociação significa. A robustez pode ser descrita como uma capacidade de suportar ou superar condições adversas. Assim, quando se refere à estratégia de negociação pode-se dizer que a estratégia de negociação robusto deve suportar ou superar as condições adversas do mercado. Por resistir ou superar queremos manter características de desempenho semelhantes como tinha sido alcançado em testes históricos sem perder uma quantidade maior de capital do que o esperado.

8220; Praticamente falando, uma estratégia de negociação robusta é aquela que produz consistentemente bons resultados através de um amplo conjunto de parâmetros (entrada) valores aplicados a muitos mercados diferentes testados por muitos anos. Perry J. Kaufman

Isso significa que a estratégia de negociação robusta deve ser rentável em diferentes condições de mercado (tendência x mercado intermitente, bull x mercado de urso) em toda a vasta gama de valores de parâmetros de estratégia muitos anos atrás na história e também em uma cesta de diversos mercados.

Então, como podemos medir a robustez de uma estratégia de negociação?

1) Teste de Desempenho Histórico (Backtesting)

Se quisermos que nossos testes sejam estatisticamente significativos, devemos sempre trabalhar com uma amostra de dados de mercado suficientemente grande. Por grande o suficiente, queremos dizer que quanto mais, melhor. Quando usamos dados de mercado chegando a muitos anos de volta à história e fazendo backtesting sobre eles, de fato, executamos o teste de robustez básico. Em outras palavras, estamos testando se o sistema de negociação é capaz de lidar com diferentes condições comerciais que tinham aparecido durante esse período. Pode haver períodos de touro volátil ou mercado de urso, tendências ou mercado agitado e nosso sistema deve lidar com todos eles. O que pode acontecer quando fazemos backtesting apenas em alguns anos recentes de dados de mercado (ou mesmo menos) é que durante todo esse período as condições do mercado permanecem as mesmas, mas quando começamos a mudar as condições do mercado mudar e nossa estratégia pára de funcionar.

A quantidade de dados de mercado está relacionada ao número de negócios totais. Novamente, quanto maior o número, melhor. Não podemos declarar nosso teste ser estatisticamente significativo quando temos apenas 10 ou 20 do total de comércios.

Ao mesmo tempo, temos de nos preocupar com a qualidade dos dados. Estes são aspectos realmente importantes que poderiam distorcer os resultados dos testes.

2) Parâmetros de Estratégia Teste de Estabilidade

Esse tipo de teste de robustez pode ser executado facilmente com ferramentas de otimização embutidas no TradeStation / Multicharts ou em outro software. O objetivo deste teste é examinar o efeito do uso de diferentes conjuntos de parâmetros (entrada) no desempenho do sistema de negociação. Se o teste revelou resultados de desempenho positivos e similares em uma ampla gama de conjuntos de parâmetros, é um sinal de robustez do sistema de negociação. Examinamos principalmente as seguintes características:

A) A distribuição do desempenho em todo o espaço de otimização - aqui queremos ver uma simulação média rentável, um pequeno desvio padrão e um pequeno intervalo (max-min) de lucro líquido do sistema de negociação. Podemos realizar um teste de estresse: É a simulação média menos a 1ª. Desvio padrão positivo? É a simulação média menos o 2º. Std. Desvio positivo? E é a simulação média menos o 3 º. Std. Desvio positivo? Usando o programa excel, nossa análise poderia ser assim:

* Para fins ilustrativos

B) A forma do espaço de otimização - para examinar a forma do espaço de otimização, podemos usar o gráfico 3D no Excel ou outro programa, traçando dois parâmetros (entradas) nos eixos horizontais e lucros no eixo vertical. Quando temos mais parâmetros do que dois na nossa estratégia, podemos realizar a chamada análise de sensibilidade onde pesquisamos um impacto de cada parâmetro único no desempenho de um sistema de negociação quando outros parâmetros permanecem constantes (então poderíamos alternativamente prosseguir com dois parâmetros com maior impacto Em um desempenho do sistema de negociação e compilar um gráfico 3D). Geralmente, estamos procurando uma forma plana na distribuição de lucros e ao realizar a análise de sensibilidade não queremos ver qualquer parâmetro para ter um grande impacto sobre o desempenho do sistema de negociação.

* Para fins ilustrativos

3) Teste de dados fora da amostra

Este é um dos testes mais comuns utilizados pela maioria dos comerciantes. Baseia-se na divisão dos dados de mercado disponíveis em segmentos de dados dentro da amostra e fora da amostra. Os dados In-Sample são usados ​​durante o processo de desenvolvimento da estratégia de negociação quando os dados Out-of-Sample (OOS) são deixados de lado. Quando o processo de desenvolvimento estiver concluído, podemos usar os dados do OOS para testar como nossa estratégia se comporta em dados não vistos. A razão para usar os dados do OOS é simples: ao desenvolver uma estratégia baseada em dados históricos do mercado, podemos facilmente deslizar para adaptar a estratégia a esses dados. Isto é freqüentemente chamado de ajuste excessivo ou de curva. Esse fenômeno faz com que nossa estratégia fique boa no papel, mas falha em termos reais. Portanto, é sempre bom deixar alguns dados OOS de lado.

Definir a proporção correta entre os dados da Amostra e os dados da OOS é a critério de todos. Na maioria das vezes, o segmento de dados OOS é definido em 15-30% do conjunto de dados. Se tivermos usado todos os dados históricos de mercado disponíveis durante o desenvolvimento da estratégia, então temos que esperar para obter novos dados que surgem do mercado. Este pode ser um processo longo, porque temos de esperar para obter um número estatisticamente significativo de comércios totais. No entanto, pode ser uma boa opção para usar tanto os dados históricos OOS e os novos dados provenientes do mercado para este teste. Em tal caso, você tem que deixar a estratégia em "incubação" por um período de tempo e somente quando ele prova se comportar como esperado você pode lançá-lo ao vivo.

* Segmentos fora da amostra e na amostra da estratégia Gold Super Simple

4) Teste de Avanço

Nosso teste é sempre limitado pela quantidade de dados OOS disponíveis. Portanto, novos métodos de testes de robustez foram criados. O mais utilizado é provavelmente o Walk-Forward Testing (isto é, Walk-Forward Analysis - WFA). Entre outros métodos podemos nomear a Análise de Cluster de TradeStation, que é na verdade um método WFA múltiplo ou Validação Cruzada.

O WFA é um múltiplo In-Sample e OOS teste que caminha-forward no tempo. Ele é executado em várias corridas, onde cada corrida subseqüente se move para frente no tempo por uma proporção igual ao comprimento do período OOS. Como mostrado abaixo:

Em cada corrida, otimizamos os valores de parâmetros de estratégia de negociação (entradas) de acordo com a função de aptidão (por exemplo, lucro líquido máximo) e, em seguida, testamos a melhor configuração nos dados OOS. A finalidade deste método é determinar se a estratégia é capaz de trabalhar sobre os dados de OOS da mesma forma como nos dados da amostra. Se a estratégia executa bem nos dados de OOS seu desempenho pode ser considerado realista e não apenas o resultado de ajuste de curva. Este método pode ser particularmente benéfico se planejarmos alterar periodicamente os valores dos parâmetros da estratégia.

Ferramentas como o Walk-Forward Optimizer no TradeStation podem fazer ainda mais. A chamada Análise de Cluster executa vários WFA nos quais os resultados são calculados para diferentes valores do% de Out-of-Sample e do Walk Forward Runs.

5) Validação Cruzada

Este método faz ainda melhor uso dos dados disponíveis do que o WFA. Ele usa cada parte de dados como o OOS em algum ponto. Não somente os dados após o período da In-Sample.

Como uma desvantagem deste método é muitas vezes dada a sua sensibilidade à não-estacionaridade dos mercados (condições de mercado em mutação). Ele é causado pelo uso de dados caminho de volta do início do conjunto de dados para o teste OOS e, em seguida, incorporar esses resultados nos resultados do teste global. Por outro lado, a robusta estratégia de negociação deve ser capaz de lidar com a não estacionaridade dos mercados. Bons resultados neste teste só podem ser benéficos para a nossa estratégia. Podemos presumir que, se a estratégia conseguir bons resultados no teste de estabilidade de parâmetros, também terminará bem no WFA e no teste de validação cruzada.

6) Teste Multimarket e Multi-timeframe

Quando vamos realizar um teste de mercado múltiplo, primeiro devemos determinar se a estratégia foi criada para negociar em vários mercados diversos ou apenas em um mercado específico ou setor de mercado (por exemplo, futuros de índice). Ambos os tipos de estratégias são válidos. No entanto, as estratégias de bom desempenho nos mercados múltiplos são geralmente mais robusto.

Se estamos testando a estratégia criada para a negociação em vários mercados diversos, vamos formar uma carteira de diversos mercados e vamos testar a estratégia sobre ele. Para construir uma carteira altamente diversificada, podemos calcular uma matriz de correlação dos preços de fechamento dos mercados e, em seguida, fazer uso dos mercados que terão correlação negativa ou ligeiramente positiva. Ao mesmo tempo, devemos escolher os mercados que não têm conexões fundamentais fundamentais.

Uma carteira menor de diversos mercados de futuros poderia, por exemplo, ser constituída por: e-mini SP 500, euro, T-bonds, ouro, petróleo bruto, açúcar, soja e porcos magros. Para um teste mais preciso é apropriado usar uma carteira maior.

A estratégia de negociação robusta não tem que ter sucesso em obter bons resultados de negociação em um único mercado, mas pode alcançar grandes resultados globais quando aplicado a um portfólio de mercados.

Se estivermos testando estratégias criadas para negociação em um mercado específico ou setor de mercado, talvez não precisemos necessariamente de bons resultados em outros mercados. Mas se quisermos estar mais confiantes de que esses resultados não são apenas uma questão de sorte, podemos testar a robustez da estratégia em mercados similares. Por exemplo, quando temos uma estratégia criada para negociar apenas o e-mini SP 500, podemos testar se a estratégia também é lucrativa em outros futuros de índices e-mini dos EUA (Dow Jones, Nasdaq 100, Russell 2000, e-mini MidCap SP 400) e em seus contratos de contrapartida maiores que têm mais dados históricos disponíveis. Se a estratégia conseguir bons resultados é um sinal de um certo grau de robustez. No entanto, estes mercados são geralmente altamente correlacionados e que é a razão pela qual não podemos considerar esses resultados tão convincentes como os resultados de testes nos mercados múltiplos e diversos.

Não é fácil encontrar uma estratégia comercial robusta que cumpra todos os requisitos. As estratégias robustas também podem ser associadas a altas exigências sobre o capital comercial, equipamentos e antecedentes. Portanto, geralmente tem que haver algum compromisso. Por exemplo, as estratégias de negociação nos mercados múltiplos diversos geralmente emprega o tempo diário ou superior e eles mantêm posições por mais de um dia. Isso traz maiores exigências sobre o capital de negociação e, portanto, é muito difícil negociar este tipo de estratégias com uma conta menor e se assim for, em seguida, geralmente com resultados catastróficos. Para as contas menores, é mais apropriado negociar intra diariamente (posições de abertura e fechamento em um dia), mas as estratégias intradiárias podem ser mais propensas a um ruído de mercado e pode ser mais difícil desenvolver uma estratégia de negociação intraday robusta. Assim, mesmo o tamanho da conta de negociação pode desempenhar um papel fundamental na obtenção de um maior nível de robustez.

Todo o tópico de medir a robustez da estratégia de negociação é muito mais complicado. Este artigo delineou apenas algumas das direções básicas em que podemos prosseguir. A robustez ainda continuará a ser um dos principais temas da negociação automatizada.

1) Pardo, Robert. Avaliação e Otimização de Estratégias de Negociação. Wiley; 2ª edição (8 de fevereiro de 2008). ISBN 978-470128015.

2) Clenow, Andreas. Seguindo a Tendência: Diversified Managed Futures Trading. Wiley; 1ª edição (14 de janeiro de 2017). ISBN 978-1118410851.

3) Aronson, David; Mestres, Timóteo. Estatisticamente Aprendizagem de Máquina de Som para Negociação Algorítmica de Instrumentos Financeiros: Desenvolvimento de Sistemas de Negociação Baseados em Modelos Previsíveis Usando TSSB. CreateSpace Independent Publishing Platform (1 de junho de 2017). ISBN 978-1489507716.