Robusto Estratégias De Negociação Llc

Adaptrade Software Newsletter Artigo

Técnicas Multi-Mercado para Estratégias de Negociação Robustas

Por Michael R. Bryant

Uma das maiores preocupações entre os comerciantes sistemáticos é super-fit estratégias comerciais. Uma estratégia de ajuste excessivo parece ótima em back-testing, mas falha em testes diretos ou em negociação em tempo real. Há muitos fatores que afetam se ou não uma estratégia é over-fit, mas um fator grande é robustez. Neste contexto, a robustez refere-se à sensibilidade de uma estratégia às variações nos dados em que se baseia. Uma estratégia mais robusta é menos sensível a variações nos dados de preços. Em outras palavras, uma estratégia robusta terá um bom desempenho para uma variedade mais ampla de preços de mercado do que uma estratégia menos robusta.

Sem dúvida, uma estratégia de negociação que funciona bem em uma variedade de diferentes mercados é mais robusto do que aquele que funciona em apenas um desses mercados. No entanto, a construção de estratégias que trabalham em uma variedade de mercados é apenas uma maneira de conseguir robustez usando uma abordagem multi-mercado para a concepção da estratégia. Este artigo discute algumas das técnicas multi-mercado diferentes que podem ser usadas para construir estratégias de negociação mais robustas.

Insensibilidade aos Preços

O elemento-chave da robustez da estratégia que quero focar é a insensibilidade aos preços. Insensibilidade significa que a estratégia pode ser rentável para uma grande variedade de preços. O grau de variação nos preços pode variar de pequenas diferenças, como o alto ou baixo sendo diferente por alguns carrapatos, a grandes diferenças, como mercados completamente diferentes.

Para pequenas variações, deve ser claro que uma estratégia não deve ser tão dependente de um preço específico ou padrão de preços que mesmo uma variação poucos carrapatos no padrão fará com que a estratégia de falhar. No entanto, isto pode acontecer na prática se uma estratégia for concebida para um mercado específico utilizando técnicas como padrões de preços em que as condições de entrada ou de saída dependem de determinados preços ou da relação entre preços específicos. Uma vez que o futuro nunca reproduz exatamente o passado, é importante não confiar em padrões que estão tão ligados ao passado que não são susceptíveis de serem repetidos. De facto, na maioria dos casos, tais "padrões" São provavelmente apenas o ruído aleatório do mercado. Neste extremo do espectro de robustez, então, um objetivo valioso seria tornar as estratégias menos sensíveis ao ruído aleatório do mercado.

No outro extremo do espectro, podemos ter mercados inteiramente diferentes. Uma estratégia que efetivamente negocia uma grande carteira de futuros, ações e forex representa o ápice da insensibilidade aos preços. É altamente improvável que tal estratégia seja excessiva. Além disso, uma estratégia que testa bem em uma ampla variedade de mercados é mais provável que funcionem bem no futuro, quando as condições mudam porque já demonstrou a capacidade de executar bem em diferentes condições.

Técnicas para diferentes graus de robustez

Nesta seção, discutirei três técnicas diferentes para construir robustez em uma estratégia de negociação, cada uma focada em um grau diferente de robustez. Para ilustrar as ideias, utilizarei exemplos gerados pelo Adaptrade Builder. Uma ferramenta de descoberta de estratégia e geração de código que constrói estratégias de negociação em EasyLanguage para TradeStation e MultiCharts.

Estratégias Multi-Mercado

A primeira técnica, que é também a mais comumente encontrada, é construir uma estratégia em vários mercados, onde cada mercado é diferente. Alguns comerciantes só negociam estratégias de mercado múltiplas com base na crença de que as estratégias de mercado único são muito propensas a ser excesso de ajuste. Outros comerciantes preferem se concentrar em um único mercado.

Independentemente de sua preferência, um trade-off entre robustez e desempenho deve ser esperado ao construir estratégias. Seria pedir demais para esperar uma estratégia concebida para o comércio de múltiplos mercados para funcionar tão bem em qualquer mercado como uma estratégia projetada especificamente para esse mercado. Por outro lado, o risco de ajustamento excessivo será geralmente mais elevado para uma estratégia de mercado único.

Um meio termo é possível, no entanto. Embora não haja nada de errado em tentar desenvolver uma estratégia que negoceie de forma confiável uma cesta de mercados em grande parte não relacionados - digamos, petróleo bruto, ouro, trigo, índices de ações, forex, etc - outra abordagem é agrupar mercados relacionados e construir apenas Mercados de cada grupo. Vou me concentrar na última abordagem aqui.

No exemplo abaixo, construí uma estratégia sobre três futuros de índice de ações: E-mini SP MidCap 400 (EMD), mini Russell 2000 (TF) e E-mini SP 500 (ES). Usando cinco anos de barras diárias e assumindo US $ 25 por contrato por custos de negociação (deslizamento, comissões, etc.), eu construí uma estratégia maximizando o lucro líquido, minimizando o drawdown, onde o lucro líquido foi ponderado duas vezes mais do que o drawdown. Reservamos os últimos 25% dos dados para testes fora da amostra. O dimensionamento da posição foi definido para usar um contrato por comércio. Os resultados são mostrados abaixo na Fig. 1.

Figura 1. Curvas de equivalência patrimonial para uma estratégia de negociação construída sobre barras diárias dos mercados futuros de ES, EMD e TF.

A curva mais espessa na parte superior representa a curva patrimonial combinada (carteira), enquanto as três curvas abaixo representam as respectivas curvas patrimoniais para cada mercado. É evidente a partir das curvas de patrimônio para cada mercado que a estratégia negocia de forma muito semelhante em cada mercado.

Embora os três mercados estejam relacionados e provavelmente tenham um alto grau de correlação, os preços reais são diferentes em cada série de preços. Podemos concluir que a estratégia é, portanto, insensível à variação de preços entre os mercados - funciona praticamente o mesmo em cada mercado, embora os detalhes dos preços sejam diferentes para cada mercado. Isso ajuda a alcançar a meta de tornar a estratégia insensível ao ruído aleatório do mercado, uma vez que, presumivelmente, elementos aleatórios serão diferentes de mercado para mercado, mesmo em mercados relacionados.

Além disso, é razoável concluir que a lógica da estratégia está entrando em elementos que os três mercados têm em comum. Uma vez que todos os três mercados são futuros de índices de ações, esses elementos estão presumivelmente relacionados com a forma como os futuros de índices de ações negociam neste período.

Estratégias Intraday de Mercado Único

Outra técnica para tornar as estratégias mais robustas é aquela que pode ser aplicada a uma estratégia de mercado único sobre dados intraday. Vamos dizer que você quer desenvolver uma estratégia de negociação para barras de 5 minutos do E-mini SP 500 futuros (ES). Se você quiser se concentrar no ES, mas você está preocupado em inadvertidamente ajustar padrões espúrios com esse tamanho de barra, você pode tentar ajustá-lo simultaneamente para outros tamanhos de barra semelhantes. Esta abordagem é baseada na idéia de que uma estratégia que negocia, digamos, barras de 5 minutos também deve sustentar, por exemplo, 7 bares minutos. Qualquer estratégia que não transaccione de forma semelhante em ambos os tamanhos de barras seria presumida ser excessivamente ajustada a uma série de preços e portanto excluída.

Na Fig. 2, são mostrados os resultados da construção de uma estratégia sobre barras de 5, 7 e 9 minutos do ES (sessão diurna). Um ano de dados intraday foi usado, e US $ 25 por contrato para os custos de negociação foi assumido. As outras configurações eram as mesmas do exemplo anterior, exceto que 33% dos dados foram reservados para testes fora da amostra.

Figura 2. Curvas de equidade para uma estratégia de negociação construída sobre barras de 5, 7 e 9 minutos do mercado de futuros da ES.

Conforme mostrado pelas três curvas de equidade inferiores na Fig. 2, a estratégia negociada de forma semelhante sobre todos os três tamanhos de barra, sugerindo que a estratégia não foi excesso de ajuste para um tamanho de barra. Como no exemplo anterior, podemos concluir que a lógica de estratégia não se ajusta aos elementos aleatórios (ou seja, ruído) associados a qualquer tamanho de barra. Isso deve nos dar mais confiança de que a estratégia não é excessiva para o mercado ES.

Diretamente Incluindo Ruído

Se o objetivo é certificar-se a estratégia que está sendo desenvolvida é insensível ao ruído de mercado, a aproximação a mais direta é incluir o ruído no processo da configuração. Existem várias maneiras de fazer isso. Em um artigo do meu outro boletim, The Breakout Bulletin. Eu expliquei como criar dados de preço sintéticos por randomizing certos elementos de uma série de preços existente.

Nesse artigo, eu aleatorizei a ordem das mudanças de preço, que preserva as mudanças de preços em si, mas perde qualquer dependência serial nos dados. Existem pelo menos duas abordagens alternativas que preservariam as correlações em série ao criar uma versão aleatoriamente modificada da série original:

Altere aleatoriamente uma determinada porcentagem de barras e, para cada barra a ser alterada, selecione aleatoriamente um preço (aberto, alto, baixo ou próximo) a ser modificado. Finalmente, mude o preço por uma quantia aleatória. Por exemplo, suponha que modificamos barras com uma probabilidade de 20%. Se uma barra é selecionada para ser modificada, podemos selecionar aleatoriamente o preço alto a ser alterado. Finalmente, mudaríamos o valor alto em uma quantidade escolhida aleatoriamente entre, digamos, 0% e 10% do intervalo verdadeiro médio nas últimas 50 barras.

Aplicar o método da série de preços sintéticos descrito no artigo mencionado acima mas usar um método de "fragmentação" Para ajudar a preservar as correlações em série. A técnica de fragmentação agrupa as mudanças de preço para um número pré-selecionado de barras e aleatoriza a ordem dos pedaços. Por exemplo, suponha que o tamanho do pedaço é de 20 barras. Cada série de 20 barras é considerada um pedaço, e a ordem dos pedaços é então randomizada. Os pedaços aleatórios de mudanças de preços são então reconstituídos em uma série de preços, como explicado no artigo. O tamanho do pedaço pode ser escolhido com base em uma análise da dependência serial, se houver, nos preços originais.

Independentemente do método escolhido, a série resultante seria adicionada ao portfólio, tal como nos exemplos anteriores. Uma vez que o objetivo é garantir que a estratégia resultante é insensível aos elementos aleatórios introduzidos nos dados, pelo menos várias dessas séries de preços sintéticos devem ser adicionadas ao portfólio, além dos preços originais. As estratégias seriam então construídas sobre todas as séries, originais e sintéticas, como um portfólio.

Conclusões

Conseguir insensibilidade à variação de preços é uma maneira de construir robustez em uma estratégia de negociação. O grau de variação de preços pode variar de flutuações aleatórias (ou seja, ruído) a preços de um mercado completamente diferente. Para desenvolver uma estratégia que seja insensível ao grau desejado de variação de preços, a estratégia pode ser construída e testada em uma carteira de mercados que consiste na série de preços originais ou objetivos, juntamente com outras séries de preços que introduzem o grau desejado de variação.

As três técnicas discutidas neste artigo diferiram em como a variação do preço foi criada. A primeira técnica utilizou mercados diferentes mas relacionados. A segunda técnica utilizou diferentes tamanhos de barras do mesmo mercado. A última técnica proposta usando dados de preço sintéticos gerados a partir da série original, modificando aleatoriamente elementos da série original.

Independentemente da abordagem utilizada, a idéia básica de construir estratégias de negociação para ser menos sensível aos dados usados ​​para projetá-los e testá-los deve ajudá-lo a criar estratégias de negociação mais robustas. E uma estratégia de negociação robusta é menos provável de ser over-fit para o mercado e, portanto, mais propensos a manter-se bem em tempo real de negociação.

Mike Bryant

Adaptrade Software

* Este artigo foi publicado na edição de agosto de 2012 do boletim informativo Adaptrade Software.

Uma das características que dissuadem os comerciantes de usar Trend Following é a taxa percentual de vencimento mais baixa típica (ou seja, a proporção de negociações vencedoras versus negociações perdedoras) desses sistemas. Ele vai contra o instinto natural de 8220, querendo estar certo na maioria das vezes8221; Como comércios acabam em uma perda mais frequentemente do que não.

Psicologicamente, é mais difícil negociar um sistema que produz mais comércios perdidos. Apesar disso, Trend Following é uma estratégia rentável. Poderia haver uma espécie de prêmio psicológico? Recebido pelos comerciantes dispostos a usar o sistema percentual de baixa vencimento?

Quando recentemente olhar Ralph Vinces Leverage Space Model. Eu poderia ver uma razão potencial por que sistemas de porcentagem de ganhos baixos poderiam ser mais robustos.

Sistemas robustos são voláteis

Um aspecto de sistemas robustos é a volatilidade nos resultados do sistema e sua curva de equidade. Da mesma forma que a percentagem de baixa vencimento, a volatilidade é também um recurso do sistema que os comerciantes / investidores quase sempre querem evitar, pelo menos, de um ponto de vista psicológico.

Aqui está uma citação de David Druz uma recente adição ao relatório Tendências Seguindo Assistentes que explica a ligação entre robustez e volatilidade:

A robustez de um sistema de negociação é proporcional à sua volatilidade. Esta é a parte sem almoço livre. Um sistema robusto é aquele que funciona e é estável em muitos tipos de condições de mercado e em muitos prazos. Trabalha em futuros alemães do Bund e trabalha no trigo. Ele funciona quando testado em 1950-1960 ou em 1990-2000. Sistemas robustos tendem a ser projetados em torno de táticas comerciais bem sucedidas, técnicas clássicas de gerenciamento de dinheiro e princípios universais de comportamento no mercado. Esses sistemas não são projetados em torno de tipos específicos de mercados ou ações do mercado. E aqui está a coisa surpreendente sobre sistemas robustos: Quanto mais robusto um sistema, mais volátil ele tende a ser. Isso ocorre porque os sistemas robustos não são otimizados para determinados mercados ou condições de mercado. O inverso também é verdade. Você pode projetar sistemas com excelentes retornos e baixa volatilidade em testes históricos, mas que só funcionam em determinados períodos em determinados mercados. Estes sistemas tendem a ser ajustados à curva ou ajustados ao mercado e não são robustos. Para que um sistema tenha as maiores probabilidades de rentabilidade ao longo do tempo e dos mercados, a compensação inevitável é a volatilidade. Diversificação pode ser usado, é claro, mas só vai amortecer tanto a volatilidade.

Uma ilustração típica da curva de baixa volatilidade e alto desempenho é a seguinte:

LTCM: curva de equidade lisa8230; por um tempo. Não há robustez.

O Impacto da Gestão de Dinheiro

Money Management é uma parte fundamental de um sistema de comércio. Ele pode fazer ou quebrar qualquer sistema, por mais bom que seja. Over-trading um sistema muito bom ainda vai perder dinheiro.

Na verdade, Vince afirma, na Introdução ao Modelo de Leverage Space Trading, que o Money Management representa 100% de um sistema de negociação (deixando 0% para geração de sinal, etc.). Esta é provavelmente uma hipérbole, mas o impacto da gestão de dinheiro não deve ser subestimado.

Analisando o impacto da taxa de ganhos do sistema na parte de gerenciamento de dinheiro, pode haver uma razão para que um sistema possa ser mais robusto quando produz mais perdedores do que vencedores.

F ideal, limites e a gaiola do tigre

Dependendo das preferências, existe uma óptima f que maximiza o crescimento e que pode levar em conta fatores de risco. A abordagem ótima é, obviamente, estar o mais próximo possível do ótimo f. No entanto, isso não é simples: os mercados mudam, os sistemas passam por diferentes fases de desempenho e, como resultado, o ótimo f também se move. Não é um valor fixo.

Desde o início, sabemos que o ótimo f é limitado entre 0 e 1 e que quanto mais longe dele, menor será o desempenho ideal. Vince tinha uma analogia divertida, comparando o óptimo f a um tigre itinerante em um campo de futebol. O tigre poderia estar em qualquer lugar no campo; O comerciante de caça precisa encontrar a sua localização para colocar a gaiola do tigre. Qualquer erro ao localizar o tigre resultaria em desempenho sub-ótimo: quanto mais o tigre estiver da gaiola, pior o desempenho do sistema.

No entanto, há um corolário dos cálculos Optimal f: o valor ideal f é limitado pela taxa vencedora do sistema de negociação. F pode tomar valores entre 0 e 1, mas se o sistema tem uma taxa de vitória de 30%, f ideal será sempre entre 0 e 0,3.

Voltando à analogia do tiger-on-the-football-field, ela reduz muito a tarefa do 8220; hunting8221; Comerciante, se sabemos que o tigre nunca se aventura além da linha de 30 jardas. E como resultado bem nunca estar muito longe do alvo. Do ponto de vista comercial, isso significa que há menos espaço para erro na localização da alavancagem ideal e, portanto, menos impacto de uma alavancagem sub-ideal.

Em termos de robustez, isso significa que à medida que os mercados mudam, o ideal será f. Um sistema de negociação com uma porcentagem de baixa ganha reduzirá a possível variação no f ótimo (por exemplo, [0,0,3] em vez de [0,1]) e, portanto, o erro entre o valor f real usado por um operador e o ótimo f. Reduzir o erro também deve reduzir o seu impacto negativo sobre o desempenho do sistema e tornar o sistema menos sensível às alterações do mercado subjacente. Em uma palavra: mais robusto.

Este é apenas um pensamento. Eu não tenho qualquer evidência ou teoria para isso. Quando criança eu sempre sonhei em ter um tigre e montá-lo para a escola. Id agora gostaria de pensar que era um subconsciente cedo chamada para ser um bom comerciante, concentrando-se em 8220, pegando o tiger8221; Da boa posição dimensionamento / gestão de dinheiro8230;