Avaliação da estratégia comercial

Limitações de reivindicações quantitativas sobre a avaliação da estratégia comercial.
Limitações de reivindicações quantitativas sobre a avaliação da estratégia comercial.
Laboratório de ação de preço.
Um dos principais pressupostos da avaliação da estratégia de negociação quantitativa é que os erros de Tipo II (descobertas perdidas) são preferíveis aos erros de Tipo I (descobertas falsas). No entanto, os profissionais sabem há muito tempo que as propriedades estatísticas de algumas estratégias de negociação genuínas são muitas vezes indistinguíveis de aqueles de estratégias comerciais aleatórias. Portanto, qualquer ajuste de estatísticas para proteger contra p-hacking aumenta o erro de Tipo II, a menos que o poder do teste seja alto. Ao mesmo tempo, o poder do teste é limitado por amostras insuficientes e mudanças nas condições do mercado. Além disso, estratégias genuínas com propriedades estatísticas semelhantes às de estratégias aleatórias podem se superar devido a condições de mercado favoráveis, mas falham quando as condições do mercado mudam. Esses fatos limitam severamente a eficácia das reivindicações quantitativas sobre a avaliação da estratégia comercial. Os praticantes recorreram, em vez disso, a simulações de Monte Carlo e modelagem estocástica, em um esforço para aumentar as chances de identificar estratégias de negociação robustas, mas esses métodos também têm severas limitações devido à mudança das condições do mercado, viés de seleção e snooping de dados. Neste artigo, apresentamos dois exemplos que demonstram a limitação da avaliação quantitativa das estratégias de negociação e afirmamos que a maneira mais eficaz de se proteger contra o excesso e o viés de seleção é limitando as aplicações de backtesting a uma classe de estratégias que empregam preditores semelhantes, mas simples de preço. Nós afirmamos que determinar quando as condições do mercado mudam é, em muitos casos, fundamentalmente mais importante do que qualquer reivindicação quantitativa sobre a avaliação da estratégia comercial.
Limitações das reivindicações quantitativas sobre a avaliação da estratégia comercial e # 8211; Introdução.
Os comerciantes nem sempre têm o luxo de testar estratégias de negociação em uma amostra direta com dinheiro real porque isso leva tempo e é caro em caso de falha no desempenho. Portanto, os comerciantes procuram medidas ex-ante de robustez das estratégias de negociação e para alcançar esse recurso ao uso da análise quantitativa. Geralmente, uma estratégia de negociação é desenvolvida em dados in-sample e validada em dados fora da amostra. Embora a comunidade acadêmica tenha tido conhecimento da eficácia limitada da validação fora da amostra, quando múltiplos ensaios estão envolvidos, a comunidade de profissionais tem demorado em reconhecer esses problemas.
Três artigos da comunidade acadêmica, entre muitos outros, aumentaram recentemente a conscientização da comunidade de praticantes sobre a superação de atrasos e múltiplos ensaios ao desenvolver e avaliar as estratégias de negociação. No entanto, os resultados nesses documentos tratam apenas da parte do problema relacionado à sobreposição e seleção de viés, mas não com o problema mais importante do efeito da mudança das condições de mercado em estratégias genuínas que se superam em condições de mercado persistentes.
Métodos para ajustar o índice de Sharpe, denominado taxa de corte de cabelo Sharpe, para levar em conta vários ensaios, são discutidos em Harvey e Liu (2018). Como devemos demonstrar com um exemplo, esses ajustes não podem evitar erros de Tipo I (descobertas falsas) quando uma estratégia genuína é usada, mas há uma mudança nas condições de mercado. Em Bailey et al. (2018), é apresentado um método diferente para a determinação do comprimento mínimo requerido para avaliar o risco de superposição, em função do número de ensaios envolvidos no desenvolvimento de uma estratégia. Este método também não aborda o importante problema de mudanças nas condições do mercado, conforme reconhecido em Bailey et al. (2018). Ambos os métodos não lidam com a principal causa de falhas de estratégias genuínas que estão superadas em condições de mercado favoráveis, mas depois falham devido à mudança das condições de mercado, embora sejam de valor no caso de estratégias desenvolvidas através da aprendizagem por máquinas.
Em Novy-Marx (2018), é feita uma diferenciação entre seleção pura e tendência de superposição, e sua combinação, no caso de múltiplos sinais. Os valores críticos da estatística T são oferecidos nos casos de seleção pura e combinações de sinais, denominada a melhor estratégia k-of-n, em função do número de sinais considerados. O artigo oferece valores críticos de estatística T para corrigir o viés de mineração de dados devido à superposição e ao viés de seleção. Embora os resultados no documento sejam interessantes, uma desvantagem é que eles são baseados na geração de sinais aleatórios com dados de estoque reais de janeiro de 1995 a dezembro de 2018. Combinando os sinais aleatórios produz estratégias significativas com altos valores da estatística T. No entanto, os comerciantes estão realmente interessados ​​em como as regras de negociação populares funcionam na previsão de retornos fora da amostra. Também não é totalmente claro a partir deste artigo como o erro de Tipo II é afetado pela correção de viés de mineração de dados usando os valores críticos obtidos pela combinação de sinais aleatórios. Descartar estratégias que têm alta probabilidade de ter um bom desempenho é um custo de oportunidade. Afinal, o trabalho de um comerciante é negociar, não para analisar e avaliar de forma permanente as estratégias.
Uma contribuição importante dos resultados nos três artigos acima mencionados é que eles aumentaram a conscientização sobre o impacto da superposição, do viés de seleção e do snooping de dados, especialmente durante um período de tempo em que há interesse renovado em aplicações de aprendizagem em máquina para descoberta de estratégia de negociação. No entanto, os profissionais sabem há muito tempo que as verdadeiras estratégias de negociação falham principalmente quando as condições do mercado mudam porque não podem manter expectativas positivas. Uma razão para a adoção lenta de métodos quantitativos na avaliação estratégica por profissionais é devido à sua eficácia limitada, especialmente quando esses métodos se tornam outra métrica para orientar o processo de desenvolvimento da estratégia. Nesse caso, em vez de minimizar o viés de mineração de dados, esses métodos quantitativos realmente se tornam um outro fator que contribui para isso.
Além dos esforços da comunidade acadêmica, os profissionais da avaliação da estratégia comercial também tentaram lidar com o problema da superposição, do viés de seleção e do snooping de dados com vários métodos quantitativos ad hoc.
Em seu livro popular, David Aronson (2007), análise técnica baseada em evidências, apresenta os métodos de permutação bootstrap e Monte Carlo para gerar distribuições de amostragem usadas para inferência estatística. No caso do bootstrap, a hipótese nula é que o retorno da estratégia de negociação é 0 e, no caso da permutação de Monte Carlo, a hipótese nula é que a estratégia não possui inteligência na previsão dos retornos do mercado. A Aronson reconhece que esta abordagem é válida para testes independentes e fornece um conjunto de heurísticas para minimizar a sobreposição e seleção de viés, que são dois componentes do viés de mineração de dados (Harris, 2018). Essas heurísticas envolvem limitar o número de regras testadas, aumentar o tamanho da amostra, considerando resultados correlatos de backtest e limitando outliers e a variação dos resultados do backtest. No entanto, essas heurísticas não podem limitar o impacto adverso das mudanças nas condições de mercado em estratégias de negociação genuínas, o que também é o principal motivo de falha.
Outro método, denominado permutação de parâmetros do sistema (SPP), e sua variante recente, Randomization Parameter System (SPR), foi sugerido por Walton (2018). Este método envolve a aplicação de uma abordagem de modelagem estocástica para avaliar estimativas de desempenho de curto prazo e de longo prazo. A principal vantagem do SPP é que ele não depende da validação out-ofsample e isso diminui a tendência de snooping de dados, enquanto aumenta a potência dos testes devido à amostra maior. No entanto, o primeiro problema com o SPP é que ele precisa selecionar ex ante um intervalo de parâmetros do sistema para variar posteriormente e gerar distribuições de amostragem. Isso é problemático porque o viés de mineração de dados não só surge devido à sobreposição, mas também devido ao viés de seleção. Em muitos casos, o viés de seleção é o principal contribuinte para o viés de mineração de dados, por exemplo, quando as estratégias não têm parâmetros para variar. O segundo problema com o SPP é que se ele for repetidamente usado em vários testes, então ele perde sua eficácia devido ao snooping de dados. O terceiro e mais grave problema é que todos os testes estão condicionados a dados históricos e a probabilidade de um erro de Tipo I é alta sob uma mudança nas condições de mercado. Portanto, o SPP não responde a seguinte questão crucial: como o desempenho da estratégia será afetado se ocorrerem condições de mercado que são fundamentalmente diferentes das que foram encontradas durante a análise? Como veremos na Seção 3.1 por meio de um exemplo, não há nada que o SPP possa fazer para determinar uma falha devido a uma mudança maciça nas condições de mercado.

Avaliação da estratégia de negociação
Obter através da App Store Leia esta publicação em nosso aplicativo!
Avaliando estratégias de negociação automatizadas: prática aceita.
Tanto para projetos privados quanto para clientes, tenho trabalhado muito no código neste ano para avaliar estratégias de negociação automatizadas. Isso muitas vezes acaba transformando-se na tarefa de comparar razoavelmente maçãs e laranjas. Por exemplo. para usar um exemplo de FX, algumas das estratégias apenas compram / vendem 1 lote, em uma única moeda. Outros estão negociando em três ou quatro moedas e usando diferentes tamanhos de lote, duplicando ao perder, etc., etc. Depois, há perguntas sobre nós consideramos os índices de margem, os custos de negociação, o capital inicial disponível. Juros vencidos quando o capital total não está na estratégia? Imposto, CGT, imposto de selo. nem vá lá! Algumas estratégias têm resultados diferentes se considerarmos perdas médias de perda de trades versus pior perda. (O último é o que decide a chamada de margem.) Qual é mais importante?
Mas muitas vezes eu estou muito desapontado com documentos acadêmicos que não assumem nenhum spread, capital ilimitado, sempre obtendo o preço anunciado, no entanto muitos lotes que você quer comprar, etc. Algumas estratégias que parecem ótimas sem propagação, desmoronam quando aplico um spread pessimista ; outras estratégias são quase não afetadas.
Então (finalmente!) Minha pergunta é que alguém poderia me apontar para documentos / livros sobre práticas aceitas na avaliação e comparação de estratégias? Aconselhamento geral, discussão e opinião sobre este assunto também são bem-vindos, mas a coisa fundamental que eu sinto que precisa atualmente é uma referência "Segundo a Hoyle". Eu não posso apenas usar como guia, mas isso também explica claramente os trade-offs envolvidos e porque A maioria das pessoas escolheu fazê-lo dessa maneira.
ATUALIZAÇÃO: Obrigado pelas respostas até agora, e estou dando uma olhada nos livros sugeridos aqui e em outros tópicos. Eu só queria esclarecer que (para o alcance desta questão) não se trata de projetar estratégias. Recebo um conjunto de negócios para cada um de um conjunto de estratégias e pede-se para dizer qual é o melhor. Os negócios podem ter vindo de algoritmos, ou de comerciantes humanos. Minha abordagem preferida é uma simulação detalhada: defina a quantidade de dinheiro no início, inclua todos os custos e veja quanto dinheiro no final. Outros parecem felizes apenas contando movimentos de pip. Para algumas estratégias, isso dá um resultado semelhante, para outros dá um resultado diferente. Eu quero saber como os Big Boys lidam com isso, e por que, para que eu possa usar isso como abordagem básica, e depois argumentar inteligentemente para / contra diferentes abordagens.
Infelizmente, não posso apontar você para um ótimo livro sobre o assunto exato que você está descrevendo. A coisa mais próxima para iniciantes é "Negociação Quantitativa". É uma introdução razoável, mas eu realmente não recomendaria como uma fonte primária. O autor é, na melhor das hipóteses, incompleto (se não enganador) em uma série de problemas.
Meu livro favorito no momento é Retornos esperados por Antti Ilamen com um foreward por Cliff Asness de AQR. Isso realmente entra nas estratégias empregadas pela maioria dos gerentes quantitativos e apresenta-lo em uma estrutura que permite avançar em suas próprias investigações. Dito isto, embora possa servir de modelo, não abordará diretamente problemas metodológicos.
No final do dia, nada supera a auto-compreensão. Se você quer ter sucesso em investimentos quantitativos, aproveite o tempo para entender métodos estatísticos. Você pode chegar razoavelmente longe ao entender as finanças básicas (teoria moderna da carteira, etc.), mas uma compreensão mais profunda requer conhecimento de economia e estatística.
Claro, este site (junto com Willmott e NuclearPhynance) pode servir de guia. Veja "riscos chave no desenvolvimento da estratégia" para iniciantes.
Não vou dizer como a maioria das pessoas o faz, mas sim como eu acho que a maioria das pessoas deve fazê-lo.
Você deve comparar a estratégia real com uma série de opções de negociação aleatória durante o período de tempo usando as mesmas restrições da estratégia.
Basicamente, esta é uma maneira de não misturar espécies de frutas e ver o que a distribuição de sorte é para o fruto particular de interesse.
Você também pode tentar consultar o livro de Análise Técnica Baseada em Evidências de David Aronson e o pacote R TtrTests. Ambos descrevem os regimes de testes que permitirão excluir a sorte cega, etc., nos resultados do sistema.
Se você está procurando "prática aceita", então, na minha opinião, você deve ler Grinold e Kahn. Esse livro defende fortemente o uso da relação de informação, o sucessor da relação Sharpe estreitamente relacionada. Veja as páginas do wiki para listas de índices alternativos e medidas de avaliação de desempenho, mas nenhum deles é tão generalizado quanto esses.
Apenas uma nota em relação à sua pergunta: toda avaliação de desempenho deve ser aplicada no nível da carteira (ou seja, agrupando todas as negociações) usando retornos de marca a mercado (log), provavelmente diariamente. Se um portfólio não tem negócios, ele está mantendo o dinheiro e, portanto, está ganhando a taxa livre de risco (o que dará um retorno de excesso zero para a relação Informações / Sharpe). Tenha cuidado para sempre simular todos os aspectos da sua negociação sem viés favorável, incluindo a limitação do número de negócios que você pode inserir (veja Como "uncluster" um conjunto de dados financeiros para um exemplo de como isso pode ser mal interpretado) .
Uma série de outras questões neste site já explicaram vários problemas de implementação, tais como:

Avaliando Estratégias de Negociação.
É óbvio que, sendo um comerciante, você estará procurando maneiras de fazer lucros fora do seu comércio e descobrir as melhores práticas e dicas para se tornar um comerciante lucrativo. Nós entendemos isso e é por isso que discutimos algumas abordagens cruciais para avaliar o desempenho do seu comércio.
Criando métricas para medir o desempenho.
Estas são algumas das métricas ou parâmetros mais básicos que irão ajudá-lo a avaliar o desempenho de seus negócios e ajudá-lo-á a identificar as fraquezas e os pontos fortes da sua negociação.
Algumas métricas amplamente utilizadas são:
Retorno anualizado: a média anual Lucro (ou perda) da sua estratégia de negociação Volatilidade anualizada: o desvio padrão dos retornos diários do modelo em um ano. A volatilidade é utilizada como uma medida de risco, portanto, maior vol implica modelo mais arriscado. Razão de Sharpe: Razão de recompensa / risco ou retorno ajustado pelo risco da estratégia, calculado como Voltamento Anualizado / Volatilidade Anualizada Razão de Sortino: Retornos ajustados pelo risco de queda, calculados como Retorno Anualizado / Volatilidade Anualizada de Retornos Negativos Máximo Drawdown: Maior queda em Pnl ou diferença máxima negativa no valor total do portfólio. É calculado como a máxima diferença mínima máxima para subsequente antes de atingir uma nova alta. Ganho / Perda, Lucro / Perda Médio: Soma (ou Avergae) de Lucros de negociações que resultam em lucros / Soma (ou Média) de perdas de negócios que resultam em perdas% Rentabilidade =% do total de negócios que resultaram em lucros.
Leia mais sobre essas métricas na nossa publicação em Métricas de negociação.
Contabilidade adequada dos custos.
Uma das outras abordagens importantes para avaliar as estratégias de negociação é devidamente conta dos custos envolvidos. Como iniciante, um erro comum que você tende a fazer é ignorar os custos de transação envolvidos em uma estratégia. Muitos quants assumem que apenas as comissões para os corretores refletem sobre os custos de transação de uma estratégia de negociação. No entanto, há alguns outros fatores para isso. Alguns exemplos comuns de custos de negociação são:
Como você sabe que é realmente difícil negociar sem um intermediário conhecido como corretor. Atuando como uma troca, os corretores oferecem serviços transacionais e recebem comissões pagas em troca. Mas o que vem como despesas adicionadas são taxas que os corretores às vezes, cobram por serviços adicionais, custos com mandato de câmbio e qualquer imposto do governo que se impõe sobre a transação financeira.
Um aspecto chave que muitas vezes passa despercebido, pois um fator de avaliação é o deslizamento. Qualquer diferença entre o preço que você queria negociar e o preço que você realmente acabou trocando é chamado de derrapagem.
Por que existe uma diferença nesses preços? Pode haver muitos fatores. Por exemplo, você talvez quisesse comprar 100 ações da AAPL em 100 $, mas apenas 50 pessoas estavam vendendo em 100 $ e mais 50 em 101 $. O preço que você negociou é de 100,50 e sua queda é de 50 centavos.
Um componente dos custos de transação, o deslizamento pode diferenciar eficientemente uma estratégia rentável daquela que pode apresentar um desempenho fraco. No exemplo anterior, se você planeja vender suas ações em 102 $, você reduziu esse lucro em 25% graças ao deslizamento! No entanto, o deslizamento pode ser facilmente minimizado através da construção de um sistema de execução eficiente.
Biases pessoais.
Tudo começa de dentro e por tudo o que queremos dizer lucro e perda. Embora o mercado e a sua volatilidade sejam cruciais para determinar o lucro ou a perda que vamos atingir, sempre existe uma voz dentro do qual nos guia em um comércio. Às vezes, essas vozes podem ser úteis; mas principalmente, estes são preconceitos pessoais. Muitas vezes, tais preconceitos pessoais nos levam a uma série de emoções e nos fazem tomar decisões que não deveríamos, em primeiro lugar. Tais preconceitos pessoais são emoções que precisamos disciplinar para saber quando parar e quando proceder com um comércio.
Nossas habilidades de tomada de decisão estão paralisadas por uma série de emoções e, portanto, são parâmetros cruciais para avaliar uma estratégia de negociação. Algumas das emoções que nublam nossas mentes incluem emoção, emoção, otimismo, medo, ansiedade e pânico. Uma vez que estas são as emoções de condução, um controle sobre elas no momento certo sempre nos ajudará a aumentar o desempenho de um comércio para melhor.
Para mais informações sobre isso, também temos um recurso sobre preconceitos em backtesting e gerenciamento de riscos. Isso lhe dará mais informações sobre os preconceitos pessoais e como você pode ficar longe deles para um melhor comércio.
Estes são alguns dos parâmetros mais comuns na avaliação de uma estratégia de negociação. Compreenda-os e tente implementá-los em suas estratégias e faça anotações. Avalie os resultados e ajuste para aumentar o desempenho do seu comércio.
Ao bater palmas mais ou menos, você pode nos indicar quais são as histórias que realmente se destacam.
Equipe Auquan.
A Auquan pretende envolver pessoas de diversas origens para aplicar as habilidades de seus respectivos campos para desenvolver estratégias de negociação de alta qualidade. Acreditamos que pessoas extremamente talentosas equipadas com conhecimento e atitude adequados podem projetar algoritmos de negociação bem-sucedidos.

Avaliação da estratégia de negociação
Criar uma estratégia de negociação é apenas o primeiro passo para a negociação com sucesso.
Você deve avaliar seu desempenho e decidir se você pode confiar nela em uma conta ao vivo. Embora tanta atenção seja paga para chegar a uma estratégia, há surpreendentemente pouco sobre como saber se a estratégia é boa. A maioria dos comerciantes dá uma olhada no lucro líquido, em algumas métricas ajustadas ao risco, como a relação de Sharpe, a redução máxima, a precisão geral e, se a curva de equidade parecer bastante lisa, é bom ir!
No entanto, esta pode ser uma abordagem ingênua que ignora muitos aspectos importantes: estou apenas superando os dados? Exatamente como é arriscada essa estratégia? Esses resultados são estatisticamente significativos? Em que condições de mercado minha estratégia funcionou mal? Se eu negociá-lo em uma conta demo, quanto tempo eu aguardo antes de entrar em contato?
Estas são apenas algumas das perguntas que você precisa estar se perguntando com todas as estratégias que você está considerando negociar ao vivo.
Nós tentaremos responder a essas perguntas, e mais, para nos dar mais confiança nas estratégias que comercializamos ao vivo. Nós dividiremos o desempenho da estratégia em 5 categorias: Rentabilidade, Risco, Significado Estatístico, Estabilidade e Desempenho ao Vivo.
Este artigo abrangerá as primeiras 2 categorias, Rentabilidade e Risco, em relação a uma estratégia baseada em fx.
Rentabilidade.
A rentabilidade é a primeira coisa que a maioria dos comerciantes olha, mas responde a pergunta - como foi lucrativa minha estratégia? - é uma questão surpreendentemente difícil de responder. Dizer que ele retornou 20% não diz muito.
Foi 20% antes ou depois dos custos de negociação? Que tipo de redução você precisou para obter esse retorno de 20%? Durante quanto tempo demorou? Se fosse anualizado, você fez 120% há 6 anos e nada desde então?
Ao medir a rentabilidade, há algumas coisas importantes a serem lembradas: o retorno ajustado ao risco é o que importa. Ganhar um retorno de 100% é ótimo, desde que você não tenha uma redução de 500% para chegar lá. Aqui estão algumas métricas a serem consideradas ao mensurar o retorno ajustado por risco: Rácio de lucro ou desdobramento = Lucro líquido médio / Máximo Drawdown Quantidade de lucros realizados em comparação com a redução máxima. Idealmente, você teria uma proporção de mais de 2 com qualquer estratégia que você esteja negociando ao vivo Índice RINA = Lucro Líquido / (redução média * porcentagem de tempo no mercado) O índice RINA recompensa as estratégias que gastam menos tempo no mercado, diminuindo o mercado inerente risco. Você quer proporções superiores a 100, mas mais de 200 é ideal. Excursão média máxima adversa = Média dos montantes máximos de negociação aberta Embora a maioria dos comerciantes olhe apenas para o desconto comercial fechado, é importante considerar sua redução no comércio aberto ou a perda máxima em sua posição antes de ser fechada. Você deve, pelo menos, cobrir os custos de negociação Especialmente quando se negocia em prazos inferiores, não importa o quão lucrativa seja uma estratégia se você não conseguir, pelo menos, compensar o custo de entrar em um comércio. A resposta fácil é olhar para o retorno por comércio RPT = lucro líquido / número total de negócios No entanto, você precisa ter uma boa idéia do que seus custos de negociação realmente são. Embora a propagação do seu corretor possa ser 2 pips, uma inspeção mais próxima mostra que pode variar de forma selvagem. Se sua estratégia comercializar um horário de alta volatilidade, sua "disseminação" será muito superior a 2 pips. Você precisa saber o que as comissões e o atraso serão quando você estiver negociando. Efeitos do dimensionamento de posição Se você está usando o lote fixo ou o dimensionamento de posição fixa fixa, terá um enorme impacto em seus retornos. Lote corrigido, ou usando o mesmo tamanho de posição em todos os negócios, levará a uma taxa de crescimento mais linear, enquanto a porcentagem fixa, por exemplo, arriscando 2% de seu capital em cada comércio, irá agravar seu crescimento e redução. Você precisa modelar com precisão como você trocará, incluindo adições e subtrações em sua conta de negociação, para ter uma boa idéia de como uma estratégia lucrativa era. Como Einstein disse: "O interesse completo é a 8ª maravilha do mundo, o que significa que uma estratégia que combina com seus retornos usando porcentagem fixa sem quaisquer retiradas da conta ficará muito melhor do que uma estratégia de lote fixo.
Medir seu risco é um tópico bem documentado, mas muito mais difícil e mal compreendido do que a rentabilidade. Especialmente à luz das recentes ações do Banco Nacional do Suíço (SNB) e "Francogeddon®" (ou a "SNBombra" dependendo de suas fontes), a importância de entender o risco de mercado, o risco de liquidez e o risco da contraparte (corretor) torna-se ainda mais evidente.
O risco de mercado, ou o risco de perdas provenientes de movimentos nos preços de mercado, é o mais óbvio para os comerciantes. Embora a resposta fácil seja "parar de perdas", isso é apenas parte da solução.
Uma área que muitas vezes é negligenciada por comerciantes mais ativos é os benefícios de negociar um portfólio diversificado de estratégias. Negociar estratégias não correlacionadas é uma ótima maneira de diminuir seu risco de mercado e ao avaliar qualquer estratégia, você deve observar como ela se encaixa com suas outras estratégias existentes.
Se você estivesse longe o EUR / CHF e baixasse o USD / CHF, teria ficado muito melhor acordando com a notícia do movimento de 2.000 pips.
O risco de liquidez é muito mais complicado e não é algo em que você costuma se preocupar no mercado mais líquido do mundo, mas, mais uma vez, o recente movimento do SNB mostrou por que isso é importante, pois muitos comerciantes não conseguiram sair de suas posições durante a queda livre . Não há uma maneira segura de garantir que você possa sair de um comércio, mas há algumas coisas que você pode fazer para diminuir seu risco. Use uma verdadeira corretor de STP / ECN de corretagem Enquanto a maioria dos corretores está mudando para um modelo de negociação sem cobrança direta (STP) ou ECN, ainda existem corretores que estão operando como contrapartes para seus comerciantes. Com um corretor da ECN, você tem acesso a pools de liquidez muito mais profundos, melhores preços e a vantagem de analisar a profundidade do mercado (DOM) para ter uma melhor idéia de quando a liquidez poderia estar secando; No entanto, isso não é muito útil com eventos repentinos do mercado, como grandes anúncios bancários. Minimize o tamanho da sua conta Enquanto você não pode sempre contar com seu corretor reembolsar contas negativas, o que não é depositado em sua conta de corretagem é muito difícil para o corretor coletar. A menos que você tenha uma conta muito grande e grandes perdas, é improvável que o corretor venha depois de você pessoalmente. Enquanto você deve garantir que você tenha o suficiente na conta para evitar chamadas de margem, você pode ajudar a limitar suas perdas ao que realmente é depositado em seu corretor.
A importância de entender o risco da contraparte ou o risco de seu corretor não estar mais no mercado quando você retirar seu dinheiro, mais uma vez tornar-se bastante claro com o problema de muitos corretores de fx, incluindo Alpari falido e os problemas muito divulgados da FXCM .
Hugh Kimura no TradingHeroes escreveu um excelente artigo sobre como evitar o risco do corretor, que inclui manter a maioria de sua negociação em um banco de terceiros, retirar seus lucros comerciais e abrir contas com vários corretores.
Um dos benefícios desta crise mais recente é que nos deu uma boa olhada em que os corretores possuem uma base financeira sólida e foram capazes de suportar grandes perdas. Avançar é uma aposta mais segura para confiar em seu dinheiro com esses corretores sobre outros que podem ter tido problemas.
Compreender a rentabilidade e o risco é apenas a primeira parte da confiança em sua estratégia para negociar ao vivo. Na próxima publicação, analisaremos como medir a significância estatística e a estabilidade da sua estratégia, bem como sobre como saber quando ela não se sincronizou com o mercado durante a negociação ao vivo.
Como você contabiliza a rentabilidade, risco e significância estatística em sua negociação?
Certifique-se de verificar TRAIDE para construir sua próxima estratégia usando o aprendizado da máquina!

Como avaliar, fazer backtest e validar uma estratégia de negociação.
Ultimamente tenho trabalhado com backtesting várias estratégias que eu invento ou encontrei em sites como o TradingView. Eu vou acompanhar o processo de como eu:
Identificar uma estratégia possível Encontrar uma variedade de ações para executar através de um backtest estruturado Execute o próprio teste real.
No final desses 3 passos, posso identificar o quão bem-sucedido é a estratégia e se eu deveria usá-lo para negociação ao vivo e (aproximadamente) quanto eu poderia esperar fazer em um determinado período de tempo com base em um número determinado de negócios.
Identificando a Estratégia.
Eu identifiquei essa estratégia juntada por Chris Moody no TradingView. É chamado de Williams VIX Fix e é baseado nos escritos de Larry Williams em torno de um cálculo sintético Vix. Se você quiser saber mais sobre o VIX, a Wikipedia é um ótimo lugar para começar.
Depois de fazer alguns testes visuais em várias moedas, desenvolvi um sistema de negociação simples que queria testar. As regras deste sistema são simples:
Digite um longo comércio para todos os sinais de entrada agressivos ou filtrados gerados pelo sistema, a menos que o RSI Stochastic seja próximo ou superior a 80 (o RSI estocástico é um indicador livremente disponível no TradingView e em uma série de outras plataformas de gráficos financeiras). Sair do comércio quando o RSI está acima de 80 e a linha K atravessa a linha D Se ocorrerem múltiplos sinais, adicione a posição atual assumindo que as condições em # 1 acima são atendidas (por exemplo, se houver duas entradas filtradas em dias concorrentes, uma delas compraria o mesmo # de ações no dia 2 como no dia 1)
Eu não levei em consideração Money Management para as regras, pois variará para cada comerciante individual.
Encontrando Estoques para Backtest.
Utilizei o Mapa de FinViz e a Unicorn Bay para encontrar uma gama de moedas para fazer backtest. Meus critérios para selecionar moedas são os seguintes:
Teste as moedas em setores e indústrias (para evitar testes contra, digamos, todas as ações de tecnologia durante anos que as ações de tecnologia viram um boom) Teste pelo menos 2 moedas altamente dissimilares / não correlacionadas para ver como a estratégia funciona contra conjuntos de dados muito diferentes.
As moedas que eu resolvi fazer foram:
Além disso, testei dois títulos altamente não correlacionados, identificados a partir da página de Ativos correlacionados mais ou menos da Unicorn Bay:
Correndo o Backtest.
Em seguida, executei isso através do TradingSim, um simulador de negociação onde você pode praticar estratégias reais usando uma conta simulada. Usando este software, você pode abrir posições em ações usando uma conta falsa e negociar como se fossem ações reais. A única desvantagem é que o backtest é de apenas 2 anos.
Eu continuei a executar o backtest para cada estoque durante os 2 anos completos com uma conta falsa de US $ 10.000. Para cada comércio, eu coloquei.
20% do capital em risco (o que não é necessariamente o que você faria no mundo real, mas queria amplificar os resultados neste caso). Os resultados foram promissores. Ao longo de um período de 2 anos, cada ação fez um retorno de saúde. Os negócios individuais estão listados aqui.
Mais backtesting.
Embora esses resultados iniciais tenham sido promissores, 2 anos de testes não foram suficientes. Para aumentar o estresse, testei-o, codifiquei uma Estratégia em TradingView com base nas regras do meu sistema comercial. Você pode encontrar o sistema aqui. Você pode vê-lo e modificá-lo se desejar no TradingView.
Os dados do TradingView remontam muito mais longe (pelo menos todo o caminho até 1968 para muitas ações), então testei cada uma das 13 ações novamente usando a mesma conta virtual de US $ 10.000 para ver se eles acabaram com lucro.
Apenas 1 dos 13 pares não saiu lucrativo (GS - Goldman Sachs). Eu decidi descobrir por que isso era, e se houvesse algum padrão que pudesse ser entendido sobre qualquer estoque que talvez não fosse útil para usar esta estratégia.
Eu usei o criador do TradingView para testar a estratégia em uma variedade de ações de menor volatilidade, e encontrei uma série de candidatos que parecem adequados para o teste para frente devido ao seu alto fator de lucro. Uma lista crescente de ações que apresentam alto potencial de lucro com esta estratégia é visível aqui. Abaixo estão algumas capturas de tela de alguns dos desempenhos de estoque anteriores.
Mais uma vez, nada disso é dizer que simplesmente colocar seu dinheiro todo na AAPL em 2004 e simplesmente manter não é uma ótima estratégia. Você pode fazer isso, bem como ter lucros previsíveis, mesmo através de mergulhos do mercado, como em 2001 e 2008 e, através de alguns compostos, ganhar dinheiro digno com estratégias como esta.
Realizar o teste de uma série de ações usando o Robinhood e mostrar resultados positivos, depois aumentar as contribuições de capital. Codificar a estratégia / algoritmo em Quantopian e ganhar suporte / capital para negociar essa estratégia. Encontre / desenvolva outras estratégias adequadas para negociação.
Disclaimer: Tudo isso é especulativo e não é considerado um conselho de investimento definitivo. Eu não sou responsável por lucros ou perdas que experimente usar esta estratégia, seja em formato parcial ou completo. Eu não sou um profissional de investimento ou corretor. Faça mais pesquisas antes de usar qualquer uma das estratégias descritas nesta publicação.
O crédito para Williams VIX FIX estratégia vai para Chris Moody.
Estratégia usada no TradingView disponível aqui.
Lista de tickers de ações que mostram excelentes retornos e curvas de ações disponíveis aqui.
Ao bater palmas mais ou menos, você pode nos indicar quais são as histórias que realmente se destacam.
Timothy Jaeger.
Experiente UX Designer, Trader (Opções, Stocks, Forex), HODLer (Crypto), Futurista. Interessado em coisas e coisas.