Trading System Robustness

ALPHA 20 TM ALPHA 20 TM es un sistema de comercio patentado que utiliza fractales. El sistema comercial tiene un diseño autoadaptable que no utiliza herramientas clásicas de análisis técnico tales como promedios móviles, bandas de volatilidad o derivados de precios. ALPHA 20 TM está orientado al precio, ya que el precio finalmente reflejará todos los factores fundamentales, políticos y psicológicos relevantes. Todas las reglas son reveladas y verificables. Los operadores sistemáticos pueden personalizar los parámetros y beneficiarse de la robustez del sistema. ALPHA 20 TM se ensayó en múltiples marcos de tiempo con neutral riesgo, la búsqueda de riesgos, y evitar el riesgo de las estrategias de salida. Las reglas y parámetros de negociación son los mismos para todos los mercados. El manual de instrucción incluye la filosofía de negociación, reglas de negociación, ejemplos de entradas y salidas, reglas de gestión de riesgos, pruebas de sensibilidad y pruebas de referencia. Los módulos de investigación (MATLAB) forman parte del paquete premium. Beneficios Diseño robusto Algoritmo auto-adaptativo Mismos parámetros para todos los mercados Mismos parámetros para todos los marcos de tiempo Simple lógica de negociación Precios Para obtener más información sobre precios y rendimiento, póngase en contacto con nosotros. Compartimos lo que aprendemos. Regístrese para recibir noticias de investigación y ofertas exclusivas. Más información sobre nuestros modelos. 2016 Oxford Capital Strategies Ltd Reg. Los sistemas robustos son resistentes y capaces de soportar todo lo que los mercados pueden lanzar contra ellos sin colapsar en la ruina. Al menos eso es el concepto y el ideal que los comerciantes les gustaría ser capaz de lograr. Pero, ¿pueden crearse sistemas robustos y, si es así, cómo se pueden crear sistemas robustos (también conocidos como sistemas a prueba de balas) y hay dos enfoques principales desde los cuales se puede lograr la robustez y la simplicidad. Si diversifica su cartera mediante el comercio de una gama más amplia de mercados, se extenderá su riesgo y que es una estrategia robusta. Pero tal vez sin estar consciente de ello, está haciendo mucho más para aumentar la robustez de su sistema. Cuanto mayor sea el número de mercados que comercialice, mayor será la variedad de actividad que su sistema encontrará y mayor será la posibilidad de que en cualquier momento determinado, algo ocurra en algún lugar de sus mercados. Con más mercados, usted hará más oficios, aunque los tamaños de la posición pueden tener que ser más pequeños en promedio dependiendo de sus recursos financieros. Pero obtendrá más lsquotrade resultsrsquo y esto es importante desde un punto de vista de gestión de dinero y bien puede tener un efecto desproporcionadamente beneficioso en sus resultados. (La forma en que funciona este efecto de gestión del dinero es difícil de explicar sin entrar en mayor detalle de lo que es posible aquí.) Una explicación más completa se proporciona en Las diez reglas de oro del libro electrónico de los comerciantes ganadores. Otra forma de diversificar, es agregar otro sistema ndash para que usted está negociando decir, dos sistemas diferentes al mismo tiempo. Si los dos sistemas encajan entre sí por los mercados comerciales de diferentes maneras, entonces esto se sumará a la solidez de su comercio y producir beneficios similares a los ganados por el comercio de una gama más amplia de los mercados. Por supuesto, ambas estrategias de diversificación pueden operarse conjuntamente. Mantener su sistema tan simple como sea posible mejorará en gran medida su robustez. En la práctica, esto significa tener el menor número de reglas y aplicarlas generalmente en todos los mercados que se negociarán. Al reducir la discriminación de esta manera, las reglas del sistema se aplicarán en una mayor variedad de circunstancias y serán menos propensas a ser desvirtuadas por los eventos. Al mismo tiempo, el sistema será menos dependiente de situaciones particulares para su éxito. Los comerciantes del sistema siempre probar sus sistemas a fondo con los precios históricos, pero sin embargo bien se lleva a cabo, siempre hay un gran margen para que los mercados se comportan de manera diferente en el futuro a la forma en que han en el pasado. En el comercio en vivo, los sistemas con reglas complejas se enfrentarán con alternativas virtualmente ilimitadas debido a la variabilidad del mercado, mientras que aquellos que usan reglas simples son poco probables encontrar mucho que no se ha visto antes. Los comerciantes experimentados del sistema tendrán sistemas robustos con reglas simples. Derechos reservados David Bromley 2006 Todos los derechos reservados. Retrocediendo de la historia de la cucaracha y el guepardo. Parece que la robustez es todo sobre la supervivencia. Para un sistema de comercio automatizado, esto significa que el sistema 8220survives y thrives8221 después de decidir a poner 8220live8221. Sin embargo, hay diferentes maneras de ver la robustez en un sistema de comercio mecánico. Diferentes definiciones de robustez La solidez del sistema de negociación suele implicar que el sistema presenta un rendimiento similar cuando está sujeto a ligeras variaciones. Sin embargo, al pensar en ello, se da cuenta de que esto puede significar varias cosas: Robustez a los precios futuros (el aspecto de la supervivencia) Robustez a los cambios internos (es decir, variación en los parámetros del sistema) Robustez a los cambios externos En las pruebas del sistema También compruebe que el foro de comercio Blox foro para más discusión sobre la robustez (algunas de las cuales inspiraron ideas directamente en este post). Hay dos suposiciones que se pueden hacer: La primera: un sistema robusto a los cambios (internos y externos) probablemente será robusto a los precios futuros: esto es porque los mercados siempre evolucionan y cambian 8211 y su sistema debe ser capaz de hacer frente a estos cambios . El segundo es que la creación de un sistema que utilice conceptos y procedimientos robustos, tanto en el diseño como en las pruebas, debería asegurar que el sistema mostrará robustez. Diseño robusto del sistema Esto generalmente comienza con una estrategia de negociación que tiene sentido, con pocos parámetros, no muchas campanas y silbidos (no queremos que el Ferrari se vea bien y vaya rápido alrededor de la pista, pero que no puede ir sobre los topes de velocidad o el coche subterráneo Otro aspecto a considerar cuando se pretende construir un robusto sistema de comercio se ilustra con esta cita de Bill Eckhardt que apunta a utilizar herramientas y componentes robustos en sus sistemas: Desarrollamos todos nuestros sistemas exclusivamente En casa así que no hay ningún tipo de indicadores públicamente reconocibles que podría mencionar. Definitivamente utilizamos sistemas no lineales e indicadores no lineales. Los indicadores lineales, como los filtros con promedios móviles, se han extraído en seco. En las estadísticas, la mediana es una herramienta más robusta que la media / promedio (es los sujetos a cambios de datos subyacentes tales como valores atípicos). Posiblemente, usando mediana en lugar de promedio en una estrategia comercial es más robusto. Un sistema de crossover en movimiento 8220median8221 mostraría más robustez que el uso de un sistema clásico de crossover en movimiento móvil 8211 esto es algo que estoy planeando probar. Prueba robusta del sistema El aspecto principal de las pruebas robustas del sistema es asegurar que la retroalimentación sea realista y que no se produzca ningún ajuste excesivo. No vamos a ir demasiado en detalle, ya que han sido bien documentados (recomiendo libro de Perry Kaufman8217s que tiene un capítulo completo sobre el sistema de pruebas y robustez). Los puntos importantes son datos de buena calidad, datos de la muestra versus fuera de la muestra, suposiciones realistas (costos, resbalamiento, etc.), lógica en la estrategia. Robustez a los cambios internos Esto es cuando se cambian los parámetros del sistema de comercio. Es probablemente bastante fácil de probar y medir. Supongamos que tiene un sistema Donchian Channel Breakout con una longitud de canal de 20 días y una parada basada en ATR a 30 días con un multiplicador de 2. Un sistema robusto exhibiría un rendimiento muy similar con parámetros ligeramente diferentes: la robustez podría cuantificarse midiendo el total Diferencia / desviación estándar en el rendimiento del sistema8217s cuando se varían parámetros (por ejemplo en un rango de / - 10), por ejemplo Sistema Donchian Channel Breakout con longitud de canal a 22 días y parada basada en ATR a 33 días con un multiplicador de 1,8, etc. Robustez a cambios externos Aquí, esto es principalmente los 8220parameters8221 de los datos de precios que pueden ser modificados para probar su robustez. Hay bastantes cosas que se pueden cambiar, como el conjunto de instrumentos comercializados (pequeñas permutaciones no deben afectar el rendimiento drásticamente), período de prueba (el sistema se comporta de manera similar en todos los períodos de tiempo), o incluso ligeras modificaciones aleatorias en los precios reales. Robustez a futuros precios Desafortunadamente, los datos futuros de precios son bastante difíciles de encontrar (CSI son bastante buenos, pero sólo proporcionan datos históricos. Siéntase libre de enviarme un correo electrónico si ha encontrado un buen proveedor), por lo que obviamente no puede probar su sistema para futuros precios Robustez antes de ponerla en vivo. Se puede argumentar que el objetivo de centrarse en la robustez con los cuatro puntos anteriores es asegurar que el sistema se desempeñe igual de bien en los precios futuros. Sin embargo, estos cuatro aspectos de la robustez en un sistema de comercio sólo puede actuar como un proxy para la robustez de los precios futuros. A pesar de que, como desarrolladores de sistemas comerciales, nos gusta obtener algún tipo de certeza, debemos tener en cuenta que el futuro será impredecible, los mercados cambiarán y, por lo tanto, diseñar un sistema para negociar precios futuros contendrá siempre cierto grado de incertidumbre . Depende de nosotros decidir (y predecir) qué parámetros y proxies son importantes para asegurar robustez en el futuro. Esto podría sonar como una paradoja, pero el diseño de un sistema de comercio automatizado implica más discreción y predicción de lo que uno pensaría. Posición del sistema de clasificación de tamaño Por: Dean Hoffman Posición de tamaño es determinar cuántos contratos de comercio cuando un sistema de comercio recibe una señal. Es uno de los conceptos más poderosos y menos entendidos con muchos comerciantes. Su objetivo es gestionar el riesgo, mejorar los rendimientos y mejorar la robustez mediante la normalización del mercado. Posición de tamaño puede llegar a ser más importante que cuando un comerciante compra o vende La mayoría de los sistemas de comercio y las plataformas de prueba o bien ignorar el tamaño de la posición, o utilizarlo ilógicamente. Un gran problema con muchos sistemas de comercio es que arriesgan demasiado de un capital de los comerciantes en cualquier comercio dado. La mayoría de los profesionales están de acuerdo en que los comerciantes nunca deben arriesgar más de 1 a 3 de su capital en cualquier operación. Esto también se aplica al riesgo para cada sector. Por ejemplo, si un comerciante está arriesgando un comercio en mercados altamente correlacionados como bonos de 2 años, bonos de 5 años, bonos de 10 años y bonos de 30 años, esto es esencialmente como el riesgo de 8 en el mismo comercio. Overtrading de esta manera puede producir resultados de búsqueda increíble con rendimientos de 100 o más, pero esto suele ser sólo un caso de usar demasiado apalancamiento y tomar un riesgo demasiado grande en cada comercio (o sector) y 8220cherry picking8221 la mejor fecha de inicio Como justo antes de una serie de oficios ganadores). Cuando se ejecuta un análisis de casos reales en esos niveles de alto riesgo, queda claro que el riesgo de ruina sube peligrosamente alto. Una serie de comercios perdidos o comenzar en el día equivocado podría hacer que un inversionista lo pierda todo (o tenga una enorme reducción). La base es que al poner en un comercio, los comerciantes deben saber qué porcentaje de su capital perderán si están equivocados. Esto sólo debería ser una pequeña parte de su capital comercial disponible. Esto también significa que necesitan saber su riesgo al entrar en un comercio. Algunos sistemas comerciales como los sistemas de media móvil no saben cuánto riesgo están tomando. Esto se debe a que el sistema de comercio no sabe hasta dónde debe moverse el mercado para desencadenar una salida. Creemos que es peligroso comerciar de esta manera y no lo recomendamos. Otro gran problema es la falta de normalización del mercado (como un resultado basado en un solo contrato). Por ejemplo, no creemos que sea lógico negociar un contrato de gas natural con una volatilidad diaria media de alrededor de 2.000 por cada contrato Eurodólar con una volatilidad diaria media de alrededor de 150. Hacer esto significaría que el gas natural es un factor más significativo Mercado que el Eurodólar. Si los Eurodólares tienden, queremos darles tanto peso como el gas natural (o cualquier otro mercado). En el ejemplo anterior, los comerciantes podrían simplemente eliminar el Eurodólar de la ecuación y obtener casi el mismo rendimiento. En esencia, los resultados son involuntariamente sesgada (ajuste de la curva) al gas natural. Un promedio de 150 de ganar el comercio en el Eurodólar no va a compensar un promedio de 2000 perder el comercio de gas natural Recomendamos el comercio de una canasta de productos básicos para la diversificación, sin embargo, si los comerciantes no normalizar los datos y la mayoría de los beneficios y las pérdidas surgen de un Pocos de los mercados de la cartera, entonces eso no es la diversificación. El problema es que los comerciantes que van hacia adelante van a depender de esos pocos mercados para realizar. Es mucho mejor saber que cualquier mercado tiene el potencial de desempeñarse a un nivel igual, en lugar de depender de los mercados de esa cartera. Es probable que la mayoría de los sistemas comerciales ignoren el dimensionamiento de la posición o lo utilicen de manera ilógica porque el diseño de la mayoría de los paquetes de software es trabajar con un solo contrato basado en la prueba. De los numerosos productos de prueba de espalda disponibles para la venta, sólo somos conscientes de dos paquetes de software que pueden hacer correctamente la determinación de tamaño de la posición y las pruebas de gestión del dinero. Hay muchos productos que dicen hacerlo, pero hemos encontrado que casi todos estos productos no hacen la clasificación de la posición de la gestión de dinero amp correctamente (hay muchas razones para ello, póngase en contacto con nosotros para más detalles). Utilizamos el software de pruebas de última generación de Bob Spears, Mechanica (que se vende por 25.000 ejemplares) para la mayoría de las investigaciones y pruebas de posicionamiento basadas en el tamaño. Otros problemas son los vendedores que sólo informan de los números de reducción más pequeños como 8220closed trade8221 drawdowns o 8220average anual8221 drawdowns. También hay problemas con los conceptos de dimensionamiento de posición tales como 8220Optimal F8221 o 8220Fixed Ratio8221. Sentimos que ambos son sólo una forma peligrosa de ajuste de curva retrasado. Otra falacia común dice que los comerciantes deben encontrar su 8220best8221 contrato único basado en el sistema de comercio de primera y luego aplicar el tamaño de posición a la misma. Este no es el tamaño de la posición de enfoque correcto puede cambiar los perfiles de riesgo de recompensa de un único contrato basado en el sistema de comercio. Un sistema comercial que se veía fenomenal, con una curva de equidad suave en una base de contrato, puede parecer mucho menos atractivo cuando todos los mercados están igualmente ponderados por la robustez. Nuestro sistema de comercio Amperio de posición Por todo el motivo antes citado, desarrollamos sistemas de negociación con lógica de dimensionamiento de posiciones apropiada. Creemos que esto aumenta la solidez y la importancia de los resultados de las pruebas. Esto también ayuda a evitar la optimización inadvertida que puede ocurrir con otros tipos de posicionamiento de tamaño / gestión de dinero basado en software de prueba. Prueba de estrés para la estrategia de comercio robustez Por Michael R. Bryant En el artículo sobre las estrategias de comercio de múltiples mercados. Discutí el concepto de robustez, que describí como insensible a las variaciones en los datos en los que se basa la estrategia. La construcción de un sistema comercial en múltiples mercados es una forma de aumentar la robustez. Sin embargo, lo que si ya tiene una estrategia y desea ver lo robusto que es probar una estrategia de negociación de la robustez se refiere a menudo como el análisis de sensibilidad, o más coloquialmente como prueba de estrés. La idea básica es ver qué sucede cuando se hacen pequeños cambios a los insumos de la estrategia, datos de precios u otros elementos de la estrategia o del entorno comercial. Una estrategia robusta exhibe una reacción proporcional y relativamente silenciosa ante tales cambios, mientras que una estrategia que no es robusta reaccionará de manera desproporcionada y en ocasiones fracasará de forma directa cuando se hagan pequeños cambios en sus insumos o en su entorno. ¿Por qué es importante esto? Simplemente, la robustez es importante porque los mercados nunca se mantienen igual. Tomemos las entradas de la estrategia, por ejemplo. Entradas como la longitud de búsqueda para un promedio móvil podrían ser óptimas durante el período de prueba posterior, pero en el futuro, los valores diferentes podrían ser óptimos. Queremos saber qué tan bien la estrategia se llevará a cabo cuando las entradas ya no son óptimas. Una manera de abordar esto es ver cómo cambian los resultados cuando se cambian los valores de entrada. Como se explicó en el artículo anterior, la idea de robustez está relacionada con la superposición de la estrategia. Queremos asegurarnos de que la estrategia no ha sido tan ajustada al mercado durante el proceso de desarrollo que no puede soportar cualquier cambio en el mercado. En términos generales, podemos probar para que al cambiar el mercado, el cambio de la estrategia, o ambos. Una estrategia que no resista bien a cambios relativamente pequeños no es robusta y es probable que sea excesiva. Tal estrategia no debe esperarse que vaya bien en el futuro. Tipos de pruebas de estrés Hay muchas maneras diferentes que una estrategia puede ser sometida a prueba de estrés. Podemos realizar cambios en la propia estrategia o en los datos de precios en los que la probamos de nuevo. Podemos cambiar los costos de negociación, tales como la cantidad de deslizamiento, o cambiar el tamaño de la posición. En principio, todo lo que afecta a los resultados de las pruebas de retroceso de la estrategia puede variar. En este artículo, se discutirán los siguientes tres tipos de pruebas de estrés: Cambiar las entradas de la estrategia. Hacer pequeños cambios en los precios individuales. Cambio de la barra de inicio. La justificación para cambiar los insumos de la estrategia se discutió anteriormente. Para cambiarlos, se seleccionará un porcentaje aleatoriamente entre - Max y Max, donde Max podría estar en el orden de 1 o 5. Este porcentaje se aplicará al rango de valores para cada entrada. Por ejemplo, si elegimos la longitud de búsqueda para un indicador del rango de valores de 1 a 100, entonces el rango sería 100 y el porcentaje de cambio elegido al azar se aplicaría a 100. El monto de cambio, ya sea positivo o Negativo, se añadiría entonces al valor de entrada original para hacerlo más alto o más bajo por esa cantidad. El pozo también especifica una cantidad mínima posible del cambio, por ejemplo 1 para la cantidad para cambiar una longitud del look-back del indicador. De esta manera, si el porcentaje de cambio aleatorio es un número pequeño, la entrada seguirá siendo cambiada. Una forma en que una estrategia puede ser excesiva, y por lo tanto no robusta, es si su ajuste demasiado cerca de precios específicos en la prueba de nuevo. Por ejemplo, si la estrategia entra largo en una parada y varias operaciones grandes y rentables entran al precio alto del día, que debe levantar una bandera roja. ¿Cómo se verían los resultados si la alta hubiera sido una marca más baja en esos días Si un cambio tan pequeño arruinaría los resultados, la estrategia no es claramente robusta. Una técnica de prueba de estrés para detectar ese tipo de ajuste excesivo es hacer cambios aleatorios en los precios individuales y evaluar los resultados. Para cambiar aleatoriamente los datos de precios, utilice dos ajustes. Una es la probabilidad de cambiar un precio. Por ejemplo, si la probabilidad es de 50, eso significa que hay una probabilidad de que cualquier precio - abierto, alto, bajo, cierre de cada barra - cambie. El segundo ajuste es el cambio de porcentaje máximo que se aplicará a un precio que se está cambiando. Al igual que con los valores de entrada, la cantidad real del cambio se elige aleatoriamente entre - Max y Max, donde Max es el cambio de precio máximo porcentual. El valor de Max se toma como un porcentaje del rango verdadero promedio en las últimas 100 barras. Por ejemplo, si el rango verdadero promedio es 10 puntos y el cambio máximo de porcentaje es 20, entonces la cantidad de cambio es un número elegido al azar entre -2 y 2 puntos. Digamos que el número real es -1.25 puntos, y el precio de cierre es 1250.50. El cierre modificado sería 1249.25. Por último, es posible que el cambio de un precio invalidará el precio normal de pedidos, como la reducción de la apertura de modo que su inferior a la baja. Para evitar que, los precios pueden tener que ser ajustados después de hacer el cambio para mantener el abierto y cerrar dentro de la gama alta / baja. El último método de prueba de esfuerzos que se discutirá implica el cambio de la barra de inicio. Es probablemente obvio que una buena estrategia no debe desmoronarse cuando se inicia la retro-prueba en una barra diferente. Puede ser menos obvio cómo esto puede suceder. Considere una estrategia hipotética que entra mucho tiempo en un crossover de media móvil. A continuación, mantiene el comercio exactamente cinco bares antes de salir en el mercado. Dejando a un lado la idoneidad de la lógica, imaginar lo que el historial comercial podría verse en una tabla de precios. Si la condición de ingreso promedio móvil usa un cruce promedio a corto plazo por encima de un promedio a largo plazo, es completamente posible que en una tendencia ascendente sostenida, la condición de entrada pudiera ser verdadera durante un largo período de tiempo, Ser superior al promedio a largo plazo de muchas barras seguidas. Si la prueba de retroceso se inició durante ese período, la primera operación entraría en la barra siguiente después de la barra de inicio, y cada comercio duraría cinco barras, seguido inmediatamente por la siguiente entrada, y así sucesivamente. Ahora considere lo que sucedería si se cambiaba la barra de inicio. Si la barra de salida era una barra más tarde, por ejemplo, toda la serie de operaciones se desplazaría una barra a la derecha. Es totalmente posible que algunas de esas series de operaciones de cinco barras serían mucho más rentables que otras, dependiendo de cómo los oficios se alinearan con cualquier ciclo subyacente de tendencia de cinco barras que existiera. Por lo tanto, dependiendo de la barra de partida, la estrategia podría ser muy rentable o no rentable debido a donde los oficios comenzó y terminó. Puede que no sea obvio durante el desarrollo que la lógica de la estrategia tuviera este tipo de dependencia en la barra de inicio, particularmente para los tipos más complejos de lógica. Para probar el efecto de la barra de arranque, la barra en la que se inicia la estrategia de retroceso se variará con un número aleatorio elegido entre 1 y N. En el ejemplo siguiente, se seleccionó N como 300. De este modo, la barra de arranque Se varió añadiendo un número elegido aleatoriamente entre 1 y 300 al número de barras de partida original. Un enfoque de Monte Carlo Varía las entradas, los precios o la barra de inicio en una cantidad aleatoria sólo proporciona una alternativa para comparar con los resultados originales. Para obtener una imagen más completa de lo robusta que es una estrategia, podemos repetir el proceso muchas veces hasta que tengamos una distribución de resultados. En términos generales, la variación de las variables de entrada aleatoriamente sobre un gran número de iteraciones para generar una distribución estadística de resultados para la función que depende de esas entradas se denomina análisis de Monte Carlo. En este caso, la función es la estrategia de negociación y las entradas de función son las entradas de estrategia, los precios de mercado y / o la barra de inicio. Repitiendo la prueba de esfuerzo muchas veces, terminamos con múltiples conjuntos de resultados comerciales. Para entender cómo funciona el proceso Monte Carlo, considere el ejemplo mostrado en la Fig. 1. Figura 1. Curva de patrimonio original para una estrategia de comercio de divisas. La curva de equidad representada en la Fig. 1 es para una estrategia de negociación desarrollada para el mercado de divisas EURUSD en barras diarias, con un lote estándar (100.000) por comercio y 50 por lote para los costos de negociación. Esta es una de las estrategias de bonificación incluidas con Adaptrade Builder. Fue desarrollado en marzo de 2010. Los últimos 100 oficios o así han sido desde su lanzamiento, lo que demuestra que se ha mantenido bien en tiempo real fuera de la muestra de seguimiento. Para ilustrar cómo se pueden analizar los resultados de las pruebas de esfuerzo utilizando un enfoque de Monte Carlo, considere los resultados de la prueba de estrés de la estrategia de divisas en los datos de precios, como se muestra en la Fig. 2, que representa un total de 20 curvas de patrimonio, 19 de las cuales corresponden a un conjunto diferente de datos de precios aleatoriamente modificados. La serie de precios originales para el EUR / USD fue modificada 19 veces como se describió anteriormente, usando una probabilidad de cambio de precio de 50 con un cambio porcentual máximo de 20. Junto con la curva original, mostrada como la línea verde más gruesa, hay un total de 20 Conjuntos de resultados. El número total se mantuvo tan pequeño como sea posible con fines ilustrativos, más iteraciones se usarán más adelante en los ejemplos restantes. Figura 2. Estres probando la estrategia de divisas variando los datos de precios 19 veces. El beneficio neto total correspondiente a cada curva de patrimonio de la Fig. 2 es el siguiente: 147855.00 133286.00 87771.00 92707.00 132149.00 88384.00 126019.00 96581.00 105466.00 102946.00 86753.00 96127.00 116611.00 68459.00 109427.00 96242.00 111020.00 50201.00 130076.00 104181.00 El valor más alto, 147.855, corresponde al archivo original de datos de precios. El valor más bajo es 50,201. En un análisis de Monte Carlo, podemos preguntar cuál es el beneficio neto que es probable que sea con un determinado grado de confianza dada la variación en los resultados. Un nivel de confianza de 95 es típico, lo que significa que habría 5 posibilidades de que el beneficio neto sea menor que nuestro valor seleccionado. Para obtener el valor del beneficio neto en 95 confianza, la lista anterior se clasifica de mayor a menor y se selecciona el valor 95 de la lista de abajo. Puesto que tenemos 20 elementos en la lista, seleccionamos el elemento 19 en la lista ordenada, lo que sería un beneficio neto de 68.459, es decir, el segundo valor más bajo en la lista. Podemos interpretar este resultado de la siguiente manera: si la asignación al azar de los datos de precios es representativa del tipo de diferencias aleatorias que se esperaría en el mercado, entonces podemos esperar que 95 de las veces, el beneficio neto sea por lo menos 68.459. El mismo enfoque se puede aplicar a cualquier métrica de rendimiento que quisiéramos seguir. Si la métrica es aquella en la que un valor inferior es mejor, como la reducción máxima, la lista se ordenará en el orden opuesto antes de seleccionar el valor 95 de la lista. Ejemplos de pruebas de estrés Ahora considere un ejemplo más representativo, en el que se generaron un total de 100 muestras para el análisis de Monte Carlo. Higo. 3 muestra las diferentes curvas de patrimonio que resultan de la variación del archivo de precios 99 veces (más la curva original). Figura 3. Pruebas de estrés de la estrategia de divisas mediante la variación de los datos de precios 99 veces, para un total de 100 curvas de patrimonio. Aplicando el enfoque de Monte Carlo a los resultados de la prueba de estrés, los resultados en la Tabla 1 se generaron a 95 de confianza (se muestra al lado de los resultados de los datos originales para la comparación). Tabla 1. Estres probando la estrategia de divisas variando los datos de precios. Como se esperaba, los resultados de Monte Carlo de modificar los datos de precios muestran una reducción en el rendimiento en comparación con los resultados de los datos de precios originales. Sin embargo, los resultados de las pruebas de esfuerzo siguen siendo positivos, lo que indica que la estrategia es al menos moderadamente robusta. En la Fig. 4, a continuación, se ha aplicado el mismo enfoque a los valores de entrada de la estrategia. El porcentaje de modificación se estableció en 1, lo que, para muchas entradas, significó que se aplicó la cantidad mínima de cambio. Todos los insumos fueron modificados por al menos la cantidad mínima para cada evaluación. La curva de equidad original se muestra cerca de la parte superior del gráfico como la línea verde más gruesa. En comparación con los resultados de las modificaciones de precios, la modificación de los insumos de la estrategia tuvo un efecto más fuerte en el rendimiento. Figura 4. Pruebas de estrés de la estrategia de divisas mediante la variación de los insumos de la estrategia 99 veces, para un total de 100 curvas de patrimonio. Los resultados de Monte Carlo para la misma muestra de métricas de rendimiento como se muestra más arriba se muestran en la Tabla 2 a continuación, que incluye los resultados para los valores de entrada originales. Tabla 2. Pruebas de estrés de la estrategia de divisas mediante la variación de los insumos de la estrategia. Resultados de Monte Carlo, 95 Los resultados de variar la barra de partida para la misma estrategia de divisas se muestran a continuación en la Fig. 5. En comparación con los resultados de las otras dos pruebas, se observa relativamente poco efecto al variar la barra de inicio, lo que sugiere que la estrategia es mayormente insensible a esta variable. Figura 5. Pruebas de estrés de la estrategia de divisas al variar la barra de inicio 99 veces, para un total de 100 curvas de patrimonio. Los resultados de Monte Carlo de esta prueba se muestran en la Tabla 3 a continuación, donde se comparan con los resultados para la barra de partida original. Tabla 3. Pruebas de estrés de la estrategia de divisas mediante la variación de la barra de inicio. Resultados Monte Carlo, 95 Resultados, Datos Originales También es posible modificar todo juntos o modificar combinaciones de variables, como modificar las entradas de estrategia al mismo tiempo que los datos de precios. En la Fig. 6, a continuación, se realizaron las tres pruebas de esfuerzo juntas. Esto significa que las entradas de la estrategia, los datos de precios y la barra de inicio se modificaron al azar al mismo tiempo antes de evaluar la estrategia. Figura 6. Prueba de estrés de la estrategia de divisas mediante la variación de la barra de inicio de 99 veces, para un total de 100 curvas de patrimonio. Claramente, esta combinación de pruebas de esfuerzo es una prueba severa de la robustez de la estrategia. Una o dos de las curvas de equidad mostradas en la Fig. 6 parecen mostrar una ganancia neta neta negativa (o casi). Sólo una curva de equidad se aproxima a la original. Los resultados de Monte Carlo basados ​​en esta prueba se muestran a continuación en la Tabla 4. Tabla 4. Pruebas de estrés de la estrategia de divisas mediante la variación de los datos de precios, las entradas de la estrategia y la barra de inicio. Resultados de Monte Carlo, 95 Resultados, Resumen de los datos originales y conclusiones El ajuste excesivo siempre es una preocupación al desarrollar una estrategia de negociación. Las llamadas pruebas de estrés miden cuán sólida es una estrategia de negociación, lo cual es una indicación de si la estrategia es o no excesiva. Mientras que cualquier variable que afecta a los resultados de una estrategia de negociación puede potencialmente ser objeto de una prueba de estrés, este artículo se centró en tres factores importantes en la determinación de los resultados de la prueba de retroceso: los datos de precios, prueba. La estrategia utilizada para ilustrar cada prueba de estrés demostró una robustez moderada con respecto a los datos de precios y valores de entrada y buena robustez con respecto a la barra de arranque. Vale la pena señalar que la estrategia de ejemplo tenía un récord de tres años de resultados positivos de seguimiento en tiempo real, sin embargo, en algunos casos, los resultados de las pruebas de estrés fueron peores que los resultados reales fuera de muestra obtenidos por la estrategia. Esto sugiere que las pruebas de estrés pueden haber sido demasiado severas en esos casos. Esto fue particularmente evidente cuando se combinaron las tres pruebas, como se muestra en la Fig. 6 y la Tabla 4. La prueba de estrés para los insumos de la estrategia puede haber sido poco realista en cuanto que modificó todas las entradas para cada iteración de prueba. Un mejor enfoque puede ser aplicar el mismo método utilizado para modificar los datos de precios, en los que se modificó un precio con una probabilidad específica. En lugar de modificar todas las entradas cada vez, se podría aplicar una probabilidad para determinar si una entrada dada debería ser modificada. Si es así, se modificará de la manera descrita anteriormente de otro modo, la entrada sería sin modificar. Se demostró cómo los resultados de la prueba de esfuerzo se pudieron analizar utilizando el análisis de Monte Carlo. Esto nos permitió cuantificar los resultados y proporcionar una estimación del rendimiento que fue generalmente más conservador que los resultados de la prueba de retroceso sobre la base de los datos originales. El foco del artículo estaba en probar una estrategia comercial después de que se había desarrollado. En principio, sin embargo, el mismo enfoque podría utilizarse como parte del proceso de desarrollo de la estrategia. En Adaptrade Builder, las estrategias se desarrollan en función del desempeño probado en el período de la muestra. En lugar de utilizar el rendimiento obtenido de back-testing de la estrategia en los datos originales, los resultados de Monte Carlo a 95 la confianza de la prueba de esfuerzo podría ser utilizado. Las principales estrategias de la población serían las que presenten los mejores resultados de Monte Carlo, lo que tendería a impulsar a la población hacia estrategias robustas. Desafortunadamente, si cada análisis de Monte Carlo estuviera basado en simulaciones de N, el proceso de construcción tomaría N veces más tiempo usando este enfoque. Junto con pruebas fuera de la muestra y otros métodos discutidos en esta serie de artículos, la prueba de estrés proporciona otra herramienta para ayudar a identificar estrategias comerciales sólidas y evitar el exceso de ajuste. Si se aplica como parte del proceso de evaluación de la estrategia, las pruebas de estrés pueden ayudar a eliminar estrategias que son demasiado sensibles a los cambios en el entorno comercial, lo que podría ayudar a evitar pérdidas y aumentar sus posibilidades de éxito en los mercados. Todas las pruebas de estrés se realizaron utilizando Adaptrade Builder. Este artículo apareció en la edición de marzo de 2013 del boletín informativo Adaptrade Software. LOS RESULTADOS DE RENDIMIENTO HIPOTÉTICOS O SIMULADOS TIENEN DETERMINADAS LIMITACIONES INHERENTES. DESCONOCIDO UN REGISTRO DE RENDIMIENTO REAL, LOS RESULTADOS SIMULADOS NO REPRESENTAN COMERCIO REAL. TAMBIÉN, DADO QUE LOS COMERCIOS NO SE HAN ACTUALMENTE EJECUTADO, LOS RESULTADOS PUEDEN TENER UNA COMPENSACIÓN INTEGRADA O POR COMPENSACIÓN POR EL IMPACTO, EN CASO DE CUALQUIERA, DE CIERTOS FACTORES DE MERCADO, COMO LA FALTA DE LIQUIDEZ. LOS PROGRAMAS DE COMERCIO SIMULADOS EN GENERAL ESTÁN SUJETOS AL FACTOR DE QUE SEAN DISEÑADOS CON EL BENEFICIO DE HINDSIGHT. NO SE HACE NINGUNA REPRESENTACIÓN QUE CUALQUIER CUENTA TENDRÁ O SERÁ PROBABLE A LOGRAR BENEFICIOS O PÉRDIDAS SIMILARES A LOS MOSTRADOS. Si te gustaría recibir información sobre novedades, noticias y ofertas especiales de Adaptrade Software, únete a nuestra lista de correo electrónico. Gracias.