Estratégia de negociação robusta

Estratégia de negociação robusta
Técnicas multi-mercado para estratégias de negociação robustas.
por Michael R. Bryant.
Uma das maiores preocupações entre os comerciantes sistemáticos é a estratégia de negociação excessiva. Uma estratégia de sobreposição parece ótima no back-testing, mas falha no teste para frente ou na negociação em tempo real. Existem muitos fatores que afetam se uma estratégia está ou não superada, mas um grande fator é a robustez. Neste contexto, a robustez refere-se a quão sensível é uma estratégia para as variações nos dados em que se baseia. Uma estratégia mais robusta é menos sensível às variações nos dados de preços. Em outras palavras, uma estratégia robusta funcionará bem para uma maior variedade de preços de mercado do que uma estratégia menos robusta.
Provavelmente, uma estratégia de negociação que funciona bem em uma variedade de mercados diferentes é mais robusta do que uma que funciona em apenas um desses mercados. No entanto, criar estratégias que funcionam em uma variedade de mercados é apenas uma maneira de alcançar a robustez usando uma abordagem multi-mercado para o projeto de estratégia. Este artigo discute algumas das diferentes técnicas de multi-mercado que podem ser usadas para construir estratégias comerciais mais robustas.
Insensibilidade aos preços.
O elemento-chave da robustez da estratégia em que quero focar é a insensibilidade aos preços. Insensibilidade significa que a estratégia pode negociar lucrativamente 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, para grandes diferenças, como mercados completamente diferentes.
Para pequenas variações, deve ficar claro que uma estratégia não deve ser tão dependente de um preço específico ou padrão de preços que, mesmo uma variação de alguns carrapatos no padrão causará a falha da estratégia. No entanto, isso pode acontecer na prática se uma estratégia for projetada para um mercado específico usando técnicas como padrões de preços em que as condições de entrada ou saída dependem de certos preços ou a relação entre preços específicos. Como o futuro nunca replica exatamente o passado, é importante não confiar em padrões tão ligados ao passado que provavelmente não serão repetidos. Na verdade, na maioria dos casos, tais "padrões" provavelmente são apenas ruídos aleatórios do mercado. Neste final do espectro de robustez, então, um objetivo valioso seria tornar as estratégias menos sensíveis ao ruído aleatório do mercado.
Técnicas para diferentes graus de robustez.
Nesta seção, vou discutir três técnicas diferentes para construir a robustez em uma estratégia comercial, cada uma focada em um grau de robustez diferente. Para ilustrar as idéias, usarei exemplos gerados pelo Adaptrade Builder, uma ferramenta de geração de código e descoberta de estratégia que crie estratégias comerciais na EasyLanguage para TradeStation e MultiCharts.
A primeira técnica, que também é mais comum, é construir uma estratégia em vários mercados, onde cada mercado é diferente. Alguns comerciantes apenas negociam estratégias de vários mercados com base na crença de que as estratégias de mercado único são muito prováveis ​​de serem superadas. Outros comerciantes preferem se concentrar em um mercado único.
Independentemente da sua preferência, um trade-off entre robustez e desempenho deve ser esperado ao criar estratégias. Estaria perguntando demais para esperar uma estratégia destinada a negociar vários mercados para executar também em qualquer mercado dado como uma estratégia projetada especificamente para esse mercado. Por outro lado, o risco de sobreposição geralmente será maior para uma estratégia de mercado único.
No entanto, um meio termo é possível. Embora não haja nada de errado em tentar desenvolver uma estratégia que negocie 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 os mercados relacionados e construir apenas os mercados em cada grupo. Vou me concentrar na última abordagem aqui.
No exemplo abaixo, criei uma estratégia em três futuros de índice de ações: E-mini S & amp; P MidCap 400 (EMD), mini Russell 2000 (TF) e E-mini S & amp; P 500 (ES). Usando cinco anos de barras diárias e assumindo US $ 25 por contrato para custos de negociação (derrapagem, comissões, etc.), eu construí uma estratégia, maximizando o lucro líquido ao mesmo tempo em que minimizamos a redução, onde o lucro líquido foi ponderado duas vezes mais do que a redução. Eu reservei 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 capital para uma estratégia de negociação construída em barras diárias dos mercados de futuros ES, EMD e TF.
A curva mais alta no topo representa a curva de capital combinada (carteira), enquanto as três curvas abaixo representam as respectivas curvas de equivalência patrimonial para cada mercado. É evidente a partir das curvas de patrimônio para cada mercado que a estratégia se comercializa de forma muito similar 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 basicamente o mesmo em cada mercado, mesmo que os detalhes do tick-by-tick dos preços sejam diferentes para cada mercado. Isso ajuda a atingir o objetivo de tornar a estratégia insensível ao ruído aleatório do mercado, pois, presumivelmente, os elementos aleatórios serão diferentes do mercado para o mercado, mesmo em mercados relacionados.
Além disso, é razoável concluir que a lógica da estratégia está abrindo os elementos que os três mercados têm em comum. Uma vez que os três mercados são futuros do índice de ações, esses elementos estão presumivelmente relacionados à forma como o mercado de futuros de índices de ações atua nesse período de tempo.
Estratégias de Mercado Único Intraday.
Outra técnica para tornar as estratégias mais robustas é uma que pode ser aplicada a uma estratégia de mercado único em dados intradiários. Digamos que você deseja desenvolver uma estratégia comercial para barras de 5 minutos dos futuros E-mini S & amp; P 500 (ES). Se você quiser se concentrar no ES, mas está preocupado com a inadaptação de padrões espúrios nesse tamanho de barra, você pode tentar ajustá-lo simultaneamente a outros tamanhos de barras similares. Esta abordagem baseia-se na ideia de que uma estratégia que negocia, digamos, barras de 5 minutos também deve manter-se em barras de 7 minutos. Qualquer estratégia que não comercialize de forma semelhante em ambos os tamanhos de barras seria presumida ser excessiva em uma série de preços e, portanto, excluída.
Na Fig. 2, são mostrados os resultados da construção de uma estratégia em barras de 5, 7 e 9 minutos do ES (sessão diurna). Um ano de dados intradía foi utilizado e US $ 25 por contrato para custos de negociação foi assumido. As outras configurações foram as mesmas do exemplo anterior, exceto que 33% dos dados foram reservados para testes fora da amostra.
Figura 2. Curvas de capital para uma estratégia de negociação construída em barras de 5, 7 e 9 minutos do mercado de futuros da ES.
Diretamente Incluindo Ruído.
Se o objetivo é garantir que a estratégia em desenvolvimento seja insensível ao ruído do mercado, a abordagem mais direta é incluir o ruído no processo de construção. Existem várias maneiras de fazer isso. Em um artigo do meu outro boletim informativo, The Breakout Bulletin, expliquei como criar dados de preços sintéticos, ao aleatorizar certos elementos de uma série de preços existente.
Nesse artigo, eu randomizei a ordem das mudanças de preço, que preserva o preço altera-se, mas perde qualquer dependência serial nos dados. Há 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 fechado) para modificar. Finalmente, altere o preço por uma quantia aleatória. Por exemplo, suponha que modifiquemos barras com uma probabilidade de 20%. Se uma barra for selecionada para ser modificada, podemos selecionar aleatoriamente o preço alto a ser alterado. Finalmente, mudamos o valor alto por um valor escolhido aleatoriamente entre, digamos, 0% e 10% do intervalo verdadeiro médio nas últimas 50 barras.
Aplique o método da série de preços sintéticos descrito no artigo mencionado acima, mas use um "processo de fragmentação" técnica para ajudar a preservar as correlações em série. A técnica de fragmentação agrupa as mudanças de preços para alguns números pré-selecionados de barras e aleatoriza a ordem dos pedaços. Por exemplo, suponha que o tamanho do trecho seja de 20 barras. Cada série de 20 barras é considerada um pedaço, e a ordem dos pedaços é então aleatorizada. Os troços aleatórios de mudanças de preços são então reconstituídos em uma série de preços, conforme explicado no artigo. O tamanho da peça pode ser escolhido com base em uma análise da dependência serial, se houver, nos preços originais.
Independentemente do método escolhido, a série resultante será adicionada ao portfólio, assim como nos exemplos anteriores. Uma vez que o objetivo é garantir que a estratégia resultante seja 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.
Alcançar insensibilidade à variação de preços é uma forma de construir a robustez em uma estratégia comercial. 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 insensível ao desejado grau de variação de preços, a estratégia pode ser construída e testada em uma carteira de mercados consistindo na série de preços original ou alvo, juntamente com outras séries de preços que introduzem o desejado grau de variação.
As três técnicas discutidas neste artigo diferiram em como a variação de preço foi criada. A primeira técnica utilizou mercados diferentes, mas relacionados. A segunda técnica usou diferentes tamanhos de barras do mesmo mercado. A última técnica proposta usando dados de preços 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 comerciais mais robustas. E uma estratégia de negociação robusta é menos provável que seja ajustada ao mercado e, portanto, é mais provável que se mantenha bem no comércio em tempo real.
* Este artigo apareceu na edição de agosto de 2012 da newsletter do Adaptrade Software.
OS RESULTADOS DE DESEMPENHO HIPOTÉTICOS OU SIMULADOS TÊM CERTAS LIMITAÇÕES INERENTES. DESEJO UM REGISTO DE DESEMPENHO REAL, OS RESULTADOS SIMULADOS NÃO REPRESENTAM A NEGOCIAÇÃO REAL. TAMBÉM, DESDE QUE OS NEGÓCIOS NÃO SEJAM REALMENTE EXECUTOS, OS RESULTADOS PODEM TENER SOB OU COMENTÁRIOS COMPLEMENTARES PARA O IMPACTO, SE HAVER, DE CERTOS FATORES DE MERCADO, TAL COMO FALTA DE LIQUIDEZ. PROGRAMAS DE NEGOCIAÇÃO SIMULADOS EM GERAL SÃO TAMBÉM SUJEITOS AO FATO QUE ESTÃO DESIGNADOS COM O BENEFÍCIO DE HINDSIGHT. NENHUMA REPRESENTAÇÃO ESTÁ FAZENDO QUE QUALQUER CONTA VÁ OU SEJA PROBABILITÁVEL PARA ALCANÇAR LUCROS OU PERDAS SIMILARES ÀOS MOSTRADOS.
Se você quiser ser informado de novos desenvolvimentos, novidades e ofertas especiais do Adaptrade Software, por favor, junte-se à nossa lista. Obrigado.
Copyright © 2004-2015 Adaptrade Software. Todos os direitos reservados.

Uma Estratégia de Negociação Algorítmica Robusta.
Nossa abordagem ao comércio algorítmico é relativamente simples. Reconhecemos que ninguém pode prever a direção do mercado com 100% de precisão. O que sabemos é que o mercado de mês a mês, fechará fortemente, fortemente ou em algum lugar intermediário (mercado lateral). É nossa opinião que a estratégia de negociação algorítmica mais robusta é uma que negocia múltiplos algoritmos não correlacionados, cada um dos quais tem como alvo uma condição de mercado específica. Este tipo de metodologia só é viável, se ao contrário as condições de mercado e ndash; os algoritmos têm pequenos ganhos ou pequenas perdas. Portanto, o principal objetivo de nossos esforços de R & amp; D é minimizar as perdas nas condições contrárias do mercado. À medida que você revisa nossa estratégia de negociação algorítmica, considere os riscos envolvidos antes de utilizar nossas estratégias de negociação algorítmicas. Trading futures & amp; as opções são um risco significativo de perda e não é apropriado para todos os investidores.
Este vídeo, apresentado pelo nosso desenvolvedor principal e ndash; abrange em grande detalhe a metodologia de design utilizada na AlgorithmicTrading.
Definindo os Estados do Mercado.
O primeiro passo na criação de nossa estratégia de negociação algorítmica foi definir o que significa ser ou ldquo; fortemente, & rdquo ;, & ldquo; down & rdquo; ou & ldquo; de lado & rdquo ;. Embora esta análise possa ser feita diariamente, semanalmente ou mensalmente. Decidimos executar a análise inicial usando dados mensais. Nosso objetivo era separar o desempenho mensal de S & P 500 & rsquo; s em três categorias, com base em uma distribuição igual de desempenho mensal. A tabela a seguir demonstra como definimos cada categoria ou estado de mercado. Esses dados foram retirados de um relatório de desempenho mensal do S & amp; P 500 que comprou no primeiro dia do mês e vendido no último dia do mês & ndash; por cada mês que começa em outubro de 2003 até outubro de 2016.
Como nossas estratégias de negociação algorítmicas fazem em cada condição de mercado?
A tabela a seguir compara cada estratégia de negociação algorítmica oferecida pela AlgorithmicTrading versus cada uma das três condições de mercado, conforme definido na seção anterior. A intenção desta tabela é demonstrar como cada estratégia de negociação algorítmica se realiza com base no que o mercado fez nesse mês. A mensal P / L mostrada, representa o ganho mensal médio com base em uma unidade de negociação de $ 30,000 em 1 unidade em cada estratégia. Inclui deslizamento, comissão e amp; proteção para nossos negócios Iron Condor.
REGRA CFTC 4.41: Os resultados são baseados em resultados de desempenho simulados ou hipotéticos que possuem certas limitações inerentes. Ao contrário dos resultados apresentados em um registro de desempenho real, esses resultados não representam a negociação real. Além disso, como esses negócios não foram efetivamente executados, esses resultados podem ter uma compensação menor ou excessiva do impacto, se houver, de certos fatores do mercado, como a falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de serem projetados com o benefício de retrospectiva. Nenhuma representação está sendo feita que qualquer conta será ou será capaz de obter lucros ou perdas, como estas são mostradas.
As estratégias de negociação algorítmica de chamada de cobertura e condor de ferro negociam opções em futuros. Backtesting um algoritmo de opções coloca muitos desafios devido às estimativas desconhecidas para o prémio coletado. Dependendo (entre outras coisas) da volatilidade do mercado, o prêmio coletado ao vender uma opção pode variar muito. Em geral, quanto maior a volatilidade, maior será a expectativa de coleta. Além disso, as Opções semanais de ES não estavam disponíveis para trocar durante todo o período de teste anterior. Para fornecer aos nossos clientes dados mais precisos, testados novamente, criamos estimativas de prémio discriminadas por Dia (Seg-Thu) e usamos uma tabela de consulta para vários intervalos do VIX (consulte a página do produto Iron Condor para obter detalhes ). Por favor, note que estas estimativas têm limitações significativas e os relatórios correspondentes que utilizam essas estimativas devem ser considerados muito menos do que perfeitos. Todos os back-testing têm limitações, no entanto, os algoritmos de opções testados de volta têm ainda mais em nossa opinião devido às imprecisões potenciais usadas na determinação de estimativas coletadas premium.
Como interpretar esses dados?
Este back-testado dados captura como cada algoritmo faz, com base no que o S & amp; P 500 fez para esse mês.
Por exemplo, em todos os back-testing realizados de outubro de 2003 a outubro de 2016, se o S & amp; P 500 fechou para o mês (para baixo), a Estratégia da Nota do Tesouro realmente funcionou muito bem, em US $ 990 / mês em média (por 1 Unidade Negociado). Isso nos sugere que a Estratégia de Negociação Algorítmica da Nota do Tesouro deve continuar a fazer bem durante meses em que o S & amp; P 500 cai para esse mês. O algoritmo de chamada coberta e o algoritmo Breakdown Short Day Trade também são bons e ndash; com ganhos de US $ 323 e amp; US $ 280 por mês, respectivamente.
Durante meses, o S & amp; P 500 fecha-se em pelo menos US $ 1.500 (Strong Up), o Iron Condor & amp; Os algoritmos Momentum funcionam bem com ganhos de $ 1.442 e amp; $ 1,600 por mês em média (por 1 Unidade negociada).
Durante os mercados onde o S & amp; P 500 derivou mais alto ou trocado de lado (de lado), o algoritmo Iron Condor, Covered Calls e Treasury Note funcionou bem.
Como AlgorithmicTrading usa esses dados? Qual é o ponto?
Esses dados são usados ​​para criar carteiras (coleções de estratégias de negociação) que possuem certas expectativas, discriminadas por condições de mercado. Seria ótimo se soubéssemos com antecedência, com 100% de certeza de que o mercado ficaria mais alto em qualquer mês. Se esses dados fossem conhecidos, simplesmente deixávamos que a estratégia comercial de Momentum fosse executada e desligasse todas as outras estratégias. Or & ndash; simplesmente compre o S & amp; P 500 no início do mês & amp; vender no final do mês. Infelizmente, ninguém tem uma bola de cristal e, portanto, combinamos múltiplas estratégias de negociação, que quando trocadas juntas e ndash; tem uma expectativa de desempenho bom em TODAS as condições do mercado. Esta metodologia não oferece garantias, mas, em nossa opinião, empilha as chances melhor a nosso favor. Porque temos confiança na habilidade de carteiras completas para lidar com Strong Up, Sideways & amp; Mercados em movimento descendente, podemos permitir que o portfólio completo seja executado sem intervenção, não importa o que nós pensemos & rdquo; O mercado poderia fazer.
Estudo de Caso da Estratégia de Negociação Algorítmica Real: S & amp; P Crusher v2.
Este é o nosso portfólio principal, projetado para funcionar bem em todas as condições do mercado. Negocia todas as nossas sete estratégias de negociação e ndash; na tentativa de diversificar melhor sua conta. Como este gráfico demonstra, quando você camada em cada estratégia de negociação em um portfólio de negociação completo, você tem o que parece ser um robusto sistema de negociação algorítmico projetado para fazer bem se o mercado vai Up, Down ou Some where in between.
Veja mais informações sobre S & amp; P Crusher v2.
REGRA CFTC 4.41: Os resultados são baseados em resultados de desempenho simulados ou hipotéticos que possuem certas limitações inerentes. Ao contrário dos resultados apresentados em um registro de desempenho real, esses resultados não representam a negociação real. Além disso, como esses negócios não foram efetivamente executados, esses resultados podem ter uma compensação menor ou excessiva do impacto, se houver, de certos fatores do mercado, como a falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de serem projetados com o benefício de retrospectiva. Nenhuma representação está sendo feita que qualquer conta será ou será capaz de obter lucros ou perdas, como estas são mostradas.
As estratégias de chamadas cobertas e condores de ferro negociam opções de futuros. Backtesting um algoritmo de opções coloca muitos desafios devido às estimativas desconhecidas para o prémio coletado. Dependendo (entre outras coisas) da volatilidade do mercado, o prêmio coletado ao vender uma opção pode variar muito. Em geral, quanto maior a volatilidade, maior será a expectativa de coleta. Além disso, as Opções semanais de ES não estavam disponíveis para trocar durante todo o período de teste anterior. Para fornecer aos nossos clientes dados mais precisos, testados novamente, criamos estimativas de prémio discriminadas por Dia (Seg-Thu) e usamos uma tabela de consulta para vários intervalos do VIX (consulte a página do produto Iron Condor para obter detalhes ). Por favor, note que estas estimativas têm limitações significativas e os relatórios correspondentes que utilizam essas estimativas devem ser considerados muito menos do que perfeitos. Todos os back-testing têm limitações, no entanto, os algoritmos de opções testados de volta têm ainda mais em nossa opinião devido às imprecisões potenciais usadas na determinação de estimativas coletadas premium.
Esta Estratégia de Negociação é perfeita?
É a opinião de AlgorithmicTrading, que não existe um santo Graal de negociação e que não há coisas como uma estratégia de negociação perfeita. Todas as estratégias têm falhas e até que alguém projeta uma bola de cristal e ndash; haverá estresse & amp; emoções envolvidas na negociação. Com isso dito, é nossa experiência que esse tipo de metodologia de negociação e ndash; fundamentado em análise quantitativa real (não falando cabeças ou salas de negociação alto), proporciona uma sensação de alívio emocional quando se trata de negociação ativa.
Como todos os comerciantes sabem, o comércio é muito difícil e as emoções podem fazer com que todos façamos coisas irracionais. Nossa experiência é que alguns dos negócios mais estressantes são os que correm bem. Sua natureza humana quer bloquear lucros e ndash; mas os comerciantes estão familiarizados com sair muito cedo e observar o mercado continuar mais alto. Eles pulam de volta, querendo capturar mais ganhos apenas para ver o reverso do mercado. Eles mantêm o perdedor muito longo e acabam levando uma perda maior do que o esperado depois de mover suas paradas. Este processo se repete e é uma das razões pelas quais muitos comerciantes do dia falham.
Embora nossa metodologia não seja perfeita & ndash; nós fazemos perder trocas, perdendo meses e até mesmo perdendo trimestres às vezes, a negociação de múltiplas estratégias ajuda com um aspecto das emoções comerciais, ou seja, o medo de & ldquo; obter a direção do mercado & rdquo; errado. Os dados nos mostram que, mesmo com nossa metodologia de negociação, o mercado pode ser mais alto e o melhor mercado de torneios & londrinos estratégia de negociação que temos (Estratégia de Negociação Momentum) ainda pode levar perdas. No entanto, isso não deve ser a norma e, portanto, podemos descansar um pouco mais fácil, sabendo que temos um conjunto equilibrado de estratégias, pronto para (espero) executar, independentemente da direção em que o mercado decida seguir.
Como mencionado repetidamente, negociar futuros e opções não é para todos. Você só deve negociar com Capital de Risco. Se você estiver em dúvida, discuta nossas estratégias de negociação algorítmicas com um CTA registrado ou um Consultor de Investimento. Como desenvolvedor de sistema de negociação de terceiros, não estamos registrados no NFA como Consultores de Negociação de Mercadorias (reivindicamos a isenção de auto-execução do registro) e não podemos fornecer conselhos de investimento únicos para sua situação pessoal.

Construindo estratégias robustas.
Repetição de uma estratégia de negociação quantitativa é essencial para medir seu potencial, mas, como todos sabem, o desempenho passado não é necessariamente indicativo de resultados futuros.
A chave para determinar o desempenho de estratégias de papel bem-sucedidas é a sua robustez. A robustez na negociação é propriedade de uma estratégia de negociação para se adaptar ou suportar mudanças no mercado e, portanto, manter ganhos positivos. A verificação final da robustez de uma estratégia comercial é a negociação ao vivo. Isso leva tempo. Existe um método para testar a robustez de uma estratégia baseada apenas em dados passados? Possivelmente.
Os comerciantes quantitativos freqüentemente utilizam métodos estatísticos para avaliar a robustez de uma estratégia comercial.
Se a estratégia atende a certos critérios estatísticos, ela deve manter seu desempenho. Normalmente, esses critérios incluem requisitos para o número de negócios, distribuição de retornos comerciais e por um longo período de tempo. Várias métricas integrais, como uma forte relação Sharpe e Sortino também ajudam.
Mas, independentemente da complexidade dessas métricas, na maioria das vezes, o critério de avaliação de robustez chave pode ser reduzido a um requisito relativamente simples: que a distribuição dos retornos ao longo do tempo seja o mais linear possível. Isso significa que uma estratégia oferece um padrão de retorno semelhante durante um determinado período e, portanto, porque a estratégia funciona igualmente bem em diferentes ambientes de mercado, pode-se esperar que ele funcione bem quando o ambiente de mercado muda novamente no futuro.
Os oponentes desta abordagem sempre apontam para exemplos quando uma estratégia que funcionou perfeitamente em dados anteriores falha. Infelizmente, esses exemplos são numerosos e isso acrescenta à opinião de que nenhum dado de desempenho passado pode garantir o desempenho futuro.
Enquanto os dados passados ​​não podem garantir resultados futuros, existem maneiras melhores e piores de medir estratégias simuladas. O que precisamos adicionar à análise de robustez e a falta de métodos estatísticos mais puros é a análise do desempenho passado em relação aos processos de mercado explorados por esta estratégia e as mudanças no desempenho em relação às mudanças nesses processos de mercado.
Por exemplo, consideremos uma estratégia que utiliza ineficiências no mercado forex local, que ocorre regularmente em certos momentos graças a operações bancárias específicas (em torno de abertura, liquidação, compensação e assim por diante). Se o ambiente de mercado é estável, uma estratégia simples baseada no tempo pode funcionar bem. No entanto, se isso mudar, a performance da estratégia sofrerá. Para evitar reduções significativas, devemos saber quais fatores podem mudar o ambiente. Para o forex, isso poderia ser regras bancárias que alteram as operações bancárias estabelecidas. No final de 2012, no início de 2013, as estratégias construídas antes das mudanças de regras podem não funcionar, e não por causa das estatísticas de backtest.
Mesmo em desenvolvimento, é possível testar uma estratégia com dados históricos suficientes que se referem a um ambiente de mercado semelhante na história. Embora não houvesse uma semelhança estrita entre qualquer alteração passada nos regulamentos e nos processos de hoje, durante 2006-2007, mudanças significativas semelhantes poderiam ser observadas. Portanto, testar uma estratégia durante esse período teria fornecido uma idéia sobre o possível desempenho quando os regulamentos sofrerem novas mudanças.
Uma curva de equidade fraca durante 2006-2007 seria o conceito da estratégia, em vez de significar uma falha em sua lógica. E uma tentativa de ajustar a estratégia a todos os dados históricos conhecidos, incluindo o período em que não deve funcionar por design, irá enfraquecê-lo devido ao ajuste da curva.
Os métodos estatísticos de avaliação da robustez não são suficientes para produzir um prognóstico mais ou menos útil do desempenho futuro. É essencial começar com a compreensão das razões pelas quais uma determinada estratégia ganha dinheiro; os processos reais e físicos do mercado que são explorados por esta estratégia. Então, sabendo os fatores que podem afetar esses processos de mercado e sabendo como fatores semelhantes afetaram o mercado no passado, teremos uma melhor avaliação da robustez da estratégia. Entender por que a estratégia ganha dinheiro nos permite parar de negociar essa estratégia em estágios iniciais quando o ambiente de mercado com o qual a estratégia tenha sido bem sucedida provavelmente mudará e, portanto, não produzirá resultados positivos.
Desse ponto de vista, uma estratégia aceitável pode exibir uma curva de equidade desagradável, mas ao mesmo tempo pode ser bastante robusta em termos de capacidade de trabalhar nas condições de mercado corretas no futuro. E a suavidade dos retornos dentro deste modelo é alcançada identificando as melhores condições de mercado em que trabalha e empregando-as naqueles tempos.
Ao combinar análise quantitativa e qualitativa, você pode construir e executar modelos robustos e duradouros.
Sobre o autor.
Alex Krishtop é especialista em negociação sistemática e automatizada. Ele é o diretor de educação da Algorithmic Traders Association e realiza um curso educacional exclusivo em negociação sistemática. atassn.

Uma estratégia robusta versus uma estratégia de robô.
Existem várias opções abertas para novos comerciantes que procuram uma rota para negociação. Eles podem se inscrever para um sistema de robôs, eles podem ensinar-se através de tentativa e erro, ou podem aprender com comerciantes mais experientes.
Robot Strategies.
As estratégias de robô vêm com muitos nomes: caixa preta, algorítmica ou cópia comercial para citar alguns. A única coisa que eles têm em comum é que você não saberá completamente como os sinais são gerados. Você depende do desempenho do passado para prever o sucesso futuro e se a estratégia deixar de funcionar, você não tem idéia do que reduzir para esperar antes de começar a funcionar de novo.
Ocasionalmente, você tem dados vagos sobre os tipos de condições de mercado apropriadas para a implementação bem-sucedida da estratégia. E você pode até saber quais os indicadores de mercado & # 8211; embora não as configurações & # 8211; são usados ​​para criar os sinais.
Os sistemas algorítmicos são geralmente aqueles que são gerados a partir de programas de computador & # 8211; embora na realidade qualquer conjunto sistemático de regras seja tecnicamente um algoritmo.
Esses sistemas são rigorosamente testados para obter os maiores lucros # 8211; mas a um custo. E o custo não é necessariamente nas taxas mensais ou mensais cobradas (que podem variar de algumas centenas de dólares a muitos milhares de dólares).
Existem duas principais desvantagens para o comércio de robôs:
A maioria das estratégias de robôs são vigorosamente testadas e # 8211; às vezes com mais de 10 anos de dados, mas muitas vezes muito menos. Será muito preciso, mas esta também é a sua fraqueza "# 8211; Para obter o maior lucro dos mercados, o algoritmo será ajustado continuamente para se ajustar aos dados de volta. Isso é chamado de ajuste de curva. Qualquer um que tenha mesmo uma pequena quantidade de conhecimento comercial sabe que é fácil, com retrospectiva, ver os melhores lugares para entrar e sair de negócios. É saber o que fazer NESTE MOMENTO que apresenta desafios.
Se o algoritmo for criado usando dados de um mercado robusto forte, por exemplo, pode não ser lucrativo se o mercado cair ou reverter para um mercado ostentoso. Mas se não lhe disseram quais as condições são ótimas para o algoritmo, como você sabe quando parar de usá-lo?
A segunda fraqueza dos sistemas de robô são os analistas. Embora a maioria dos sistemas se origine com a estratégia comprovada de um comerciante, ele terá que ser modificado de alguma forma para abordar o volume de negócios que ele irá gerar. Uma vez que entra nas mãos dos analistas, no entanto, isso inevitavelmente mudará sua natureza. Os analistas são analistas # 8211; não necessariamente comerciantes. Para lucros ótimos, por exemplo, eles podem decidir que uma redução de 90% é aceitável para um retorno de 100%. Há muito poucos comerciantes que achariam isso aceitável # 8211; em teoria sim, mas, na prática, seria muito difícil manter essa sucessão de negociações perdidas.
TDT Dica: se você está interessado em ser um comerciante, você deve aprender como negociar. Seguindo, cegamente, alguém se esforça para a estratégia # 8211; com sua única decisão de copiar ou não "# 8211" não vai fazer você um comerciante. Você é dependente desse sistema para continuar fornecendo para você para sempre.
Estratégias robustas.
Uma estratégia robusta é aquela em que você entende seus componentes, está comprovada para funcionar e você está confortável em implementá-lo.
Se você entender completamente sua estratégia e como ela é construída, você saberá como ela reagirá a determinadas condições de mercado e, se necessário, quando desligá-la e ficar de lado no mercado.
Uma pedra de tropeço para muitos comerciantes novos, que seguem esta rota, é que, embora entendam a construção de sua estratégia, podem não entender os componentes. Por exemplo, o Stochastic é um indicador de gráficos popular, mas você poderia explicar como é calculado & # 8211; para um leigo & # 8211; em apenas 20 palavras? No entanto, milhares de comerciantes dependem desse indicador para entrar em & # 8211; e fora # 8211; de trades todos os dias (ou mesmo várias vezes por dia!).
Dica TDT: estratégias de negociação simples são mais eficazes do que estratégias complicadas. Leia o meu artigo "O seu quadro está iluminado como uma árvore de Natal?".
Se você não entende como um indicador é calculado, então você deve evitar usá-lo. A confiança na sua estratégia é essencial para negociação bem-sucedida.
Se você estiver usando a estratégia de outro comerciante (com sua permissão, é claro!) Você deve ter acesso total a como funciona & # 8211; e aproveite o tempo para compreendê-lo completamente e todos os seus componentes.
Normalmente, ao usar pela primeira vez a estratégia de alguém, você começa com fé completa. Afinal, pertence a alguém que ganhou dinheiro usando isso. Mas se você não aproveitar o tempo para entender como funciona na sua totalidade, depois de um tempo, # 8211; ou algumas trocas perdidas & # 8211; você começará a duvidar da sua eficácia.
Você deve ser claro quanto às condições de mercado que foi projetado para & # 8211; não existe uma estratégia genérica que possa funcionar independentemente, então você deve se certificar de que você entende isso. Finalmente, você deve implementá-lo corretamente. Você pode precisar de suporte contínuo para isso, por isso tenha isso em mente no início.
Pense cuidadosamente em usar a estratégia de outro comerciante. Certifique-se de que sua filosofia está em linha com a deles. FYI "Get Rich Quick" não é uma filosofia válida. Pense muito sobre seus objetivos de longo prazo e os retornos mínimos que são aceitáveis ​​para você. Seja realista em quanto tempo demorará para dominar tanto você quanto os mercados.
Conclusão.
O comércio não é fácil, mas é simples, embora muitas vezes seja complicado. Compreender plenamente sua estratégia de negociação é um componente essencial da negociação bem sucedida para comerciantes privados. Ganhe uma vantagem comercial ao aprender seus componentes de estratégia, as condições de mercado ótimas em que funciona e quando é melhor deixar de lado para preservar seu capital.
Desejando-lhe todas as negociações bem sucedidas e # 8230;
Sobre Anne Chapman.
Trackbacks / Pingbacks.
Jay - 24 de outubro de 2014.
Testemunhos.
Meu nome é Soodi Eu recebi um curso intenso e sem sentido sobre como negociar ações e moedas por Javid. Eu já tinha tido experiências ruins de perder dinheiro com mais de £ 20,000.00. Apesar disso, eu estava disposto a aprender a negociar corretamente. Não tive treinamento prévio. Eu apenas segui a TV e os jornais para "dicas". Fui apresentado a Javid há cerca de 3 meses e me deu um curso intensivo com suporte continuado. Eu achei os métodos de ensino de Javid extremamente fáceis. É uma questão de alguém disposto a se sentar com você e passar pelo trabalho passo a passo. Ele também ensina você disciplina e gerenciamento de dinheiro, todos eles são parte da negociação. Desde que comecei com a Javid, comecei ativamente a negociar e obteve lucros de £ 17.860,00.
Gostaria de agradecer a Javid por todo o apoio e orientação que ele me deu. Ele me deu o conhecimento e as ferramentas para minha segurança financeira para o futuro. Depende de mim como uso esse conhecimento.
Com consistentemente, comecei a usar o Mobo no início do mês e foi minha melhor negociação a partir de uma perspectiva de resultados até o momento. Eu não gasto mais de 1 hora por dia, alguns dias apenas 15 minutos negociando e é uma delícia totalmente livre de estresse. Eu praticamente não tenho nenhum apego aos negócios, então eu posso tomar decisões de forma muito mecânica e simplesmente seguir minhas regras. Eu não penso em meus negócios durante o dia, quase me esqueço até chegar em casa.
Stress Free Trading.
Meu marido e eu agora só negociamos quando as condições de mercado nos permitem comercializar tendências, negociando com a lógica Smart Money. Entre maio de 2012 e agosto de 2012, coletamos com sucesso mais de 15.000 pips em vários negócios dentro dos mercados Forex. Não estamos mais interessados ​​em negociar ou tentar negociar mercados consolidados. Aprendemos e experimentamos que esta é uma maneira muito fútil de negociar.
Sital e Sanjay Lachhani.
Não há mais consolidações.
© 2017 The Dynamic Trader. Todos os direitos reservados.
Tradutor dinâmico. Fetcham Park, Lower Road, Fetcham. Surrey. KT22 9HD.