taxa de compartilhamento do sistema de negociação
Obter através da App Store Leia esta publicação em nosso aplicativo!
O que é um Razão Sharpe aceitável para uma mesa de apoio?
Qual deve ser o valor de uma Razão de Sharpe para uma estratégia quantitativa intradiária a ser aceita por uma mesa de apoio do banco ou hedge fund? Vamos assumir que os retornos são mudanças diárias no patrimônio da conta, perto de fechar.
Um índice de Sharpe de pelo menos 1 em backtesting é um começo promissor, mas essa é apenas uma das muitas estatísticas de interesse. A taxa de Sharpe mede o retorno por unidade de volatilidade, ou seja, retorno por unidade de risco. Algumas outras medidas importantes de Sharpe com diferentes definições de risco incluem:
Retorno por unidade de rotatividade (também conhecido como rendimento): uma estratégia de alto rendimento é mais desejável de muitas maneiras, uma vez que também pode exigir menos liquidez, ter menos impacto no mercado e ser menos sensível aos erros de modelagem de custos de transação ou mudanças no regime futuro nos custos de transação. Custos de transação de retorno por unidade: semelhante ao rendimento, isso dá uma indicação de como o desempenho da estratégia é sensível aos erros no modelo de custo de transação e mostra quanto de um buffer alfa está disponível para custos que podem ser difíceis ou difíceis de capturar em backtesting. Retorno por unidade de exposição de ativos max / avg: Uma estratégia que é mais diversificada em ativos é menos sensível ao risco de evento e é mais provável que tenha maior capacidade. Retorno por unidade de redução máxima: Drawdown é de muitas maneiras uma melhor medida de risco em comparação com a volatilidade. Hoje em dia, a volatilidade gaussiana não é susceptível de acabar com a estratégia, enquanto um período sustentado de perdas será. A alavancagem de uma estratégia provavelmente será recuada da redução máxima, com base em quanto o fundo está disposto a perder.
Além disso, qualquer um desses números geralmente não é calculado apenas para todo o período de backtest, mas é mostrado em uma base contínua, para mostrar a consistência do desempenho ao longo do tempo, ou seja, o desempenho não é apenas devido a alguns negócios de sorte .
A relação de Sharpe necessária depende fortemente de se você está se referindo a lucros reais ou a uma simulação. Para os resultados reais, um Sharpe de 1+ durante mais de 12 meses é provavelmente o mínimo. Se a estratégia comercializa mercados líquidos em tempos líquidos, de modo que ele possa ser ampliado para gerar grandes receitas, então, tudo mais sendo igual, é mais atraente. Isto está assumindo que, por via intradía, você quer dizer apenas alguns negócios por dia. Se é uma estratégia de alta freqüência virando centenas ou milhares de vezes por dia, então Sharpe provavelmente precisará estar acima de quatro. Para estratégias de alta freqüência, se a estratégia funcionar, o Sharpe geralmente é bastante alto, rotineiramente acima de dez. Portanto, as grandes empresas examinarão a capacidade. Ou seja, a quantidade total de receita que pode ser gerada a partir da estratégia. Não há muita diferença prática entre uma estratégia Sharpe 10 e Sharpe 20, pois esta não pode gerar receita adicional.
As simulações são uma questão diferente. Muitas empresas não contratam comerciantes com base em resultados puramente anteriores, independentemente de Sharpe. Para invadir um backtest, você precisará de (1) credenciais fortes, (2) uma história realmente boa para acompanhar o backtest ou (3) experiência em outra empresa que seja um pouco bem sucedida.
Tenha em mente que estou falando sobre empresas respeitáveis aqui. Há um monte de duas empresas de bit lá fora que vai contratar alguém fora da rua e deixá-los começar a negociar com pequenos limites. Essas empresas não oferecerão muito no treinamento ou na infraestrutura.
Uh-oh, movimento errado.
Não há nenhum ponto em olhar Sharpe aqui.
Para um grande banco, seu trabalho é, em geral, maximizar o lucro bruto da sua mesa, porque a empresa atinge a diversificação no nível operacional (em todas as unidades de negócios).
Parece que você está pensando especificamente sobre o índice de Sharpe de negociação de baixa latência. Nesses casos, chega a um ponto em que você tem estratégias suficientes que você acabou de chamar de "Sharpe infinito" e comece a se preocupar com suas despesas.
QuantStart.
Junte-se ao portal de membros privados da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento. Você encontrará um grupo bem informado de mentalistas quant pronto para responder suas perguntas comerciais mais importantes.
Confira meu ebook sobre o comércio de quant, onde eu ensino você como criar estratégias de negociação sistemáticas lucrativas com ferramentas Python, desde o início.
Dê uma olhada no meu novo ebook sobre estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas bayesianas, com Python e R.
Por Michael Halls-Moore em 29 de maio de 2013.
Ao realizar uma estratégia de negociação algorítmica, é tentador considerar o retorno anualizado como a métrica de desempenho mais útil. No entanto, existem muitas falhas com o uso desta medida isoladamente. O cálculo dos retornos para certas estratégias não é completamente direto. Isto é especialmente verdadeiro para estratégias que não são direcionais, como variantes neutras do mercado ou estratégias que utilizam alavancagem. Esses fatores tornam difícil comparar duas estratégias baseadas unicamente em seus retornos.
Além disso, se forem apresentadas duas estratégias que possuem retornos idênticos, como sabemos qual contém mais risco? Além disso, o que queremos dizer mesmo por "mais risco"? Em finanças, muitas vezes estamos preocupados com a volatilidade dos retornos e períodos de redução. Assim, se uma dessas estratégias tiver uma volatilidade significativamente maior de retornos, é provável que seja menos atraente, apesar de seus retornos históricos serem semelhantes, se não idênticos.
Esses problemas de comparação de estratégias e avaliação de risco motivam o uso do Ratio Sharpe.
Definição da Ratia Sharpe.
William Forsyth Sharpe é um economista vencedor do Prêmio Nobel, que ajudou a criar o Modelo de Preços de Ativos de Capital (CAPM) e desenvolveu a Razão Sharpe em 1966 (mais tarde atualizada em 1994).
A Ratio Sharpe $ S $ é definida pela seguinte relação:
Onde $ R_a $ é o retorno do período do ativo ou estratégia e $ R_b $ é o retorno do período de um benchmark adequado.
A relação compara a média média dos retornos excessivos do ativo ou da estratégia com o desvio padrão desses retornos. Assim, uma menor volatilidade de retornos levará a uma maior razão de Sharpe, assumindo retornos idênticos.
A "Relação Sharpe", frequentemente citada por aqueles que realizam estratégias de negociação, é o Sharpe anualizado, cujo cálculo depende do período de negociação do qual os retornos são mensurados. Supondo que há $ N $ períodos de negociação em um ano, o Sharpe anualizado é calculado da seguinte forma:
Note-se que a relação de Sharpe em si DEVE ser calculada com base no Sharpe desse tipo de período de tempo específico. Para uma estratégia baseada no período de negociação de dias, $ N = 252 $ (pois existem 252 dias de negociação em um ano e não 365) e $ R_a $, $ R_b $ devem ser os retornos diários. Da mesma forma, por horas $ N = 252 \ times 6,5 = 1638 $, não $ N = 252 \ times 24 = 6048 $, uma vez que há apenas 6,5 horas em um dia de negociação.
Inclusão de referência.
A fórmula para a relação Sharpe acima alude ao uso de um benchmark. Um benchmark é usado como um "padrão" ou um "obstáculo" que uma estratégia específica deve superar para que valha a pena considerar. Por exemplo, uma estratégia simples de longo tempo usando ações de grandes capitais dos EUA deve esperar vencer o índice S & P500 em média, ou combiná-lo por menor volatilidade.
A escolha do benchmark às vezes não pode ser clara. Por exemplo, um setor Exhange Traded Fund (ETF) deve ser utilizado como um benchmark de desempenho para ações individuais ou o próprio S & P500? Por que não o Russell 3000? Do mesmo modo, uma estratégia de fundos de hedge deve se comparar com um índice de mercado ou um índice de outros fundos de hedge? Existe também a complicação da "taxa livre de risco". Os títulos do governo doméstico devem ser usados? Uma cesta de títulos internacionais? Contas de curto prazo ou de longo prazo? Uma mistura? Claramente, há muitas maneiras de escolher uma referência! A taxa de Sharpe geralmente utiliza a taxa livre de risco e, muitas vezes, para as estratégias de ações dos EUA, esta é baseada em contas do Tesouro do governo de 10 anos.
Em um caso específico, para estratégias neutras do mercado, há uma complicação particular sobre se deve usar a taxa livre de risco ou zero como referência. O próprio índice de mercado não deve ser utilizado, pois a estratégia é, por design, neutra em termos de mercado. A escolha correta para um portfólio neutro para o mercado não é subtrair a taxa livre de risco porque é autofinanciada. Uma vez que você ganha um interesse de crédito, $ R_f $, de manter uma margem, o cálculo real para retornos é: $ (R_a + R_f) - R_f = R_a $. Portanto, não há subtração real da taxa livre de risco para estratégias neutras em dólares.
Limitações.
Apesar da prevalência da relação de Sharpe dentro das finanças quantitativas, sofre de algumas limitações.
Em primeiro lugar, a relação de Sharpe está atrasada. Ele apenas explica a distribuição e a volatilidade dos retornos históricos, e não as que ocorrem no futuro. Ao fazer julgamentos com base na relação de Sharpe, existe uma suposição implícita de que o passado será semelhante ao futuro. Evidentemente, nem sempre é esse o caso, particularmente sob mudanças de regime de mercado.
O cálculo da razão Sharpe assume que os retornos que estão sendo usados são normalmente distribuídos (ou seja, Gaussian). Infelizmente, os mercados geralmente sofrem de uma cursite acima da de uma distribuição normal. Essencialmente, a distribuição dos retornos tem "caudas mais gordas" e, portanto, os eventos extremos são mais prováveis de ocorrer do que uma distribuição Gaussiana nos levaria a acreditar. Portanto, o índice Sharpe é fraco ao caracterizar o risco de cauda.
Isso pode ser visto claramente em estratégias que são altamente propensas a tais riscos. Por exemplo, a venda de opções de chamadas (também conhecido como "centavos sob um rolo a vapor"). Um fluxo constante de prémios de opções são gerados pela venda de opções de chamadas ao longo do tempo, levando a uma baixa volatilidade de retornos, com um forte excesso acima de um benchmark. Neste caso, a estratégia teria uma alta relação Sharpe (com base em dados históricos). No entanto, não leva em conta que tais opções podem ser chamadas, levando a retiradas significativas e súbitas (ou mesmo eliminação) na curva patrimonial. Assim, como com qualquer medida da performance da estratégia de negociação algorítmica, a relação Sharpe não pode ser usada isoladamente.
Embora este ponto possa parecer óbvio para alguns, os custos de transação DEVEM ser incluídos no cálculo da relação de Sharpe para que ele seja realista. Existem inúmeros exemplos de estratégias de negociação que possuem alta Sharpes (e, portanto, uma probabilidade de grande rentabilidade) apenas sejam reduzidas a baixas estratégias de rentabilidade de Sharpe, uma vez que os custos realistas foram tidos em conta. Isso significa fazer uso dos retornos líquidos ao calcular em excesso do benchmark. Por conseguinte, os custos de transacção devem ser tidos em conta a montante do cálculo do rácio Sharpe.
Uso Prático e Exemplos.
Uma questão óbvia que permaneceu sem resposta até agora neste artigo é "O que é um bom Ratio de Sharpe para uma estratégia?". Pragmaticamente, você deve ignorar qualquer estratégia que possua uma relação anual Sharpe $ S & lt 1 $ após os custos de transação. Os fundos de hedge quantitativos tendem a ignorar quaisquer estratégias que possuam rácios de Sharpe $ S & lt; 2 $. Um fundo de hedge quantitativo prominente com o qual eu conheço nem sequer consideraria estratégias que possuíam Rácios de Sharpe $ S & lt 3 $ em pesquisa. Como comerciante algorítmico de varejo, se você conseguir uma relação Sharpe $ S & gt2 $, então você está indo muito bem.
O índice de Sharpe aumentará frequentemente com a frequência de negociação. Algumas estratégias de alta freqüência terão taxas de Sharpe altas únicas (e às vezes baixas), pois podem ser lucrativas quase todos os dias e certamente todos os meses. Essas estratégias raramente sofrem de risco catastrófico e, portanto, minimizam sua volatilidade de retorno, o que leva a altos índices de Sharpe.
Exemplos de Ratios de Sharpe.
Este foi um artigo bastante teórico até este ponto. Agora, vamos voltar a atenção para alguns exemplos reais. Começaremos simplesmente, considerando uma compra e retenção única de um capital individual, então considere uma estratégia neutra em termos de mercado. Ambos os exemplos foram realizados na biblioteca de análise de dados pandas Python.
A primeira tarefa é realmente obter os dados e colocá-lo em um objeto DataFrame de pandas. No artigo sobre a implementação mestre de títulos em Python e MySQL criei um sistema para alcançar isso. Alternativamente, podemos usar esse código mais simples para capturar dados do Yahoo Finance diretamente e colocá-lo diretamente em um pandill DataFrame. Na parte inferior deste script, criei uma função para calcular a relação Sharpe anualizada com base em um fluxo de retorno do período de tempo:
Agora que temos a capacidade de obter dados do Yahoo Finance e calcular diretamente o índice Sharpe anualizado, podemos testar uma estratégia de compra e retenção para duas ações. Usaremos Google (GOOG) e Goldman Sachs (GS) de 1 de janeiro de 2000 a 29 de maio de 2013 (quando escrevi este artigo!).
Podemos criar uma função auxiliadora adicional que nos permite ver rapidamente o Sharpe de compra e retenção em várias ações para o mesmo período (codificado):
Para o Google, o índice de Sharpe para comprar e manter é 0.7501. Para Goldman Sachs é 0.2178:
Agora, podemos tentar o mesmo cálculo para uma estratégia neutra do mercado. O objetivo desta estratégia é isolar completamente o desempenho de uma determinada equidade do mercado em geral. A maneira mais simples de conseguir isso é percorrer um montante igual (em dólares) de um Fundo Negociado de Câmbio (ETF) que é projetado para rastrear esse mercado. A escolha mais oculta para o mercado de ações de grandes capitais dos EUA é o índice S & P500, que é rastreado pelo SPDR ETF, com o ticker da SPY.
Para calcular o índice anualizado de Sharpe de tal estratégia, obteremos os preços históricos da SPY e calcularemos os retornos percentuais de forma similar às ações anteriores, com a exceção de que não usaremos a referência de risco livre. Nós calcularemos os retornos diários líquidos que exigem a subtração da diferença entre os retornos curtos e curtos e, em seguida, dividindo-se por 2, já que temos duas vezes mais capital comercial. Aqui está o código Python / pandas para realizar isso:
Para o Google, a relação de Sharpe para a estratégia de longo prazo / curto-mercado neutro é 0.7597. Para Goldman Sachs é 0,2999:
Apesar de a relação Sharpe estar sendo utilizada em quase todos os lugares em negociação algorítmica, precisamos considerar outras métricas de desempenho e risco. Em artigos posteriores, discutiremos os levantamentos e como eles afetam a decisão de executar uma estratégia ou não.
Apenas iniciando o comércio quantitativo?
3 razões para se inscrever na QuantStart List:
1. Quant Trading Lessons.
Você terá acesso instantâneo a um curso gratuito de 10 partes, com sugestões e dicas para ajudá-lo a começar a negociação quantitativa!
2. Todo o conteúdo mais recente.
Todas as semanas, vou enviar-lhe um envoltório de todas as atividades no QuantStart para que você nunca mais perca uma postagem novamente.
Real, dicas de negociação viáveis, sem tonturas.
Negociação quantitativa.
Investimentos quantitativos e idéias comerciais, pesquisas e análises.
Quinta-feira, 29 de novembro de 2012.
A Importância de 2 (como Sharpe Ratio)
84 comentários:
Obrigado pela postagem.
Você pode deduzir da equação 7.7 do documento da Thorp.
A equação é uma aproximação de primeira ordem para o caso especial que p = q = 0,5. Então, ele assume r = 0. Conclusão: inútil. Não entendi toda a emoção. A menos que eu não saiba algo que vocês fazem. Nesse caso, concedo antecipadamente. Obrigado.
1) No que diz respeito a p = q = 0,5, não há tais pressupostos quando se olha para o caso de financiamento contínuo (ou seja, se você assume que os preços e os retornos são variáveis contínuas). Os parâmetros p e q só são aplicáveis se você assumir apostas discretas, o que não é relevante quando mantemos uma posição de segurança continuamente. A seção 7 é a seção relevante do artigo.
Eu ainda acho que o resultado é para uma aproximação contínua com P (X = m + s) = P (X = m & # 8722; s) = 0,5. Veja a seção 7.1. Observe que sua afirmação "Qualquer variável aleatória delimitada com E médio (X) = m e.
variância Var (X) = s2 levará ao mesmo resultado " aplica-se se, e somente se, P = 0.5 como na linha 27 da página 22, ele tomou o valor esperado de G (f) e usou a suposição para obter a equação 7.2.
Claro, toda a discussão baseia-se no pressuposto de que a distribuição dos retornos é gaussiana, o que dá origem a P (X = m + s) = P (X = m & # 8722; s). (Mas eu não acredito que isso seja igual a 2 para um gaussiano.)
Após a crise de 2008 e os raros eventos que criou, não tenho certeza de que a metade da Kelly seja boa. Imagine o que aconteceria com você se você estivesse investido meio Kelly antes da crise com alavanca zero. Independentemente disso, o resultado g = S ^ 2/2 é uma simplificação excessiva que se mantém apenas para retornos normalmente distribuídos (eu ainda não vi nenhum) e superestimou Kelly em pelo menos uma fração de 2. Eu chamo isso de resultado inútil para todos os fins práticos. Se você diluir de outra forma, gostaria de ouvir o seu ponto de vista.
Eu não entendo o que você quer dizer com "se você tivesse sido investido meio Kelly antes da crise com alavancagem zero mesmo". - se você for investido na metade da Kelly, você não ganhou força de alavanca zero.
Mas, mantendo qualquer estoque, você não conhece sua alavanca verdadeira inerente. Se eu tiver um método de negociação para um ETF 3X que seja lucrativo de 60% para determinado alvo e pare porque a alavanca ETF faz alguma diferença? Quero dizer, o índice de Kelly é o retorno esperado sobre a perda média, em essência. Não vejo como isso é relacionado à alavancagem. Você tem um artigo sobre isso? Obrigado.
Quando eu disse que 3x está acima da alavanca de Kelly para um ETF, eu estou me referindo a uma estratégia de compra e retenção para esse ETF. Se, em vez disso, você é negociador de dia (por exemplo), a alavancagem da Kelly será determinada pelo retorno médio e a volatilidade dessa estratégia de negociação no dia, e poderia muito bem ter mais de 3 anos.
Parece que a alavancagem ideal em uma estratégia de compra e retenção depende do caminho. Você não pode conhecer a fração ótima, mas somente após o fim do período de compra e retenção, a menos que você assuma retornos gaussianos perfeitos e média estacionária e desvio padrão. Nada disso é verdadeiro ou conhecido e essa discussão é, na minha opinião, inútil. Você pode estar superestimando ou subestimando a alavancagem ideal por um fator enorme que faz tais pressupostos. O re-alavancagem contínua viola a suposição de compra e retenção porque introduz o tempo e não pode explicar a ascensão repentina nas distribuições, como o colapso de 2008 e pode levar à ruína com alavancagem incorreta. Eu acho que você foi apontado para esses problemas como acabei de descobrir em uma publicação que você teve em 2006.
epchan. blogspot. gr/2006/10/how-much-leverage-should-you-use. html, mas você continua pressionando essas idéias. Você faz exatamente o que Taleb rotula um grave erro ao usar a distribuição normal como um guia. Nem mesmo f / 2 irá salvá-lo, porque isso é arbitrário e o número correto pode ser f / 6 ou f / 8, você sabe disso somente após o fato. Obrigado.
1) Otimizar qualquer coisa (não apenas alavancagem) em finanças e, de fato, para qualquer sistema estatístico (como reconhecimento de fala ou imagem), pode ser dito dependente do caminho, uma vez que, claro, o verdadeiro ótimo é conhecido somente após o fato. Mas você está faltando o ponto sobre modelagem probabilística em finanças ou em qualquer sistema estatístico. O ponto é o que é o melhor que você pode fazer antes do fato. Se você propõe um modelo melhor do que Gaussiano, então todo o poder para você, mas ainda será sub-ótimo após o fato. Isso, no entanto, não significa que você não se beneficie do modelo, porque você pode usar isso para executar o próximo comerciante que tem um modelo pior.
Quando exatamente o seu novo livro está sendo divulgado. A única menção que eu vi foi nos seus comentários. Eu assumi 2013, mas a data de lançamento ainda está configurada? Obrigado.
Deveria estar no meio de 2013.
Você é bem-vindo às minhas respostas - a discussão de ida e volta é o objetivo deste blog.
Oi novamente, este é o primeiro anon. Você disse:
Na verdade, acho que o teste de hipóteses em backtests é um conceito escorregadio, porque realmente depende do que é sua hipótese nula.
O índice Kelly que você referiu aplica-se apenas a apostas discretas.
Claro, se os resíduos estão estacionários, eles são negociáveis. Mas não vejo por que o teste de Johansen indicaria o contrário.
Ernie, você escreveu:
Eu discordo da sua afirmação de que uma alavancagem de mais de 2 é inerentemente perigosa. Nós sempre implementamos alavancagem maior do que isso desde julho de 2008, e ainda estamos nos negócios.
Obrigado pela sua discussão também.
Na maioria dos casos, você não deve ajustar os dados para eliminar a lacuna, uma vez que, se mantivermos uma posição durante a noite, realmente sofreremos essa lacuna.
Sim, acho que você pode tentar ajustes de intervalo para esse tipo de teste.
1) Se o seu portfólio tiver um limite de mercado grande, então você não deve usar coeficientes arredondados. Número arredondado de ações, sim, mas não coeficientes.
Eu não acredito que a Etrade oferece uma API para negociação automatizada, enquanto a IB oferece uma ampla gama de tais interfaces. Pelo menos, é verdade quando eu verifiquei a Etrade pela última vez. As coisas são diferentes agora?
Obrigado pela atualização sobre o Etrade.
Parece bastante fácil de usar, mas pode não oferecer a gama completa das funcionalidades que a IB API oferece (como a capacidade de enviar ordens de propagação).
No entanto, vale a pena experimentar!
Sim, a média sobre várias opções de parâmetros é uma forma de tornar-se sem parâmetros.
Sim, a curto prazo significa reverter as estratégias de FX bastante bem este ano. Não consigo calcular os retornos não alavancados, uma vez que os cálculos de nossos retornos são alavancados e agregados.
Eu concordo com o seu raciocínio e também não entendo a queda dos preços. Talvez outros leitores tenham mais uma visão sobre isso?
Oi, sou novo; apenas leia seu livro. Em relação ao MATLAB (essa é a sua escolha preferida); Existe alguma opção mais nova? E quanto ao MATHEMATICA?
Mathematica é mais útil para cálculos simbólicos, não tanto para os cálculos numéricos, orientados a matriz, usados frequentemente em backtesting.
Oi! Desculpe, por uma pergunta não relacionada ao assunto: Você teve expirience com Blackwood API (FUSION)? Ou onde eu posso encontrar exemplos para isso? Encontre o google, mas não há informações sobre como usá-lo. Obrigado!
Não, eu também não ouvi falar de Blackwood.
Oi, Ernie e Nedzad,
Se o seu objetivo é maximizar o crescimento a longo prazo, o número importante a considerar é a relação de Sharpe, assumindo que você está usando uma alavanca recomendada pela fórmula de Kelly. Em outras palavras, você deve considerar a relação entre retornos e riscos, e não cada número separadamente.
Normalmente, armazeno meus dados como arquivos de texto para que qualquer software possa recuperá-los. Não há necessidade de banco de dados, uma vez que a estrutura é direta e normalmente não precisamos procurar itens específicos em um backtest.
Sim, eu tenho arquivos separados para cada símbolo. Os arquivos não são grandes se você estiver usando apenas dados diários. Para dados intradiários, você pode ter que dividi-los em períodos mais curtos.
Uma vez que o tópico da co-integração entrou nesse tópico, aqui está outra questão sobre este tópico.
Se você olhar para um ETF e seu maior componente (ou uma combinação linear de seus maiores componentes), você poderia imaginar que eles poderiam ser co-integrados, pois as variações no componente maior tendem a fazer com que o ETF varia de maneira semelhante . O comportamento dos componentes menores seria apenas fornecer "ruído aleatório". Você vê algum problema com base em uma estratégia de negociação de spread em um ETF e um ou mais de seus componentes?
Sim, essa é uma estratégia possível. Eu discuti um semelhante em epchan. blogspot. ca/2007/02/in-looking-for-pairs-of-financial. html.
Uma pergunta rápida para você (eu acho). Eu leio seu primeiro livro e gostei muito, por sinal, e estou ansioso para o segundo.
Desenvolvemos o que sentimos é uma estratégia intradía bastante robusta que identifica oportunidades de sobrevoo / compra de curto prazo. Com isso, sinto que a nossa equipa pode ter um pouco de vantagem e decidiu executá-lo contra um portfólio de instrumentos completamente diferentes e os resultados ainda eram impressionantes em melhor que 70% da amostra.
É razoável para mim concluir que isso é um bom teste fora da amostra? Ou é absolutamente essencial fazer um avanço nesse assunto. Além disso, realizamos uma série de simulações de Monte Carlo que apresentaram resultados favoráveis.
O fato de você ter executado sua estratégia de forma lucrativa em ações fora da amostra é encorajador. No entanto, isso não evita a necessidade de testes walk-forward. Pode haver correlações entre ações durante o mesmo período de tempo que permitem que sua estratégia funcione bem em muitos deles, mas não necessariamente em um período diferente.
Ernie, obrigado pela resposta. Nós seguimos adiante com a caminhada adiante como você sugere.
Aprecie a resposta.
Se você quiser calcular os retornos não alavancados (adequado para a entrada da fórmula de Kelly), o denominador deve ser o valor de mercado do contrato. Em ES, isso é $ 1550 * 50:
E se eu estiver calculando a relação de forma anualizada e estou usando mais de 252 dias de retorno. Parece, neste caso, meu desvio padrão seria grande, uma vez que vem de mais de 252 dias de retornos. Então eu multiplicaria por sqrt (dias), onde dias poderiam ser & gt; 252?
Você deve estar calculando o desvio padrão dos retornos diários, portanto, não importa o tamanho da amostra do backtest. Para anualizar o desvio padrão, você precisa apenas multiplicar o SD diário por sqrt (252).
Sim, se você retornar em média somente nos dias de negociação, devemos multiplicar por 252 para anualizar. Se você retornar média em dias de calendário, você deve multiplicar por 365.
Você geralmente pode assumir um custo de transação de cerca de 5bps, talvez um pouco menor para o FX. Consulte o Exemplo de Negociação Quantitativa 3.7 para a maneira geral de inserir o custo da transação em um backtest.
Você geralmente pode assumir um custo de transação de cerca de 5bps, talvez um pouco menor para o FX. Consulte o Exemplo de Negociação Quantitativa 3.7 para a maneira geral de inserir o custo da transação em um backtest.
5 bps é a estimativa de custo de transição de sentido único que inclui tudo: comissões, spread de oferta e solicitação e deslizamento.
Você pode tentar, e você vai concluir o contrário.
Fizemos pesquisas sobre dados FX até 1 ms.
De um modo geral, quanto mais o lookback, maior o período de espera médio.
Os negócios de curta duração não são ruins em si mesmos. Eles são apenas ruins se o lucro por comércio for muito pequeno. Você precisaria ajustar seus critérios de entrada para que o lucro esperado seja grande antes de entrar.
Se você estiver usando uma estratégia de reversão média, você pode querer entrar somente quando é, digamos, 2 desvios padrão fora da média.
Não, 10 bps são de sentido único.
Uma ida e volta para um par longo / curto pode incorrer em 40 pb.
taxa de compartilhamento do sistema de negociação
Índice de Expectativa vs Sharpe Ratio.
Pontuação de Expectativa.
Quando eu me propus a desenvolver meu próprio sistema comercial, dois comerciantes bem sucedidos diferentes recomendaram que eu lesse Trade Your Way to Financial Freedom por Van K. Tharp. Um comerciante me recomendou como um bom livro no dimensionamento da posição. Apesar de seu título sensacionalista, é um bom livro, por nenhuma outra razão que contém uma característica valiosa: como medir "qualidade" de uma estratégia de negociação objetivamente, em termos de expectativa multiplicada pela oportunidade. Eu chamo isso de "pontuação de expectativa".
A expectativa é o quanto você espera ganhar de cada comércio por cada dólar que você arrisque. A oportunidade é a frequência com que sua estratégia é comercializada. Você deseja maximizar o produto de ambos.
Pontuação de expectativa = expectativa e horários; Oportunidade.
onde AW = comércio vencedor médio (excluindo a máxima vitória) PW = probabilidade de ganhar (PW = & lt; wins & gt; & frasl; NST.
onde & lt; ganha & gt; é uma vitória total, excluindo o máximo de vitórias) AL = perda média de perdas (negativas, excluindo perdas por arranhões) | AL | = valor absoluto de AL PL = probabilidade de perda (PL = & lt; perdas sem riscos & gt; & frasl; NST) Oportunidade = NST & times; 365 & frasl; estudos (oportunidades para negociar em um ano) onde NST = & lt; trades totais & gt; &menos; & lt; scratch trades & gt; &menos; 1.
Em outras palavras, NST = transações de não-rascunho durante o período em teste (uma troca de rascunho perde comissão + deslizamento ou menos) menos 1 (para excluir a vitória máxima). horários de estudo = dias de calendário da história que está sendo testado.
É importante ter o | AL | no denominador da expectativa, porque isso converte a expectativa para "unidades de risco" e mdash; O lucro por dólar correu o risco.
Este cálculo da pontuação de expectativa, conforme descrito acima, é diferente do descrito por Tharp em três aspectos:
Primeiro, descarto o comércio vencedor máximo como um outlier. Para um sistema onde a maior vitória é um outlier, descartá-lo dará uma melhor representação da expectativa. Para um sistema em que a maior vitória não é um outlier, não importará além de reduzir os ganhos totais e as vitórias totais, deixando os ganhos médios em grande parte não afetados. Descartar a maior vitória, portanto, dá uma estimativa mais conservadora da expectativa. Em segundo lugar, uso a perda média em vez de seguir a recomendação da Tharp de usar a perda mínima como a unidade de risco. A perda média é maior do que a perda mínima e mais provável de ser experimentada (a perda média geralmente está perto do pico da distribuição de perdas), portanto, o uso resultará em uma estimativa de expectativa mais conservadora do que usando a perda mínima. A Tharp e eu excluímos as perdas de rascunho (trocas que perderam apenas comissões e derrapagens), porque incluir estas permitiria que a unidade de risco fosse muito baixa. Em terceiro lugar, uso a média aritmética de vitórias e perdas (depois de deduzir as maiores perdas de vitórias e arranjos) como minha vitória e perda esperadas. Tharp criou um histograma de negociações vencedoras e seleciona um intervalo que contém o pico da curva. O caminho de Tharp não é facilmente alcançado através de um algoritmo de computador porque é necessária alguma subjetividade para determinar os tamanhos de escaninho do histograma. Minhas experiências mostram que a média aritmética geralmente cai no pico do histograma ou perto disso, então é o que eu uso.
Expectativa e dimensionamento de posição.
O índice de expectativa descrito acima complementa o dimensionamento da posição. Você deve fazer uma mudança de paradigma longe de avaliar estratégias com base no lucro líquido. Esqueça o lucro líquido, esqueça a retirada, esqueça o número de vitórias seguidas, esqueça tudo o que a Tradestation mostra no Resumo da Estratégia. Essas coisas não significam nada para comparações de estratégias, porque todos têm uma opinião subjetiva sobre qual dessas medidas são mais importantes.
Em sua mente, você deve desacoplar as regras de entrada / saída do desempenho do "lucro líquido" ou o desempenho do "retorno anualizado". Em vez disso, pense em uma estratégia como esta:
As regras de entrada controlam o risco. As inscrições não determinam vencedores ou perdedores! As regras de saída determinam lucros ou perdas (vencedores ou perdedores). As regras de entrada e saída em conjunto determinam expectativa e oportunidade. O dimensionamento da posição determina o seu lucro líquido ou retorno, bem como a redução máxima.
Então, quando você está projetando as regras de entrada / saída e seus parâmetros de entrada, não otimize o lucro líquido! Em vez de . . .
Otimize para Expectancy Score.
Otimize para um escore de expectativa máxima, sem considerar qualquer outra coisa. O dimensionamento da posição cuida do resto. Uma boa estratégia de dimensionamento de posição resultará em lucros maiores e mais consistentes em uma estratégia de alta expectativa do que em uma estratégia de baixa expectativa, mesmo que a estratégia de baixa expectativa tenha um lucro líquido maior em uma base de 1 contrato.
Agora, eu sei que alguns pacotes de software comercial permitem otimizar parâmetros de estratégia com base em qualquer coisa que você deseja. A TradeStation oferece apenas resultados enlatados, como lucro líquido, índice de ganhos / perdas, redução, etc. Para aqueles de nós que usamos a TradeStation, desenvolvi algo que me permite otimizar minhas estratégias na pontuação de expectativa.
É uma função EasyLanguage (_SystemQuality). Você simplesmente fica no final do seu sinal e começa o otimizador. Toda iteração do otimizador fará com que uma linha seja gravada em um arquivo Excel. csv. Então tudo que você faz é carregá-lo no Excel, classifique pela última coluna e voila! Os parâmetros para o escore de expectativa máxima estão no topo.
A documentação incluída com o código-fonte é detalhada e deve explicar tudo de forma mais completa. Esta função pode ser modificada para usar na otimização de qualquer outra coisa que você deseja, também.
Sharpe Ratio.
Algumas pessoas gostam de usar a Razão Sharpe para avaliar a qualidade relativa de uma estratégia comercial em comparação com outra. Após uma extensa pesquisa, não tenho escolha senão concluir que a relação Sharpe não é útil para avaliar objetivamente o mérito de um sistema. Ele tem usos, mas não concordo que deve ser usado para determinar o mérito geral.
Tome dois extremos, por exemplo:
O sistema A retorna 0,001% maior do que a taxa de juros livre de risco com zero redução e consistência perfeita. O sistema B retorna 60% ao ano na sua conta com modestas reduções de 10%.
Qual sistema você prefere negociar? O sistema A possui uma proporção Sharp maior e mdash; na verdade é infinito devido a desvios padrão zero nos retornos. Pessoalmente, eu tomarei o sistema B sobre A qualquer dia! Estou mais preocupado com o meu crescimento patrimonial e o poder de ganhos do meu capital de risco, do que se os retornos periódicos são exatamente os mesmos.
Toda a relação de Sharpe é consistência de medida. É verdade, esse é um elemento de mérito, mas certamente não é todo o quadro. Usá-lo para determinar o mérito de toda uma estratégia comercial resulta em avaliações completamente errôneas e subjetivas, como demonstrado pelo exemplo extremo acima.
Existe realmente apenas uma maneira objetiva de medir o mérito de um sistema, e é o quanto você espera que ele gane por cada dólar arriscado combinado com a frequência com que lhe dá a oportunidade de ganhar esse retorno esperado. O conceito de risco é importante; você está medindo o retorno do seu capital de risco (ou seja, sua etapa inicial), e não o que você realmente "investir" no mercado.
Desenvolva um sistema que tenha um alto índice de expectativa, e você verá que a relação Sharpe cuida de si mesmo.
Minha pesquisa me levou alguns caminhos frutíferos e alguns caminhos infrutíferos. Otimização para Sharpe ratio está na última categoria.
Direitos autorais e cópia; 2004 pela Unicorn Research Corporation.
Índice de Expectativa vs Sharpe Ratio.
Pontuação de Expectativa.
Quando eu me propus a desenvolver meu próprio sistema comercial, dois comerciantes bem sucedidos diferentes recomendaram que eu lesse Trade Your Way to Financial Freedom por Van K. Tharp. Um comerciante me recomendou como um bom livro no dimensionamento da posição. Apesar de seu título sensacionalista, é um bom livro, por nenhuma outra razão que contém uma característica valiosa: como medir "qualidade" de uma estratégia de negociação objetivamente, em termos de expectativa multiplicada pela oportunidade. Eu chamo isso de "pontuação de expectativa".
A expectativa é o quanto você espera ganhar de cada comércio por cada dólar que você arrisque. A oportunidade é a frequência com que sua estratégia é comercializada. Você deseja maximizar o produto de ambos.
Pontuação de expectativa = expectativa e horários; Oportunidade.
onde AW = comércio vencedor médio (excluindo a máxima vitória) PW = probabilidade de ganhar (PW = & lt; wins & gt; & frasl; NST.
onde & lt; ganha & gt; é uma vitória total, excluindo o máximo de vitórias) AL = perda média de perdas (negativas, excluindo perdas por arranhões) | AL | = valor absoluto de AL PL = probabilidade de perda (PL = & lt; perdas sem riscos & gt; & frasl; NST) Oportunidade = NST & times; 365 & frasl; estudos (oportunidades para negociar em um ano) onde NST = & lt; trades totais & gt; &menos; & lt; scratch trades & gt; &menos; 1.
Em outras palavras, NST = transações de não-rascunho durante o período em teste (uma troca de rascunho perde comissão + deslizamento ou menos) menos 1 (para excluir a vitória máxima). horários de estudo = dias de calendário da história que está sendo testado.
É importante ter o | AL | no denominador da expectativa, porque isso converte a expectativa para "unidades de risco" e mdash; O lucro por dólar correu o risco.
Este cálculo da pontuação de expectativa, conforme descrito acima, é diferente do descrito por Tharp em três aspectos:
Primeiro, descarto o comércio vencedor máximo como um outlier. Para um sistema onde a maior vitória é um outlier, descartá-lo dará uma melhor representação da expectativa. Para um sistema em que a maior vitória não é um outlier, não importará além de reduzir os ganhos totais e as vitórias totais, deixando os ganhos médios em grande parte não afetados. Descartar a maior vitória, portanto, dá uma estimativa mais conservadora da expectativa. Em segundo lugar, uso a perda média em vez de seguir a recomendação da Tharp de usar a perda mínima como a unidade de risco. A perda média é maior do que a perda mínima e mais provável de ser experimentada (a perda média geralmente está perto do pico da distribuição de perdas), portanto, o uso resultará em uma estimativa de expectativa mais conservadora do que usando a perda mínima. A Tharp e eu excluímos as perdas de rascunho (trocas que perderam apenas comissões e derrapagens), porque incluir estas permitiria que a unidade de risco fosse muito baixa. Em terceiro lugar, uso a média aritmética de vitórias e perdas (depois de deduzir as maiores perdas de vitórias e arranjos) como minha vitória e perda esperadas. Tharp criou um histograma de negociações vencedoras e seleciona um intervalo que contém o pico da curva. O caminho de Tharp não é facilmente alcançado através de um algoritmo de computador porque é necessária alguma subjetividade para determinar os tamanhos de escaninho do histograma. Minhas experiências mostram que a média aritmética geralmente cai no pico do histograma ou perto disso, então é o que eu uso.
Expectativa e dimensionamento de posição.
O índice de expectativa descrito acima complementa o dimensionamento da posição. Você deve fazer uma mudança de paradigma longe de avaliar estratégias com base no lucro líquido. Esqueça o lucro líquido, esqueça a retirada, esqueça o número de vitórias seguidas, esqueça tudo o que a Tradestation mostra no Resumo da Estratégia. Essas coisas não significam nada para comparações de estratégias, porque todos têm uma opinião subjetiva sobre qual dessas medidas são mais importantes.
Em sua mente, você deve desacoplar as regras de entrada / saída do desempenho do "lucro líquido" ou o desempenho do "retorno anualizado". Em vez disso, pense em uma estratégia como esta:
As regras de entrada controlam o risco. As inscrições não determinam vencedores ou perdedores! As regras de saída determinam lucros ou perdas (vencedores ou perdedores). As regras de entrada e saída em conjunto determinam expectativa e oportunidade. O dimensionamento da posição determina o seu lucro líquido ou retorno, bem como a redução máxima.
Então, quando você está projetando as regras de entrada / saída e seus parâmetros de entrada, não otimize o lucro líquido! Em vez de . . .
Otimize para Expectancy Score.
Otimize para um escore de expectativa máxima, sem considerar qualquer outra coisa. O dimensionamento da posição cuida do resto. Uma boa estratégia de dimensionamento de posição resultará em lucros maiores e mais consistentes em uma estratégia de alta expectativa do que em uma estratégia de baixa expectativa, mesmo que a estratégia de baixa expectativa tenha um lucro líquido maior em uma base de 1 contrato.
Agora, eu sei que alguns pacotes de software comercial permitem otimizar parâmetros de estratégia com base em qualquer coisa que você deseja. A TradeStation oferece apenas resultados enlatados, como lucro líquido, índice de ganhos / perdas, redução, etc. Para aqueles de nós que usamos a TradeStation, desenvolvi algo que me permite otimizar minhas estratégias na pontuação de expectativa.
É uma função EasyLanguage (_SystemQuality). Você simplesmente fica no final do seu sinal e começa o otimizador. Toda iteração do otimizador fará com que uma linha seja gravada em um arquivo Excel. csv. Então tudo que você faz é carregá-lo no Excel, classifique pela última coluna e voila! Os parâmetros para o escore de expectativa máxima estão no topo.
A documentação incluída com o código-fonte é detalhada e deve explicar tudo de forma mais completa. Esta função pode ser modificada para usar na otimização de qualquer outra coisa que você deseja, também.
Sharpe Ratio.
Algumas pessoas gostam de usar a Razão Sharpe para avaliar a qualidade relativa de uma estratégia comercial em comparação com outra. Após uma extensa pesquisa, não tenho escolha senão concluir que a relação Sharpe não é útil para avaliar objetivamente o mérito de um sistema. Ele tem usos, mas não concordo que deve ser usado para determinar o mérito geral.
Tome dois extremos, por exemplo:
O sistema A retorna 0,001% maior do que a taxa de juros livre de risco com zero redução e consistência perfeita. O sistema B retorna 60% ao ano na sua conta com modestas reduções de 10%.
Qual sistema você prefere negociar? O sistema A possui uma proporção Sharp maior e mdash; na verdade é infinito devido a desvios padrão zero nos retornos. Pessoalmente, eu tomarei o sistema B sobre A qualquer dia! Estou mais preocupado com o meu crescimento patrimonial e o poder de ganhos do meu capital de risco, do que se os retornos periódicos são exatamente os mesmos.
Toda a relação de Sharpe é consistência de medida. É verdade, esse é um elemento de mérito, mas certamente não é todo o quadro. Usá-lo para determinar o mérito de toda uma estratégia comercial resulta em avaliações completamente errôneas e subjetivas, como demonstrado pelo exemplo extremo acima.
Existe realmente apenas uma maneira objetiva de medir o mérito de um sistema, e é o quanto você espera que ele gane por cada dólar arriscado combinado com a frequência com que lhe dá a oportunidade de ganhar esse retorno esperado. O conceito de risco é importante; você está medindo o retorno do seu capital de risco (ou seja, sua etapa inicial), e não o que você realmente "investir" no mercado.
Desenvolva um sistema que tenha um alto índice de expectativa, e você verá que a relação Sharpe cuida de si mesmo.
Minha pesquisa me levou alguns caminhos frutíferos e alguns caminhos infrutíferos. Otimização para Sharpe ratio está na última categoria.
Direitos autorais e cópia; 2004 pela Unicorn Research Corporation.
No comments:
Post a Comment