Relação de sharpe da estratégia de negociação

Índice de sharpe da estratégia de negociação
Qual deve ser o valor de um índice de Sharpe para uma estratégia quantitativa intradiária a ser aceita pelo banco ou por um fundo de hedge? Vamos supor que os retornos sejam mudanças diárias no patrimônio da conta, perto do fechamento.
Um índice de Sharpe de pelo menos 1 em backtesting é um começo promissor, mas essa é apenas uma das muitas estatísticas de interesse. O índice de Sharpe mede o retorno por volatilidade da unidade, ou seja, o retorno por unidade de risco. Algumas outras medidas importantes semelhantes a Sharpe com diferentes definições de risco incluem:
Retorno por unidade de giro (também conhecido por yield): Uma estratégia de alto rendimento é mais desejável de várias maneiras, pois também pode exigir menos liquidez, ter menos impacto no mercado e ser menos sensível a erros de modelagem de custo de transação ou mudanças futuras de regime nos custos de transação. Retorno por unidade de custos de transação: Similar ao yield, isso dá uma indicação de quão sensível é o desempenho da estratégia para 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 máxima / média de exposição de ativos: Uma estratégia que é mais diversificada entre os ativos é menos sensível ao risco de evento e tem maior probabilidade de ter uma capacidade maior. Retirada por rebaixamento máx. Por unidade: O rebaixamento é, em muitos aspectos, uma melhor medida de risco em comparação com a volatilidade. No dia a dia, a volatilidade de tipo gaussiano provavelmente não acabará com a estratégia, enquanto um período sustentado de perdas o fará. A alavancagem de uma estratégia provavelmente será retirada do limite máximo, com base em quanto o fundo está disposto a perder.
Além disso, qualquer um desses números geralmente não é computado apenas para todo o período do backtest, mas é exibido em uma base contínua, para mostrar como o desempenho é consistente ao longo do tempo, ou seja, o desempenho não é apenas devido a alguns negócios de sorte .
O índice de Sharpe necessário depende muito de se você está se referindo a lucros reais ou a uma simulação. Para resultados reais, um Sharpe de 1 ou mais de 12 meses é provavelmente o mínimo. Se a estratégia negocia mercados líquidos em tempos de liquidez de tal forma que pode ser ampliada para gerar grandes receitas, então, tudo o mais sendo igual, é mais atraente. Isto está assumindo que por intraday você significa apenas alguns comércios por dia. Se for uma estratégia de alta frequência que gira centenas ou milhares de vezes por dia, então Sharpe provavelmente precisará estar acima de quatro. Para estratégias de alta frequência, se a estratégia funcionar, o Sharpe costuma ser bastante alto, rotineiramente acima de dez. Portanto, empresas maiores analisarão a capacidade. Ou seja, o montante total de receita que pode ser gerado a partir da estratégia. Não há muita diferença prática entre uma estratégia de Sharpe 10 e Sharpe 20, pois a última não pode gerar receita adicional.
Simulações são um assunto diferente. Muitas empresas não contratam traders com base puramente em resultados backtested, independentemente de Sharpe. Para entrar com 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 de empresas respeitáveis ​​aqui. Há um monte de empresas de dois bits lá fora, que vai contratar alguém fora da rua e deixá-los começar a negociação com pequenos limites. Essas empresas não oferecem muito em termos de treinamento ou infraestrutura.

Alfa Preditiva.
Usando métodos científicos para iluminar fontes alfa.
Estratégias de negociação: Não há necessidade do santo graal.
Demonstramos que os sinais de negociação fracos, que não oferecem retornos ajustados de alto risco por conta própria, podem ser combinados em um portfólio poderoso. Em outras palavras, não há necessidade de cálculos sagrados ao pesquisar sinais.
Começamos nossa experiência com algumas suposições-chave. Temos 20 sinais com retornos de log anualizados de 8% e taxas de Sharpe anualizadas de 0,6 & # 8211; não exatamente sinais estelares. Os sinais fazem apostas diárias. As estratégias neste experimento duram 10 anos (diariamente), mas depois mostraremos como as estatísticas mudam quando o número de observações diminui. O experimento é repetido 500 vezes para ter uma noção das distribuições de estatísticas relevantes, como taxas de Sharpe e retornos anualizados.
Uma variável de entrada importante na negociação é a correlação entre os sinais e o nosso experimento é realizada através de uma seqüência de correlações entre sinais de zero a 0,9. Desconsiderando os custos de negociação (porque estamos simplesmente interessados ​​em desempenhos relativos) e usando o rebalanceamento diário, as distribuições de retornos de portfólio anualizados entre as correlações parecem mais ou menos idênticas. Claramente, ter mais de uma estratégia não melhora o retorno anualizado & # 8211; independentemente das correlações entre as estratégias.
Mesclar múltiplos sinais com correlação mais baixa não aumenta os retornos, mas o gráfico acima sugere o benefício de ter mais estratégias & # 8211; e especialmente se essas estratégias são relativamente não correlacionadas. As distribuições mais à esquerda são muito mais estreitas e nenhum dos 500 testes tem retornos abaixo de zero (até e incluindo estratégias com correlações de 0,4).
O resultado fica mais claro quando passamos para retornos ajustados ao risco medidos pelo índice de Sharpe. Aqui 20 estratégias com correlação zero e índices de Sharpe individuais anualizados de 0,6 se transformam em uma carteira com um Índice de Sharpe anualizado de 3 comparado a 0,64 para uma carteira com correlações médias de 0,9 entre as estratégias de negociação & # 8211; isso se traduz em uma melhoria de 370%.
O que também é fascinante no gráfico acima é a rapidez com que a melhora no Índice de Sharpe diminui à medida que os sinais se tornam mais correlacionados. Aumentar as correlações para 0,2 de 0 resulta em um declínio de 56% no Índice de Sharpe.
Apesar de um Índice de Sharpe alto e de cerca de 50.000 apostas nos sinais (ou seja, estratégias de negociação), a variação dos Índices de Sharpe para as carteiras de correlação de sinal cruzado zero ainda é impressionante. Um investidor pode ter sorte e produzir um índice de Sharpe de 3,5 (provavelmente transformando a pessoa em um multi-bilionário), enquanto outro investidor com os mesmos tipos de estratégias pode ser menos afortunado, resultando em um índice de Sharpe de 2,5. A sorte desempenha um papel no comércio, mesmo para carteiras de alto índice de Sharpe.
Obviamente, uma borda se torna mais clara com mais observações. O que acontece se nosso investidor tiver apenas um ano de observações em vez de dez anos? O gráfico abaixo mostra a explosão nas variações do Índice de Sharpe em todas as correlações. Apesar de 5.000 negociações, a maioria dos portfólios não pode ser separada da sorte aleatória. É claro por que os fundos de hedge baseados em dados preferem frequências mais altas (negociação intraday). Valida os sinais mais rapidamente.
Se simularmos 10.000 séries temporais com as propriedades acima, qual é a porcentagem delas com um valor p menor que 5%? A resposta é de cerca de 48%, o que poderia levar a maioria dos pesquisadores a descartar tais estratégias diárias (com um índice de Sharpe anualizado de 0,6). No entanto, misturar sinais tão fracos pode resultar em magia & # 8211; se as correlações forem baixas o suficiente & # 8211; em que o fluxo de retorno combinado de um portfólio se torna altamente significativo. Entre os portfólios de correlação zero, todos têm um valor p inferior a 5%.
Uma estratégia diária com um índice de Sharpe anualizado de 0,6 provavelmente seria descartada por um pesquisador como insuficiente para produzir algo atraente no comércio. Mas com as correlações corretas (ou seja, baixas) com os sinais existentes, isso poderia agregar valor ao portfólio.
Este post não abre novos caminhos, já que os efeitos da diversificação são bem conhecidos na comunidade de investimentos, mas serve como um lembrete de que, em vez de descartar essa estratégia talvez você possa adicioná-la ao seu portfólio de estratégias existente. , diminuindo assim a volatilidade da sua carteira e, consequentemente, permitindo que mais alavancagem seja utilizada, aumentando o retorno total.
Nota: Este post será o post final (por enquanto) sobre retornos aleatórios e conceitos fundamentais. Os próximos posts do blog, em vez disso, se concentrarão em estratégias de negociação específicas em várias classes de ativos.

O Índice de Sharpe, nomeado em homenagem a William Forsyth Sharpe, mede o excesso de retorno por unidade de desvio em um ativo de investimento ou em uma estratégia de negociação. Existem quatro problemas potenciais no uso do Índice de Sharpe para medir o desempenho da negociação. Os dois primeiros problemas são relevantes se os resultados da negociação em intervalos diferentes estiverem correlacionados, enquanto os dois últimos problemas são relevantes, mesmo se os resultados da negociação não forem correlacionados.
Problema 1. Falha na distinção entre perdas intermitentes e consecutivas (Figura 1): A medida de risco no Índice de Sharpe (o desvio padrão) é independente da ordem dos vários pontos de dados. Problema 2. Dependência no intervalo de tempo: Se os resultados da negociação (em diferentes períodos de tempo) não são correlacionados, em teoria, o Índice de Sharpe anualizado seria independente da duração do intervalo de tempo escolhida para segmentar os dados. No entanto, a suposição de que os resultados de negociação não são correlacionados pode nem sempre ser justificada. Problema 3. Falha ao distinguir entre flutuações ascendentes e descendentes: O Índice de Sharpe é uma medida de volatilidade, não de risco. Os dois não são necessariamente sinônimos. Em termos do cálculo de risco empregado no Índice de Sharpe (ou seja, o desvio padrão de retorno), flutuações ascendentes e descendentes são consideradas igualmente ruins. Assim, o Índice de Sharpe penalizaria um sistema que exibisse aumentos pontuais esporádicos no capital próprio, mesmo que as retracements de capital fossem pequenas. Problema 4. Falha em distinguir entre retratações em lucros não realizados versus retrocessos de & # 8220; Data de Entrada de Negociação & # 8221; capital próprio. A & # 8220; data de entrada de negociação & # 8221; é definido como qualquer dia no qual a posição líquida muda de neutra para longa, neutra para curta, longa para curta ou curta para longa. (Fonte: J. Schwager, Um Guia Completo para os Mercados Futuros, 1984)
Figura 1 | Dois portfólios com retornos e desvios padrão iguais, mas diferentes sequências de ganhos.

Índice de Sharpe para medição de desempenho de negociação algorítmica.
Índice de Sharpe para medição de desempenho de negociação algorítmica.
Ao executar uma estratégia de negociação algorítmica, é tentador considerar o retorno anualizado como a métrica de desempenho mais útil. No entanto, existem muitas falhas no uso dessa medida isoladamente. O cálculo de retornos para determinadas estratégias não é completamente simples. Isso é especialmente verdadeiro para estratégias que não são direcionais, como variantes de mercado neutras ou estratégias que fazem uso de alavancagem. Esses fatores dificultam a comparação de duas estratégias baseadas apenas em seus retornos.
Além disso, se formos apresentados a duas estratégias que possuem retornos idênticos, como sabemos qual contém mais risco? Além disso, o que queremos dizer com "mais risco"? Em finanças, muitas vezes estamos preocupados com a volatilidade dos retornos e períodos de baixa. Assim, se uma dessas estratégias tiver uma volatilidade de retornos significativamente maior, provavelmente a acharíamos menos atraente, apesar de seus retornos históricos serem semelhantes, se não idênticos.
Esses problemas de comparação de estratégia e avaliação de risco motivam o uso do Índice de Sharpe.
Definição do Índice de Sharpe.
William Forsyth Sharpe é um economista ganhador do Prêmio Nobel, que ajudou a criar o CAPM (Capital Asset Pricing Model) e desenvolveu o Índice de Sharpe em 1966 (posteriormente atualizado em 1994).
O Índice de Sharpe $ S $ é definido 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 razão compara a média da média dos retornos excedentes do ativo ou estratégia com o desvio padrão desses retornos. Assim, uma menor volatilidade dos retornos levará a um maior índice de Sharpe, assumindo retornos idênticos.
O "Índice de Sharpe" frequentemente citado 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 haja períodos de negociação $ N $ em um ano, o Sharpe anualizado é calculado da seguinte forma:
Observe que o índice de Sharpe deve ser calculado com base no Sharpe daquele tipo de período de tempo específico. Para uma estratégia baseada no período de negociação de dias, $ N = 252 $ (como há 252 dias de negociação em um ano, não 365), e $ R_a $, $ R_b $ devem ser os retornos diários. Da mesma forma, para horas $ N = 252 \ vezes 6,5 = 1638 $, não $ N = 252 \ vezes 24 = 6048 $, uma vez que existem apenas 6,5 horas em um dia de negociação.
Inclusão de Referência.
A fórmula para o índice de Sharpe acima alude ao uso de um benchmark. Um benchmark é usado como um "critério" ou um "obstáculo" que uma determinada estratégia deve superar para valer a pena considerar. Por exemplo, uma estratégia simples de longo prazo usando ações de grande capitalização dos EUA deve esperar bater o índice S & P500 em média, ou combiná-lo por menos volatilidade.
A escolha do benchmark pode, por vezes, não ser clara. Por exemplo, deveria um setor Exhange Traded Fund (ETF) ser utilizado como uma referência de desempenho para ações individuais, ou o próprio S & P500? Por que não o Russell 3000? De igual modo, deveria uma estratégia de fundos hedge ser comparada a um índice de mercado ou a um índice de outros fundos de hedge? Há também a complicação da "taxa livre de risco". Os títulos do governo doméstico devem ser usados? Uma cesta de títulos internacionais? Contas a curto ou longo prazo? Uma mistura? Claramente, existem muitas maneiras de escolher um benchmark! O índice de Sharpe geralmente utiliza a taxa livre de risco e, muitas vezes, para estratégias de ações dos EUA, isso é baseado em títulos do Tesouro de 10 anos do governo.
Em um caso particular, para estratégias neutras de mercado, há uma complicação particular quanto a se fazer uso da taxa livre de risco ou zero como referência. O índice de mercado em si não deve ser utilizado, pois a estratégia é, por definição, neutra em relação ao mercado. A escolha correta para uma carteira neutra de mercado não é subtrair a taxa livre de risco porque é autofinanciada. Como você recebe um crédito, $ R_f $, de manter uma margem, o cálculo real para devoluções é: $ (R_a + R_f) - R_f = R_a $. Portanto, não há subtração real da taxa livre de risco para estratégias neutras em dólar.
Limitações
Apesar da prevalência do índice de Sharpe no financiamento quantitativo, ele sofre algumas limitações.
Em primeiro lugar, o índice de Sharpe é retrógrado. Apenas contabiliza a distribuição de retornos históricos e a volatilidade, não aqueles que ocorrem no futuro. Ao fazer julgamentos com base no índice de Sharpe, há uma suposição implícita de que o passado será semelhante ao futuro. Evidentemente, nem sempre é esse o caso, especialmente sob as mudanças do regime de mercado.
O cálculo do índice de Sharpe pressupõe que os retornos utilizados são normalmente distribuídos (isto é, Gaussian). Infelizmente, os mercados freqüentemente sofrem de curtose acima de uma distribuição normal. Essencialmente, a distribuição de retornos tem "caudas mais grossas" e, portanto, os eventos extremos são mais prováveis ​​de ocorrer do que uma distribuição gaussiana nos levaria a acreditar. Portanto, o índice de Sharpe é ruim em caracterizar o risco de cauda.
Isso pode ser visto claramente em estratégias altamente propensas a esses riscos. Por exemplo, a venda de opções de compra (também conhecidas como "centavos sob um rolo compressor"). Um fluxo constante de prêmios de opções é gerado pela venda de opções de compra ao longo do tempo, levando a uma baixa volatilidade dos retornos, com um forte excesso acima de um benchmark. Neste caso, a estratégia possuiria um alto índice de Sharpe (baseado em dados históricos). No entanto, não leva em conta que tais opções podem ser chamadas, levando a perdas significativas e súbitas (ou mesmo eliminadas) na curva de capital. Portanto, como em qualquer medida de desempenho da estratégia de negociação algorítmica, o índice de Sharpe não pode ser usado isoladamente.
Embora este ponto possa parecer óbvio para alguns, os custos de transação DEVEM ser incluídos no cálculo do índice de Sharpe para que seja realista. Existem inúmeros exemplos de estratégias de negociação que têm altos Sharpes (e, portanto, uma probabilidade de grande lucratividade) apenas reduzidos a baixos, quando os custos realísticos são calculados. Isso significa fazer uso dos retornos líquidos ao calcular excesso do valor de referência. Portanto, os custos de transação devem ser calculados no fluxo acima do cálculo do índice de Sharpe.
Uso Prático e Exemplos.
Uma questão óbvia que permaneceu sem resposta até agora neste artigo é "O que é um bom Índice de Sharpe para uma estratégia?". Pragmaticamente, você deve ignorar qualquer estratégia que possua um índice de Sharpe anualizado $ S & lt 1 $ após os custos de transação. Os fundos de hedge quantitativos tendem a ignorar quaisquer estratégias que possuam índices de Sharpe $ S & lt; 2 $. Um proeminente fundo de hedge quantitativo com o qual estou familiarizado nem sequer consideraria estratégias que tivessem índices de Sharpe $ S & lt $ 3 em pesquisa. Como um comerciante algorítmico de varejo, se você puder obter uma taxa de Sharpe $ S & gt2 $, estará se saindo muito bem.
O índice de Sharpe frequentemente aumenta com a frequência de negociação. Algumas estratégias de alta frequência terão altas taxas de Sharpe (e às vezes baixo duplo), já que podem ser lucrativas quase todos os dias e certamente todos os meses. Essas estratégias raramente sofrem risco catastrófico e, assim, minimizam sua volatilidade de retornos, o que leva a índices tão altos de Sharpe.
Exemplos de taxas de Sharpe.
Este tem sido um artigo bastante teórico até este ponto. Agora vamos voltar nossa atenção para alguns exemplos reais. Começaremos simplesmente, considerando um longo período de compra e manutenção de uma participação acionária individual, então considerar uma estratégia neutra de mercado. Ambos os exemplos foram executados na biblioteca de análise de dados dos pandas Python.
A primeira tarefa é realmente obter os dados e colocá-los em um objeto DataFrame do pandas. No artigo sobre a implementação do master de títulos em Python e MySQL, criei um sistema para conseguir isso. Alternativamente, podemos fazer uso deste código mais simples para pegar diretamente os dados do Yahoo Finance e colocá-los diretamente em um DataFrame pandas. Na parte inferior desse script, criei uma função para calcular o índice anualizado do Sharpe com base em um fluxo de retornos do período de tempo:
Agora que temos a capacidade de obter dados do Yahoo Finance e calcular diretamente o índice de Sharpe anualizado, podemos testar uma estratégia de compra e manutenção para duas ações. Usaremos o Google (GOOG) e o Goldman Sachs (GS) de 1º de janeiro de 2000 a 29 de maio de 2013 (quando eu escrevi este artigo!).
Podemos criar uma função auxiliar adicional que nos permite ver rapidamente o Sharpe buy-and-hold em várias ações para o mesmo período (codificado):
Para o Google, o índice de compra e manutenção do Sharpe é de 0,7501. Para a Goldman Sachs é 0,2178:
Agora podemos tentar o mesmo cálculo para uma estratégia neutra de mercado. O objetivo dessa estratégia é isolar totalmente o desempenho de uma determinada empresa do mercado em geral. A maneira mais simples de conseguir isso é ter um valor igual (em dólares) de um Exchange Traded Fund (ETF) projetado para rastrear esse mercado. A escolha mais óbvia para o mercado de ações de grande capitalização dos EUA é o índice S & P500, que é rastreado pelo SPDR ETF, com o ticker do SPY.
Para calcular o índice de Sharpe anualizado dessa estratégia, obteremos os preços históricos para o SPY e calcularemos os retornos percentuais de maneira semelhante aos estoques anteriores, com a exceção de que não usaremos o benchmark isento de risco. Vamos calcular os retornos líquidos diários, que exigem subtrair a diferença entre os retornos longo e curto e, em seguida, dividir por 2, pois agora temos o dobro do capital de negociação. Aqui está o código Python / pandas para realizar isso:
Para o Google, o índice de Sharpe para a estratégia de mercado long / short de mercado neutro é de 0,7597. Para a Goldman Sachs é 0,2999:
Apesar do índice de Sharpe ser usado em quase toda parte no comércio algorítmico, precisamos considerar outras métricas de desempenho e risco. Em artigos posteriores discutiremos os drawdowns e como eles afetam a decisão de executar uma estratégia ou não.
A Quantcademy.
Participe do portal de associação da Quantcademy que atende à crescente comunidade de traders de quantificação de varejo e aprenda como aumentar a lucratividade de sua estratégia.
Negociação Algorítmica Bem Sucedida.
Como encontrar novas ideias de estratégia de negociação e avaliá-las objetivamente para o seu portfólio usando um mecanismo de backtesting personalizado no Python.
Comércio Algorítmico Avançado.
Como implementar estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas Bayesianas com R e Python.

Negociação Quantitativa.
Investimento quantitativo e idéias de negociação, pesquisa e análise.
Quinta-feira, 29 de novembro de 2012.
A importância de 2 (como proporção de Sharpe)
84 comentários:
Obrigado pelo post.
Você pode deduzir da equação 7.7 do artigo de Thorp.
A equação é uma aproximação de primeira ordem para o caso especial que p = q = 0,5. Então, assume r = 0. Conclusão: inútil. Eu não entendo toda a emoção. A menos que eu não saiba alguma coisa, vocês sabem. Nesse caso, concedo antecipadamente. Obrigado.
1) Em relação a p = q = 0,5, não há tais suposições quando você olha para o caso de finanças contínuas (isto é, se você assume que preços e retornos são variáveis ​​contínuas). Os parâmetros peq só são aplicáveis ​​se você assumir apostas discretas, que não é relevante quando estamos mantendo uma posição de segurança continuamente. 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. Note que a sua declaração "Qualquer variável aleatória limitada com média E (X) = m e.
variância Var (X) = s2 levará ao mesmo resultado & quot; se aplica 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.
Naturalmente, toda a discussão é baseada na suposição de que a distribuição de 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 se a metade de Kelly é boa. Imagine o que aconteceria com você se você investisse meia Kelly pouco antes da crise, mesmo com alavancagem zero. Independentemente disso, o resultado g = S ^ 2/2 é uma simplificação que vale apenas para retornos normalmente distribuídos (eu ainda não vi nenhum) e superestimei Kelly por pelo menos uma fração de 2. Eu o chamaria de um resultado inútil para todos os efeitos práticos. Se você magra de outra forma, eu gostaria de ouvir o seu ponto.
Eu não entendo o que você quer dizer com "se você tivesse investido meio Kelly pouco antes da crise, mesmo com alavancagem zero". - Se você está investindo em meio Kelly, você não estará com alavancagem zero.
Mas, segurando qualquer ação, você não conhece sua alavancagem inerente. Se eu tiver um método de negociação para um ETF 3X que seja 60% lucrativo para determinado alvo e pare por que a alavancagem do ETF deve fazer alguma diferença? Eu quero dizer a relação de Kelly é esperada retorno sobre a perda média na essência. Eu não vejo como isso é relacionado à alavancagem. Você tem um artigo sobre isso? Obrigado.
Quando eu disse que 3x está acima da alavancagem de Kelly para um ETF, estou me referindo a uma estratégia de comprar e manter para esse ETF. Se, ao invés disso, você for day-trading (por exemplo), a alavancagem de Kelly será determinada pelo retorno médio e pela volatilidade dessa estratégia de day-trading, e pode muito bem ser superior a 3.
Parece que a alavancagem ideal em uma estratégia de compra e manutenção depende do caminho. Você não pode conhecer a fração ótima, mas somente após o final do período de compra e de espera, a menos que você considere retornos Gaussianos perfeitos e média estacionária e desvio padrão. Nenhum destes são verdadeiros ou conhecidos e esta discussão é, na minha opinião, inútil. Você pode estar superestimando ou subestimando a alavancagem ideal por um fator enorme que faz tais suposições. Re-alavancagem contínua viola a suposição de comprar e manter porque introduz tempo e não pode explicar a assimetria repentina em distribuições como o colapso de 2008 e pode levar à ruína com alavancagem errada. Acho que você foi apontado para esses problemas como acabei de descobrir em um post que você teve em 2006.
epchan. blogspot. gr/2006/10/how-much-leverage-should-you-use. html, mas você ainda está pressionando essas idéias. Você faz exatamente o que Taleb rotula como um erro grave usando a distribuição normal como guia. Nem mesmo f / 2 vai te salvar porque isso é arbitrário e o número correto pode ser f / 6 ou f / 8, você sabe disso só depois do fato. Obrigado.
1) Qualquer coisa ótima (não apenas alavancagem) em finanças e, de fato, para qualquer sistema estatístico (como reconhecimento de fala ou imagem), pode ser dito ser dependente do caminho, já que é claro que o verdadeiro ideal só é conhecido após o fato. Mas você está perdendo o ponto sobre modelagem probabilística em finanças ou qualquer sistema estatístico. O ponto é o que é o melhor que você pode fazer antes do fato. Se você propõe um modelo melhor que Gaussian, então todo o poder para você, mas ainda será sub-ótimo após o fato. Isso, no entanto, não significa que você não vai se beneficiar do modelo, porque você pode usá-lo para superar o próximo negociador que tem um modelo pior.
Quando exatamente o seu novo livro está saindo. A única menção que eu vi está dentro dos seus comentários. Eu estou assumindo 2013, mas a data de lançamento está definida ainda? Obrigado.
Deve sair em meados de 2013.
Você é muito bem-vindo às minhas respostas - a discussão 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 de qual é a sua hipótese nula.
A proporção de Kelly a que você se referiu se aplica apenas a apostas discretas.
Claro, se os resíduos são estacionários, eles são negociáveis. Mas não vejo por que o teste de Johansen indicaria o contrário.
Ernie, você escreveu:
Não concordo com a sua afirmação de que uma alavancagem de mais de 2 é inerentemente perigosa. Sempre implantamos uma alavancagem superior a essa desde julho de 2008 e ainda estamos no mercado.
Obrigado pela sua discussão também.
Na maioria dos casos, você não deve ajustar os dados para eliminar a lacuna, pois, se estivermos mantendo uma posição durante a noite, realmente sofreremos essa lacuna.
Sim, acho que você pode tentar o ajuste de intervalo para este tipo de backtesting.
1) Se a sua carteira tem um grande limite de mercado, então você não deve usar coeficientes arredondados. Número arredondado de ações, sim, mas não coeficientes.
Não acredito que a Etrade ofereça uma API para negociação automatizada, enquanto a IB oferece uma ampla variedade de interfaces. Pelo menos, isso é verdade quando eu verifiquei o 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 API do IB fornece (como a capacidade de enviar ordens de dispersão).
No entanto, vale a pena tentar!
Sim, a média de várias opções de parâmetros é uma maneira de ficar sem parâmetros.
Sim, as estratégias de reversão de curto prazo significam muito bem este ano. Eu não calculei os retornos não alavancados, uma vez que nossos cálculos de retorno são alavancados e agregados.
Concordo com o seu raciocínio e não entendo também a queda nos preços. Talvez outros leitores tenham mais informações sobre isso?
Oi eu sou novo; apenas leia o seu livro. Em relação ao MATLAB (essa é a sua escolha preferida); Existe alguma opção mais recente? E quanto a MATHEMATICA?
O Mathematica é mais útil para cálculos simbólicos, não tanto para cálculos numéricos, orientados a matrizes, usados ​​freqüentemente em backtesting.
Oi! Desculpe, por questão não tema: Você tem conhecimento da API Blackwood (FUSION)? Ou onde 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 o índice de Sharpe, supondo que você esteja usando uma alavanca recomendada pela fórmula de Kelly. Em outras palavras, você deve considerar a relação entre retornos e riscos, não cada número separadamente.
Eu normalmente armazeno meus dados como arquivos de texto para que qualquer software possa recuperá-los. Não há necessidade de banco de dados, pois a estrutura é simples 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 intraday, você pode ter que dividi-los em períodos mais curtos.
Como o tópico da cointegração se insinuou nesse tópico, aqui está outra questão relacionada a esse tópico.
Se você observar um ETF e seu maior componente (ou uma combinação linear de seus maiores componentes), pode imaginar que eles possam estar cointegrados, pois as variações no maior componente tenderiam a fazer com que o ETF variasse de maneira semelhante. . O comportamento dos componentes menores estaria apenas fornecendo "ruído aleatório". Você vê algum problema em basear uma estratégia de negociação de spread em um ETF e em um ou mais de seus componentes?
Sim, essa é uma estratégia possível. Eu tenho discutido um semelhante em epchan. blogspot. ca/2007/02/in-looking-for-pairs-of-financial. html.
Uma pergunta rápida para você (eu acho). Eu li o seu primeiro livro e gostei muito pelo caminho e estou ansioso para o segundo.
Desenvolvemos o que achamos ser uma estratégia intradiária bastante robusta que identifica oportunidades de sobrevenda e compra de curto prazo. Com isso dito, senti que nossa equipe pode ter se encaixado um pouco e decidido executá-lo contra um portfólio de instrumentos completamente diferentes e os resultados ainda impressionaram em mais de 70% da amostra.
É razoável concluir que isso é um bom teste de amostra? Ou é absolutamente essencial fazer um passeio sobre isso? Além disso, fizemos uma série de simulações de Monte Carlo que tiveram resultados favoráveis.
O fato de você ter executado sua estratégia de forma rentável em ações fora da amostra é encorajador. No entanto, isso não elimina a necessidade de testes de caminhada. 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. Estamos indo em frente com a caminhada como você sugere.
Aprecie a resposta.
Se você quiser calcular retornos não-alavancados (adequados para entrada na fórmula de Kelly), o denominador deve ser o valor de mercado do contrato. Em ES, $ 1550 * 50:
E se eu estiver calculando a taxa de forma anualizada e estiver usando mais de 252 dias de devoluções. Neste caso, parece que meu desvio padrão seria grande, já que vem de mais de 252 dias de devoluções. Então eu iria multiplicar por sqrt (dias), onde os dias poderiam ser & gt; 252?
Você deve estar calculando o desvio padrão dos retornos diários, de modo que não importa o tamanho de sua amostra de backtest. Para anualizar o desvio padrão, basta multiplicar o SD diário pelo sqrt (252).
Sim, se você obtiver retornos médios apenas nos dias de negociação, devemos multiplicar por 252 para anualizar. Se você obtiver retornos médios em dias corridos, deverá multiplicar por 365.
Você pode geralmente assumir um custo de transação de cerca de 5bps, talvez um pouco menor para FX. Consulte o exemplo 3.7 da transação quantitativa para obter informações gerais sobre como inserir o custo de transação em um backtest.
Você pode geralmente assumir um custo de transação de cerca de 5bps, talvez um pouco menor para FX. Consulte o exemplo 3.7 da transação quantitativa para obter informações gerais sobre como inserir o custo de transação em um backtest.
5 bps é a estimativa de custo de transação unidirecional que inclui tudo: comissões, spread bid-ask e slippage.
Você pode tentar e concluirá o contrário.
Nós fizemos pesquisas em dados de FX até 1 ms.
De um modo geral, quanto maior o lookback, maior o período médio de manutenção.
Negociações de curta duração não são ruins em si mesmas. Eles só são ruins se o lucro por negociação for muito pequeno. Você teria que ajustar os critérios de entrada para que o lucro esperado seja grande antes de entrar.
Se você estiver usando uma estratégia de reversão à média, talvez queira entrar apenas quando estiver, digamos, 2 desvios padrão longe da média.
Não, 10 bps é unidirecional.
Uma viagem de ida e volta para um par longo / curto pode incorrer em 40 bps.