Validar estratégia de negociação

Melhor Sistema Trader.
Better System Trader é o podcast e blog dedicado a traders sistemáticos, fornecendo dicas práticas de especialistas em negociação em todo o mundo.
079 e # 8211; Validação de estratégia com Dave Bergstrom.
Com os conjuntos de ferramentas que temos hoje disponíveis para nós, é muito fácil criar uma estratégia comercial simplesmente explorando dados de mercado.
Como acabamos de ouvir o som de abertura e também de convidados de podcasts anteriores, se você tentar combinações suficientes, poderá encontrar algo que pareça funcionar puramente por acaso ou por sorte.
O desafio, no entanto, é tentar identificar algo que possa ser sustentável.
Algo que pode persistir o suficiente no futuro para que possamos aproveitar, e esperamos ganhar algum dinheiro.
Nosso convidado para este episódio, Dave Bergstrom da BuildAlpha, passou anos pesquisando, construindo, testando e implementando estratégias de mercado e negociação para uma empresa de negociação de alta frequência, CTAs, gerentes financeiros, clientes individuais e até mesmo comerciantes de varejo aspirantes.
Neste episódio, Dave vai compartilhar alguns de seus insights sobre desenvolvimento e validação de estratégias, incluindo:
Como ajustar a proporção de dados dentro da amostra / fora da amostra pode levar à criação de diferentes tipos de estratégias Teste de variação - o que é e como pode ser usado no processo de criação da estratégia Como as relações eletrônicas podem ser usadas para determinar como uma borda decai com o tempo & amp; Eliminar estratégias potencialmente pobres com bons resultados de backtest Por que o volume e a volatilidade são fatores importantes a serem considerados na construção de estratégias de negociação Cargas de outras ideias para testar e validar a robustez das estratégias de negociação.

Construa um modelo de negociação rentável em 7 etapas fáceis.
Um modelo de negociação é uma estrutura baseada em regras passo-a-passo, claramente definida, para governar as atividades de negociação. Neste artigo, apresentamos o conceito básico de modelos de negociação, explicamos seus benefícios e fornecemos instruções sobre como criar seu próprio modelo de negociação.
Os benefícios da construção de um modelo de negociação.
Usando um modelo comercial baseado em regras oferece muitos benefícios:
Modelos são baseados em um conjunto de regras comprovadas. Isso ajuda a remover emoções humanas da tomada de decisão. Os modelos podem ser facilmente backtested em dados históricos para verificar o seu valor antes de tomar o mergulho com dinheiro real. O backtesting baseado em modelo permite a verificação dos custos associados para que o profissional possa ver o potencial de lucro de forma mais realista. Um lucro teórico de US $ 2 pode parecer atraente, mas uma taxa de corretagem de US $ 2,50 muda a equação. Os modelos podem ser automatizados para enviar alertas móveis, mensagens pop-up e gráficos. Isso pode eliminar a necessidade de monitoramento e ação manuais. Com um modelo, um trader pode rastrear facilmente 10 ações para a média móvel de 50 dias (DMA) cruzando a média móvel de 15 dias. Sem essa automação, rastrear manualmente até mesmo um estoque de DMA pode ser difícil.
Como construir seu próprio modelo de negociação.
Para construir um modelo de negociação, você não precisa de conhecimento de negociação de nível avançado. No entanto, você precisa entender como e por que os preços se movem (por exemplo, devido a eventos mundiais), onde existem oportunidades de lucro e como aproveitar as oportunidades de maneira prática. Os novatos e os comerciantes moderadamente experientes podem começar por se familiarizar com alguns indicadores técnicos. Estes oferecem insights significativos para os padrões de negociação. A compreensão dos indicadores técnicos também ajudará os negociadores a conceituar tendências e a fazer estratégias e alterações personalizadas em seus modelos. Neste artigo, vamos nos concentrar na negociação com base em indicadores técnicos.
Exemplo de uma estratégia de modelo de negociação simples.
Com base no princípio da inversão de tendência, alguns traders agem com base no pressuposto de que o que desce retornará (e vice-versa). Usando a hipótese de reversão de tendência como estratégia, construiremos um modelo de negociação. Nas etapas abaixo, percorreremos uma série de etapas para criar um modelo comercial e testar se ele é lucrativo.
Fluxograma para a construção de um modelo de negociação.
1. Conceituar o modelo de negociação.
Nesta etapa, o trader estuda os movimentos históricos de estoque para identificar tendências preditivas e criar um conceito. O conceito pode ser resultado de uma extensa análise de dados ou pode ser um palpite baseado em observações aleatórias.
Para este artigo, estamos usando a inversão de tendência para construir a estratégia. O conceito inicial é: se um estoque cair x% em relação ao preço de fechamento do dia anterior, espere que a tendência seja revertida nos próximos dias.
A partir daqui, veja os dados do passado e faça perguntas para refinar o conceito: o conceito é verdadeiro? Será que esse conceito se aplica a apenas algumas ações selecionadas de alta volatilidade ou se ajustará a todas as ações? Qual é a duração da reversão de tendência esperada (1 dia, 1 semana ou 1 mês)? O que deve ser definido como o nível baixo para entrar em uma negociação? Qual é o nível de lucro da meta?
Um conceito inicial geralmente contém muitas incógnitas. Um comerciante precisa de alguns pontos ou números decisivos para começar. Estes podem ser baseados em certas suposições. Por exemplo: esta estratégia pode ser aplicada a ações moderadamente voláteis, com um valor beta entre 2 e 3. Compre se o estoque cair 3% e espere os próximos 15 dias para reversão de tendência e espere um retorno de 4%. Esses números são baseados nas suposições e na experiência de um profissional. Mais uma vez, uma compreensão básica dos indicadores técnicos é importante.
2. Identifique as oportunidades.
Nesta etapa, identifique as oportunidades certas ou ações para negociar. Isso envolve a verificação do conceito em relação aos dados históricos. No conceito de exemplo, compramos em um mergulho de 3%. Comece escolhendo ações de alta volatilidade para a avaliação. Você pode fazer o download de dados históricos de ações negociadas normalmente em sites de troca ou portais financeiros como o Yahoo! Finança. Usando fórmulas de planilha, calcule a variação percentual do preço de fechamento do dia anterior, filtre os resultados que correspondem aos critérios e observe o padrão para os dias seguintes. Abaixo está um exemplo de planilha.
Neste exemplo, o preço de fechamento da ação está abaixo de 3% em 2 dias (4 de fevereiro e 7 de fevereiro). A observação cuidadosa dos dias seguintes revelará se a reversão da tendência é visível ou não. O preço em 5 de fevereiro dispara para 4,59%. Até 8 de fevereiro, a mudança está abaixo do esperado em 1,96%.
Os resultados são conclusivos? Não. Uma observação corresponde à expectativa do conceito (mudança de 4% ou mais) enquanto uma observação não.
Em seguida, precisamos verificar mais nosso conceito em mais pontos de dados e mais estoques. Execute o teste em várias ações com preços diários durante pelo menos 5 anos. Observe quais ações fornecem reversões de tendência positivas dentro de uma duração definida. Se o número de resultados positivos for melhor que os negativos, continue com o conceito. Se não, ajuste o conceito e teste novamente ou descarte completamente o conceito e retorne à etapa 1.
3. Desenvolva o modelo comercial.
Nesta etapa, ajustamos o modelo comercial e introduzimos as variações necessárias com base nos resultados da avaliação do conceito. Continuamos a verificar em grandes conjuntos de dados e observamos mais variações. O resultado da estratégia melhora se considerarmos dias da semana específicos? Por exemplo, o preço das ações caindo 3% na sexta-feira resulta em um aumento cumulativo de 5% ou mais na próxima semana? O resultado melhora se tomarmos ações de alta volatilidade com valores beta acima de 4?
Podemos verificar essas personalizações, quer o conceito original mostre resultados positivos ou não. Você pode continuar explorando vários padrões. Nesse estágio, você também pode usar a programação de computadores para identificar tendências lucrativas, permitindo que algoritmos e programas de computador analisem os dados. No geral, o objetivo é melhorar os resultados positivos da nossa estratégia, levando a uma maior lucratividade.
Alguns traders ficam presos nesse estágio, analisando grandes conjuntos de dados infinitamente com pequenas variações nos parâmetros. Não há modelo de negociação perfeito. Lembre-se de desenhar uma linha no teste e tomar uma decisão.
4. Realize um estudo de praticidade:
Nosso modelo agora está ótimo. Ele mostra um lucro positivo para a maioria dos negócios (por exemplo, 70% de ganhos de $ 2 e 30% de perdas de $ 1). Nós concluímos que para cada 10 negociações, podemos obter um lucro considerável de 7 * $ 2 - 3 * $ 1 = $ 11.
Esta etapa requer um estudo de praticidade que pode ser baseado nos seguintes pontos:
A corretagem custo por comércio deixa espaço suficiente para o lucro? Eu posso ter que fazer até 20 negócios de US $ 500 cada para obter lucro, mas meu capital disponível é de apenas US $ 8000. Meu modelo comercial é responsável pelos limites de capital? Com que frequência posso negociar? O modelo mostra operações muito frequentes acima do meu capital disponível, ou poucas negociações mantendo os lucros muito baixos? O resultado teórico corresponde aos regulamentos necessários? Requer transações de venda a descoberto ou de opções de longa data que possam ser proibidas ou a realização simultânea de posições de compra e venda que também podem não ser permitidas?
5. Ir ao vivo ou abandonar e passar para um novo modelo.
Considerando os resultados dos testes, análises e ajustes acima, tome uma decisão. Vá em frente investindo dinheiro real usando o modelo comercial ou abandone o modelo e comece novamente a partir do passo 1.
Lembre-se, uma vez que você for viver com dinheiro real, é importante continuar a acompanhar, analisar e avaliar o resultado, especialmente no começo.
6. Esteja preparado para falhas e reinicia.
Negociar requer atenção constante e melhorias na estratégia. Mesmo que o seu modelo comercial tenha consistentemente ganho dinheiro durante anos, a evolução do mercado pode mudar a qualquer momento. Esteja preparado para falhas e perdas. Esteja aberto para mais personalizações e melhorias. Esteja pronto para desfazer o modelo e passar para um novo, se você perder dinheiro e não conseguir mais personalizações.
7. Assegure a gestão de risco construindo cenários hipotéticos.
Talvez não seja possível incluir o gerenciamento de risco no modelo de negociação selecionado, dependendo das estratégias escolhidas, mas é sensato ter um plano de backup caso as coisas não pareçam ser as esperadas. E se você comprar as ações que caíram 3%, mas não mostrou reversão de tendência para o próximo mês? Você deve despejar esse estoque com uma perda limitada ou manter-se nessa posição? O que você deve fazer no caso de uma ação corporativa como uma questão de direitos?
Centenas de conceitos de negociação estabelecidos existem e estão crescendo diariamente com as personalizações de novos traders. Para construir com sucesso um modelo comercial, o trader deve ter disciplina, conhecimento, perseverança e avaliação de risco justa. Um dos maiores desafios vem do apego emocional do trader a uma estratégia comercial desenvolvida por ele mesmo. Tal fé cega no modelo pode levar a perdas crescentes. O comércio baseado em modelos é sobre o desapego emocional. Despeje o modelo se ele estiver falhando e crie um novo, mesmo que ele tenha uma perda limitada e um atraso de tempo. Negociação é sobre lucratividade, e a aversão à perda é embutida nos modelos de negociação baseados em regras.

Validar estratégia de negociação
O Oscreener permite que você faça backtest de estratégias de opções com a métrica histórica de desempenho para análise e otimização da estratégia.
Opção negociação feita tão simples:
a) Selecione os parâmetros de triagem no menu esquerdo.
b) Especifique o stop loss (%) no menu do back tester.
c) Teste sua estratégia e ajuste muitos outros parâmetros.
Escolher o preço de exercício certo quando as opções de negociação podem determinar as chances de sucesso versus fracasso em longo prazo::
- BAIXAS greves de opção in-the-money & gt; levar a BAIXO lucro vs taxa de perda & gt; mas alta probabilidade de comércio bem sucedido.
Oscreener trabalha com grupos pré-definidos e todas as ações disponíveis (ETFs e índices)
gregos, volatilidade implícita e até análise técnica de estoque relacionada.
Estratégia de opção de backtest Bear Call Spread (Neutral to Bearish trend)
Estratégia de opção de backtest Bull Call Spread (Tendência Neutral a Bullish)
Backtest Bear Put Spread estratégia de opção (Neutral to Bearish trend)
Backtest Long Put estratégia de opção (tendência bearish)
Estratégia de opção de backtest long call (tendência de alta)
Backtest Short Put option strategy (Tendência Neutro a Alta)
uma. Especifique o patrimônio individual ou crie um portfólio de ações ou troque todo o mercado de opções e faça backtest da sua estratégia de opções.
b. Opção Strategy Return (em%) também conhecido como 'retorno sobre risco'.
c. Orçamento por estratégia ou 'risco máximo' (em dólares americanos)
e. Volatilidade Frontal (Volatilidade Implícita)
f. Gregos - Delta, Gama, Theta, Vega.
g Volume de negociações - Número mínimo de contratos negociados em uma única etapa da estratégia de opções selecionadas.
h. Distância até o ponto de equilíbrio em% em cada estratégia de opção.
Eu. Patrimônio Diário, Semanal, Mensal, Desempenho Técnico Trimestral em%
j. Equity Technical 5,20,50,100 Média de Movimentação do Dia acima / abaixo em%.
Gráficos de patrimônio individual para visualizar o lucro, o risco e a distância à expiração de cada estratégia de opções.
Por exemplo, o March Bull Put Spread no SHW no início de dezembro dá lucro de 15% sobre o investimento quando o preço das ações continua a tendência e sobe ou muda de tendência e permanece neutro. A estratégia ainda pode ser lucrativa mesmo se o estoque de SHW cair 9%. (A visualização de risco é exibida no gráfico de amostra)
4) Os pontos de entrada e saída da estratégia histórica são exibidos claramente em um formato de várias colunas. Entrada e saída do preço da participação, lucro-alvo / lucro real em% e $, distância até o ponto de equilíbrio, preço de compra / pedido, gregos, volatilidade e muito mais.
O Oscreener melhora a visibilidade nas negociações e permite que os comerciantes gerenciem os riscos de forma mais eficaz.

Projeto Determinista de Sistemas de Negociação com Validação Cruzada Restrita.
Um sistema de negociação de alta taxa de ganho para o SPY foi projetado usando um método determinístico e um simples preditor de preço. A validação cruzada dos resultados da amostra foi realizada em amostras fora do SPY e de uma segurança anti-correlacionada. Os resultados mostram que os sistemas de negociação de alta taxa de ganho com risco apropriado: taxa de recompensa podem ser usinados e até mesmo lucrativos em um mercado correlacionado.
Definições
O projeto determinístico de sistemas de negociação é um processo que produz o mesmo resultado toda vez que os mesmos dados são minerados com os mesmos parâmetros de projeto. Este é um processo compatível com os requisitos de testes e análises científicas. Note que a maioria dos algos de design de máquina baseados em redes neurais ou algoritmos genéticos não produzem em geral o mesmo resultado quando alimentados com os mesmos dados e os mesmos parâmetros devido à aleatoriedade nas condições iniciais.
A validação cruzada é o processo de avaliar como os resultados do projeto da máquina funcionam em um conjunto de dados independente com a finalidade de evitar erros do Tipo III, ou seja, o teste de hipóteses sugeridas pelos dados. No entanto, no caso do projeto de máquinas, sabe-se que a validação cruzada simples não é suficiente devido ao teste de hipóteses múltiplas e à pesquisa de dados. Procedimentos mais avançados de validação cruzada são necessários para avaliar a significância dos sistemas de negociação desenvolvidos por meio do projeto da máquina. Neste blog, além do teste fora da amostra, outro teste rigoroso é realizado em uma segurança anti-correlata durante o mesmo período de dados não visto.
Processo de Projeto de Máquina.
Conjunto de dados e parâmetros de desempenho dentro da amostra.
Nós usaremos o Price Action Lab para projetar um sistema de negociação para o SPY que será composto de vários padrões de preço de curto prazo. O fechamento de barras diárias será usado como preditor de preço com um período máximo de 9 barras. A amostra de dados disponível desde o início deste ETF é dividida da seguinte forma:
Na amostra: 29/01/1993 - 31/12/2008 Fora da amostra 01/02/2009 - 02/04/2015.
A taxa de ganho mínima necessária para cada um dos padrões é de 85%. A meta de lucro é definida como 2% porque gostaríamos de evitar o máximo possível de saídas de ajuste para os dados. O stop-loss é definido em 4% com base no requisito de um fator de lucro mínimo de 1,5 por padrão identificado na amostra. Também exigimos que cada padrão na amostra tenha mais de 20 negócios e não mais do que 7 perdedores consecutivos. Abaixo está o espaço de trabalho para o projeto da máquina na amostra:
Cada linha nos resultados corresponde a um padrão de preço que satisfaz os parâmetros de desempenho especificados pelo usuário. O trade on é o ponto de entrada, neste caso o Open da próxima barra. P é a taxa de sucesso do padrão, PF é o fator lucro, Trades é o número de negociações históricas, CL é o número máximo de perdedores consecutivos, Tipo é LONGO para padrões longos e SHORT para padrões curtos, Alvo é a meta de lucro, Stop é o stop-loss e C indica% ou pontos para as saídas, neste caso é%. Última data e primeira data são a última e primeira data no arquivo de dados históricos.
O Price Action Lab identificou 30 padrões distintos que satisfizeram os critérios especificados no espaço de trabalho, 23 longos e 7 curtos. Como o bom desempenho é garantido na amostra por design, continuaremos com o teste fora da amostra. Vamos apenas mencionar que, na amostra, o retorno anual composto foi de 22% e o índice de Sharpe foi de 2,57.
Em seguida, o código Amibroker foi gerado para os padrões de preços e eles foram combinados com o operador OR em um sistema de negociação final.
Os resultados do backtest no out-of-sample são mostrados abaixo:
A curva de capital é aceitável, embora abaixo de comprar e manter (dados não ajustados). No entanto, não devemos esperar que um único sistema supere o buy and hold, especialmente quando há uma forte tendência nos últimos dois anos. O retorno anual composto é de 9,84%, o retorno líquido é 79,76%, max. rebaixamento é de -14,92%, o fator de lucro é de 1,47 e o índice de Sharpe é de 1. Um total de 150 negócios foram gerados no out-of-sample, 109 long e 41 short. Os negócios de curto prazo contribuíram com 4,8% para o retorno anual composto. Observe que a comissão de US $ 0,01 por ação foi incluída nos testes e o capital inicial foi de US $ 100 mil. O capital foi totalmente investido a cada nova posição.
Os resultados aceitáveis ​​no out-of-sample não são suficientes para proteger contra erros do tipo III. Isso é verdade porque o processo de projeto da máquina testou muitos sistemas na amostra antes de oferecer um resultado final. Testes adicionais são necessários. Como a validação cruzada k-fold e outros métodos de particionamento de dados são difíceis de aplicar no caso de sistemas de negociação, recorreremos a testes de aleatorização e testes sobre títulos comparáveis, mas anti-correlacionados.
Abaixo está a distribuição dos retornos líquidos de 20.000 sistemas de negociação SPY long / short aleatórios que iniciam posições no fechamento da barra diária no out-of-sample com base no resultado de um sorteio justo (heads = long, tails = short) . As posições longas são fechadas quando as caudas sobem e as posições curtas são fechadas quando as cabeças aparecem. O patrimônio inicial é de US $ 100.000, a comissão é fixada em US $ 0,01 por ação e o capital é totalmente investido em cada posição:
O retorno líquido de 79,76% no out-of-sample do sistema projetado pela máquina para pontuações SPY é superior a 96,09% dos sistemas aleatórios, resultando em um valor de p de 0,0391. Portanto, dado que a hipótese nula é verdadeira, a probabilidade de obter o retorno testado no out-of-sample por acaso é de cerca de 4%. Mas é mesmo? A resposta é que talvez não seja e na verdade é maior. Precisamos de validação adicional.
Um teste rigoroso de validação cruzada.
Como o nosso sistema foi desenvolvido realizando essencialmente vários testes, a análise de aleatorização acima é um primeiro passo para descartar erros do Tipo III, mas isso não é suficiente. Podemos usar essa análise para economizar tempo, no sentido de que, se o valor p for maior que 0,05, poderemos rejeitar o sistema. Mas um alto valor de p não descarta um sistema espúrio devido a múltiplos testes, ou seja, um sistema que teve a sorte de passar no teste de randomização.
Com o objetivo de aumentar as chances de que nosso resultado não seja espúrio, identificaremos uma garantia anticorrelacionada no período fora da amostra e testamos o sistema. Um bom candidato para este teste é o TLT, conforme mostrado abaixo:
A correlação média de 120 dias de SPY e TLT durante o período fora da amostra foi de -0,34 com um período de quase dois anos, que é marcado no gráfico, de alta correlação. Abaixo está o desempenho patrimonial do sistema desenvolvido para o SPY nos dados TLT no mesmo período fora da amostra:
No caso da TLT, o sistema supera o buy and hold com retorno anual composto de 9,43% e retorno líquido de 75,60%. Max. rebaixamento é -11,14% e Sharpe é 1,06 com fator de lucro igual a 1,49.
Este é um resultado significativo. Um sistema desenvolvido para o SPY funciona ainda melhor em TLT, uma segurança anti-correlata. Assim, a probabilidade de que os padrões identificados durante o projeto da máquina tenham poder preditivo é alta. No entanto, observe que esse teste deve ser realizado apenas uma vez. Se os resultados não forem satisfatórios, a pesquisa por outra segurança anti-correlacionada que forneça um resultado positivo ou outro sistema que forneça um resultado positivo com o mesmo teste, introduz viés de snooping de dados e invalida a importância desses testes. O mesmo se aplica a qualquer processo que reutilize dados para realizar testes em um out-of-sample. Se os dados forem reutilizados muitas vezes, a pesca de dados é garantida juntamente com resultados espúrios. Aparentemente, isso é o que aflige os esforços de muitos desenvolvedores de sistemas que usam redes neurais e algoritmos genéticos para extrair bordas. É também por isso que o determinismo é importante: se um sistema diferente é extraído a cada novo teste, ou existem muitos sistemas diferentes com bom desempenho, isso facilita a espionagem de dados. No entanto, com o Price Action Lab isso não é possível, pois com os mesmos parâmetros, o mesmo sistema será encontrado e todos os padrões serão usados ​​para desenvolver o sistema final, ou seja, não haverá viés de seleção.
Abaixo está a distribuição dos retornos líquidos de 20.000 sistemas de negociação TLT aleatórios long / short que iniciam posições no fechamento de cada barra diária no out-of-sample com base no resultado de um sorteio justo (heads = long, tails = short ). O patrimônio inicial é de US $ 100.000, a comissão é fixada em US $ 0,01 por ação e o capital é totalmente investido em cada posição:
O retorno líquido de 75,60% do sistema projetado pela máquina para pontuações de TLT é maior que 97,47% dos sistemas aleatórios, resultando em um valor p de 0,0253. Portanto, dado que a hipótese nula é verdadeira, a probabilidade de obter o resultado do sistema fora da amostra por acaso é de cerca de 2,5%.
Conclusão.
Preditores simples de ação de preço, como o fechamento de barras diárias, ainda possuem poder preditivo, apesar de uma arbitragem contínua de oportunidades nos mercados. Isso foi demonstrado neste blog. É importante que o projeto da máquina que usa um preditor simples para desenvolver um algoritmo seja determinístico; caso contrário, testes complexos devem ser usados ​​para proteger contra erros do tipo III e pesca de dados. A complexidade dos testes requeridos torna extremamente difícil a aplicação do projeto de máquinas com base em condições iniciais aleatórias no caso de desenvolvimento de sistemas de negociação. Devido à natureza determinística do algoritmo de projeto de máquina usado neste exemplo, um teste mais simples, porém rigoroso, foi usado com base no desempenho do sistema em uma segurança anti-correlacionada. No entanto, qualquer abuso desses tipos de testes torna-os ineficazes na proteção contra erros do tipo III. Obviamente, o desenvolvimento de sistemas de negociação não é fácil e está ficando mais difícil à medida que a tecnologia avança. Os traders têm duas opções quando desenvolvem sistemas: A primeira opção é baseada em conceber uma hipótese para testar que ela deve ser única, caso contrário pode ser um artefato de viés de mineração de dados. A segunda opção envolve usar o design da máquina. Ambas as opções têm armadilhas. A primeira opção requer unicidade e a segunda opção requer testes eficazes de validação cruzada. Pode ser o caso de que apresentar uma hipótese única tenha poucas chances, devido à implacável mineração de dados nos últimos 25 anos, usando computadores e backtesting.

Como avaliar, fazer backtest e validar uma estratégia de negociação.
Ultimamente tenho trabalhado com backtesting várias estratégias que invente ou ache de sites como TradingView. Eu vou te guiar pelo processo de como eu:
Identifique uma estratégia possível Encontre uma variedade de ações para executar um backtest estruturado Realize o próprio backtest real.
No final dessas três etapas, posso identificar o grau de sucesso da estratégia e se devo usá-la para negociação ao vivo e (aproximadamente) o quanto eu poderia esperar em um determinado período de tempo com base em determinado número de negociações.
Identificando a estratégia.
Eu identifiquei essa estratégia montada por Chris Moody no TradingView. É chamado de Williams VIX Fix e é baseado nos escritos de Larry Williams em torno de um cálculo Vix sintético. Se você quiser saber mais sobre o VIX, a Wikipédia é um ótimo lugar para começar.
Depois de fazer alguns backtests visuais em várias moedas, desenvolvi um sistema de negociação simples que queria testar. As regras deste sistema são simples:
Insira uma negociação longa para todos os sinais de entrada agressivos ou filtrados gerados pelo sistema, a menos que o RSI Estocástico esteja próximo ou acima de 80 (o RSI Estocástico é um indicador disponível gratuitamente no TradingView e em várias outras plataformas de gráficos financeiros). o RSI está acima de 80 e a linha K atravessa a linha D Se ocorrerem múltiplos sinais, adicione à posição atual supondo que as condições em # 1 acima sejam atendidas (por exemplo, se houver duas entradas filtradas em dias concorrentes, uma compraria a mesma de ações no dia 2 como no dia 1)
Eu não levei em conta o Money Management pelas regras, pois elas variam para cada operador individual.
Encontrar ações para o backtest.
Eu usei o mapa do FinViz e a Unicorn Bay para encontrar uma variedade de moedas no backtest. Meus critérios para selecionar moedas são os seguintes:
Teste moedas através de setores e indústrias (para evitar, por exemplo, testes de estoques tecnológicos durante anos que as ações de tecnologia viram um boom) Teste pelo menos duas moedas altamente diferentes e não correlacionadas para ver como a estratégia funciona contra conjuntos de dados muito diferentes.
As moedas que decidi fazer backtest foram:
Além disso, testei dois títulos altamente não correlacionados, identificados na página Most / Least Correlated Assets da Unicorn Bay:
Executando o backtest.
Então eu executei através do TradingSim, um simulador de negociação onde você pode praticar estratégias reais usando uma conta simulada. Usando este software, você pode abrir posições em ações usando uma conta falsa e negociar como se fossem ações reais. O único inconveniente é que o backtest é de apenas 2 anos.
Eu comecei a executar o backtest de cada ação ao longo dos 2 anos completos com uma conta falsa de $ 10.000. Para cada comércio, eu coloquei.
20% do capital em risco (que não é necessariamente o que você faria no mundo real, mas eu queria ampliar os resultados neste caso). Os resultados foram promissores. Durante um período de 2 anos, cada ação fez um retorno à saúde. As negociações individuais são listadas aqui.
Mais testes no backtesting.
Embora esses resultados iniciais fossem promissores, dois anos de backtesting realmente não foram suficientes. A fim de testar ainda mais o estresse, eu codifiquei uma estratégia no TradingView com base nas regras do meu sistema de negociação. Você pode encontrar o sistema aqui. Você pode ver e modificá-lo, se desejar, no TradingView.
Os dados da TradingView remontam muito mais (pelo menos até 1968 para muitas ações), então testei novamente cada uma das 13 ações usando a mesma conta virtual de $ 10.000 para ver se elas tinham lucro.
Apenas 1 dos 13 pares não saiu lucrativo (GS - Goldman Sachs). Decidi descobrir por que isso acontecia, e se havia algum padrão que pudesse ser entendido sobre quaisquer ações que talvez não fossem úteis para usar essa estratégia.
Eu usei o screener do TradingView para testar a estratégia em uma variedade de ações de baixa volatilidade, e encontrei um número de candidatos que parecem adequados para testes futuros devido ao seu alto fator de lucro. Uma lista crescente de ações que exibem alto potencial de lucro com essa estratégia é visível aqui. Abaixo estão alguns screenshots de algumas das performances de ações do backtested.
Novamente, nada disso significa dizer que simplesmente colocar todo o seu dinheiro na AAPL em 2004 e simplesmente segurar não é uma ótima estratégia. Você pode fazer isso, assim como ter lucros previsíveis, mesmo com quedas de mercado como em 2001 e 2008 e, através de uma composição, ganhar dinheiro decente com estratégias como essa.
Encaminhe e teste várias ações usando Robinhood e mostre resultados positivos, depois aumente as contribuições de capital Codifique a estratégia / algoritmo para cima em Quantopian e ganhe suporte / capital para negociar essa estratégia Encontre / desenvolva outras estratégias que sejam adequadas para negociação.
Isenção de responsabilidade: Tudo isso é especulativo e não é considerado um conselho de investimento definitivo. Eu não sou responsável por quaisquer lucros ou perdas que alguém experimente usando essa estratégia, seja em formato parcial ou completo. Eu não sou um profissional de investimento ou corretor. Por favor, faça uma pesquisa mais aprofundada antes de usar qualquer uma das estratégias descritas neste post.
O crédito para a estratégia Williams VIX FIX vai para Chris Moody.
Estratégia usada no TradingView disponível aqui.
Lista de cotações de ações que mostram excelentes retornos e curvas de patrimônio disponíveis aqui.