Melhorar as estratégias de negociação através da walk forward analysis

Melhorar as estratégias de negociação através da Walk Forward Analysis

Melhorar as estratégias de negociação através da Walk Forward Analysis

Otimização tradicional de estratégias de negociação

Otimização é o processo para adaptar os parâmetros de uma determinada estratégia a um mercado específico. É geralmente uma coisa boa quando feito corretamente, mas se não for feito corretamente, há um alto risco de fazê-lo errado e acabar com um sistema de curva equipada (vou aprofundar a tradicional otimização de estratégias de negociação em postos futuros).

O que é ajuste de curva?

Você sempre pode encontrar uma combinação de regras e parâmetros de negociação que se encaixa perfeitamente com os dados históricos disponíveis, resultando em resultados comerciais excepcionais com base nesses testes. Mas quando essas regras são testadas em um mercado vivo, elas falham e perdem dinheiro muito rapidamente.

A maioria das estratégias comercialmente disponíveis sofre deste problema. Por quê? Porque os vendedores vendem a estratégia baseada em testes bonitos em vez da robustez da estratégia. É muito mais fácil de vender com base em uma curva de equidade agradável do que vender com base no complexo processo de otimização para aumentar a robustez e reduzir o encaixe de curva. Triste mas verdade.

A maneira correta de otimizar

Para evitar o ajuste da curva, deve-se deixar pelo menos 30% dos dados disponíveis do processo de otimização. Por exemplo, se você tiver dados de 2000 a 2017 (12 anos), o processo de otimização seria:

Otimizar para 2000 2009. Você vai acabar com os melhores parâmetros neste período.

Selecione o melhor conjunto de parâmetros. Os critérios para escolher é importante. Por exemplo, selecionando o melhor AbsoluteProfit / RelativeDrawdown que tem parâmetros de vizinho bastante robustos é uma boa escolha.

Testar o conjunto de parâmetros no período fora do período de amostragem (2018-2017). Se você obtiver resultados diferentes neste período, há algo de errado nas fases anteriores. Você deve retornar à fase de projeto.

Uma vez que você tenha um conjunto de parâmetros que funcione corretamente no período fora do período de amostra, você executaria sua estratégia ao vivo.

Os problemas da otimização tradicional

A otimização tradicional é boa, mas há problemas óbvios:

O conjunto de parâmetros escolhido é a qualidade média. Como ele precisa sobreviver a um monte de condições de mercado (tanto na amostra e fora da amostra de dados), não será realmente adaptado a qualquer um, assim que muitas oportunidades comerciais serão perdidas.

A degradação força reoptimizações periódicas. À medida que o tempo passa, o conjunto de parâmetros escolhido é degradado. Teremos mais dados e teremos condições de mercado mais diferentes.

A maioria dos ganhos poderia ser focada em pequenos períodos. Você vai encontrar muitas estratégias lá fora cuve adaptado às condições do mercado recente, mas quando testá-los em anos anteriores eles falham.

Uma mudança dramática e definitiva em um mercado fará com que a estratégia atinja o pior cenário possível, perdendo muito dinheiro

Existem maneiras de resolver a maioria dos problemas acima de uma maneira tradicional. Mas usando Walk Forward espero que devemos ser capazes de superar ou reduzir o impacto de todos eles.

Análise Avançada

Com o Walk Forward Analysis, em vez de fazer uma grande otimização nos dados da amostra e testá-la nos dados fora da amostra, faremos um monte de pequenas otimizações e testes em períodos muito menores.

O tamanho do período de otimização é chamado de 8220; Otimização Window8221 ;. De acordo com meus testes, o tamanho da Janela de Otimização deve ser adaptado para cada mercado, uma vez que está diretamente correlacionado com os ciclos de mercado ou o 8220; Em que um dado mercado muda. Por exemplo, na próxima imagem estaríamos fazendo uma Análise Avançada usando uma 8220; Janela de Otimização8221; Tamanho de 3 meses e, em seguida, um período fora de amostra de um mês:

Walk Forward Análise das estratégias de negociação

O resultado de um teste de Walk Forward Analysis completo será a soma dos resultados de todos os testes menores:

O resultado de um teste Walk Forward Analysis

Uma estratégia que é capaz de sobreviver a uma adequada Walk Forward Analysis irá mostrar níveis muito mais elevados de robustez do que estratégias de negociação tradicional otimização parâmetros conjuntos. A maioria de características cabidas curva ou características adicionadas para melhorar resultados a curto prazo não poderão sobreviver a este teste porque falharão constantemente durante as fases de teste diferentes.

O objetivo de Walk Forward Analysis

Existem dois objetivos principais a serem alcançados com a Análise Avançada:

Robustez. O principal objetivo da Análise Avançada é alcançar níveis muito altos de robustez. Pela robustez eu significo obter resultados similares em negociar vivo e em backtests.

Maior rentabilidade. Um bom processo Walk Forward permitirá que a estratégia se adapte a um mercado em constante mudança, permitindo que ele negocie com mais freqüência e direcione mais pips em condições favoráveis ​​e reduza a freqüência de negociação e metas em condições desfavoráveis.

Há outros benefícios secundários:

Se a ineficiência for apagada do mercado, uma implementação apropriada do Walk Forward decidirá não negociar

Se então a ineficiência retornar ao mercado, ela começará lentamente a negociar novamente

A vida da estratégia é muito mais longa. O pior cenário que nos faria parar de negociar a estratégia seria muito mais difícil de alcançar. A eliminação da ineficiência não seria suficiente para que deixássemos de operar. Além disso, todo o processo Walk Forward deve deixar de detectar essas condições de mercado.