Как искать выгодные алгоритмические торговые стратегии.
Часть 1: Личные предпочтения в торговле.
Часть 2: Поиск источников алгоритмических торговых идей.
Часть 3: Оценка торговых стратегий.
Часть 4: Получение исторических данных.
Оценка торговых стратегий
Самый важный, и возможно самый очевидный факт состоит в том, понимаете ли вы стратегию на самом деле. Можете ли вы объяснить стратегию кратко, или для этого потребуется ряд условностей и бесконечные списки параметров? Кроме того, есть ли в действительности у стратегии хорошая, твердая основа? Например, можете ли вы отметить некоторое логическое обоснование поведения или ограничения структуры фонда, что могло бы стать причиной паттерна (паттернов), которые вы пытаетесь использовать? Сохраняется ли это ограничение при изменении финансового режима, такого как резкое регулятивное изменение финансовой среды? Стратегия опирается на сложные статистические или математические правила? Относится ли она к какому-нибудь финансовому временному ряду, или характерна для класса активов? Вы должны постоянно думать об этих факторах, оценивая новые торговые методы, иначе можете потратить впустую много времени, пытаясь бэктестировать и оптимизировать нерентабельные стратегии.
Как только вы решили, что понимаете основные принципы стратегии, вы должны определить, соответствует ли она вашему упомянутому в первой части профилю личности. Все не столь неопределенно, как может показаться на первый взгляд! Стратегии будут сильно отличаться по их рабочим характеристикам. Есть конкретные типы личности, которые могут справиться с более существенными периодами просадки или готовы идти на больший риск для получения большей прибыли. Несмотря на тот факт, что мы в качестве количественных трейдеров пытаемся и устраняем как можно больше когнитивных искажений, и должны быть способны оценивать стратегию беспристрастно, искажения все равно будут появляться. Таким образом, мы нуждаемся в последовательном, бесстрастном средстве, с помощью которого можно оценить выполнение стратегий. Вот список критериев, по которым я оцениваю потенциально новую стратегию:
— Методология. Основана ли стратегия на импульсе (momentum), возврате к среднему (mean-reverting), маркет-нейтральна она или направлена? Опирается ли стратегия на сложные статистические или машинные методы обучения, которые трудны для понимания и требуют докторской степени в статистике? Вводят ли эти методы большое количество параметров, которые могут привести к ошибкам оптимизации? Будет ли стратегия противостоять изменению финансового режима (то есть потенциально новому регулированию финансовых рынков)?
— Коэффициент Шарпа. Коэффициент Шарпа эвристически характеризует отношение прибыли стратегии к ее риску. Он определяет, какую прибыль вы можете получить для уровня волатильности, допускаемой кривой эквити. Естественно, мы должны определить период и частотность, которыми измеряются эта прибыль и волатильность (стандартное отклонение). Например, более высокочастотная стратегия потребует большей частоты измерений стандартного отклонения, но более короткого общего периода времени измерения.
— Плечо. Нужны ли стратегии большие плечи, чтобы быть прибыльной? Необходимо ли использование производных маржинальных контрактов (фьючерсов, опционов, свопов), чтобы приносить прибыль? Эти маржинальные контракты могут быть очень чувствительны к волатильности, и легко привести к маржин-колам. Есть ли у вас есть торговый капитал и темперамент для такой волатильности?
— Частотность. Частотность стратегии сильно связана с вашим стеком технологий (и вашим опытом в этих технологиях), коэффициентом Шарпа и общим уровнем операционных издержек. Среди других рассматриваемых проблем высокочастотные стратегии требуют большего капитала, они более сложны и более трудноосуществимы. Однако, если ваш движок для бэктестирования умен и в нем нет ошибок, то такие стратегии часто будут иметь намного более высокие коэффициенты Шарпа.
— Волатильность. Волатильность сильно связана с риском стратегии. Она характеризуется коэффициентом Шарпа. Более высокая волатильность основных классов активов, если они не хеджированы, часто приводит к более высокой волатильности кривой эквити и таким образом меньшему коэффициенту Шарпа. Я здесь предполагаю, что положительная волатильность приблизительно равна отрицательной волатильности. У некоторых стратегий может быть большая волатильность на падении рынка. Вы должны знать эти отличительные особенности.
— Выигрыш/проигрыш, средняя прибыль/средние потери. Стратегии будут отличаться по этим параметрам. Можно иметь очень прибыльную стратегию, даже если число проигрышных сделок превышает число выигрышных. Импульсные стратегии имеют тенденцию к такому сценарию, поскольку, чтобы быть прибыльными, им необходимо небольшое число «крупных успехов». Стратегии возврата к среднему имеют тенденцию к противоположной схеме, где большинство сделок «выигрывает», но проигрывающие сделки могут быть довольно серьезными.
— Максимальная посадка. Максимальная просадка – самый большой общий спад в процентном исчислении от высшей до низшей точки на кривой эквити стратегии. Хорошо известно, что импульсные стратегии страдают от периодов длительных просадок (из-за последовательности большого количества постепенных проигрышных сделок). Многие трейдеры сдаются в периоды длительных просадок, даже если тестирование на исторических данных указывало, что для стратегии это «обычное положение дел». Прежде, чем останавливать торговлю по своей стратегии, вам необходимо определить, какой процент просадок (и за какой период) вас устроит. Это очень личное решение, и его нужно принять, все тщательно взвесив.
— Емкость/ликвидность. На розничном уровне, если вы не торгуете очень неликвидным инструментом (например, акциями мелких компаний), вам не придется сильно беспокоиться о емкости стратегии. Емкость определяет расширяемость стратегии на больший капитал. Многие большие хедж-фонды страдают от больших проблем с емкостью, когда в их стратегии приходит больше капитала.
— Параметры. Некоторым стратегиям (особенно найденным в сообществе машинного обучения) требуется большое число параметров. Каждый дополнительный параметр, который необходим стратегии, делает ее более уязвимой для ошибки оптимизации (также известной как «подгонка кривой»). Вам следует пробовать и выбирать стратегии с как можно меньшим количеством параметров, или удостовериться в том, что у вас есть достаточное количество данных для ее проверки.
— Бэнчмарк. Почти все стратегии (кроме тех, которые являются стратегиями с «абсолютным доходом») измеряются по сравнению с некоторым бенчмарком. Бенчмарком обычно является индекс, характеризующий большую выборку базового класса активов, которыми торгует стратегия. Если стратегия торгует акциями США c высокой капитализацией, то S&P 500 является естественным бенчмарком для измерения вашей стратегии. Вы услышите термины «альфа» и «бета», применяемые к стратегиям этого типа.
Заметьте, что мы не обсуждаем фактическую прибыль стратегии. Почему? Прибыль, если рассматривать ее автономно, на самом деле предоставляет нам ограниченную информацию относительно эффективности стратегии. Она не дает вам представление о плечах, волатильности, бенчмарках или требованиях к капиталу. Таким образом, стратегии редко оцениваются по одной только прибыли. Всегда смотрите на риск стратегии перед рассмотрением прибыли.
На данном этапе многие стратегии, полученные через ваш канал, будут отклонены, поскольку не будут отвечать вашим основным требованиям, требованиям к плечам, к допустимой максимальной просадке или параметрам волатильности. Оставшиеся стратегии можно будет рассмотреть для проведения бэктестирования. Однако прежде чем это делать, необходимо взвесить критерии окончательного отказа – те доступные исторические данные, с помощью которых можно протестировать эти стратегии.
Продолжение: Часть 4: Получение исторических данных
Автор: Michael Halls-Moore
Источник: How to identify algorithmic trading strategies
Другие статьи по теме:
Что использовать для оценки качества торговой стратегии: коэффициент Шарпа или коэффициент Сортино?
Оцениваем торговые стратегии с помощью Ulcer index
Комментарии:
hrenfx: Бенчмарки (vs S&P500 и прочие), видимо, нужны для создания картинок в головах недалеких инвесторов. Т.к., очевидно, что для оценки ТС людям, кто сам создает ТС, проводить подобные бенчмарки — идиотизм.
Бенчмарки совсем не имеют какого-либо отношения к оценке робастности ТС и ее статистических характеристик.