Auswertung Von Handelsstrategien

Sowohl für private Projekte als auch für Kunden, habe ich in diesem Jahr an Code gearbeitet, um automatisierte Trading-Strategien zu bewerten. Dies endet oftmals in die Aufgabe, wie man Äpfel und Orangen echt vergleicht, um ein FX-Beispiel zu benutzen Die Strategien nur kaufen verkaufen 1 Los, in einer einzigen Währung Andere sind der Handel in drei oder vier Währungen und mit verschiedenen Losgrößen, verdoppeln, wenn Sie verlieren, etc etc Dann gibt es Fragen über betrachten wir Margin Ratios, Handelskosten, Anfangskapital zur Verfügung Zins verdient, wenn das volle Kapital nicht in der Strategie ist Steuer, CGT, Stempelsteuer don t sogar dort hingehen Einige Strategien haben unterschiedliche Resultate, wenn wir durchschnittliche Verluste des Verlierens von Trades im Vergleich zum schlimmsten Verlust betrachten. Letzteres entscheidet das Margin Call, was wichtiger ist . Aber ich bin oft sehr enttäuscht von akademischen Papieren, die keine Ausbreitung, unbegrenztes Kapital annehmen, immer immer den angekündigten Preis, aber viele Lose, die Sie kaufen möchten, etc Einige Strategien, die toll aussehen ohne Ausbreitung, fallen auseinander, wenn ich eine pessimistische Ausbreitung anwenden Strategien sind fast unberührt. So endlich meine Frage ist, könnte jemand mich auf Papiere Bücher über die akzeptierte Praxis in der Strategie Bewertung und Vergleich Allgemeine Beratung, Diskussion und Meinung zu diesem Thema sind auch willkommen, aber das wichtigste, was ich fühle, ist derzeit ein Nach Hoyel-Referenz kann ich nicht einfach als Führer verwenden, aber das erklärt auch deutlich die Kompromisse und warum die meisten Leute sich dafür entscheiden, es so zu machen. UPDATE Vielen Dank für die Antworten so weit, und ich sehe einen Blick auf die vorgeschlagenen Bücher Hier und in anderen Threads wollte ich nur klären, dass es für den Umfang dieser Frage nicht darum geht, Strategien zu entwerfen, die ich für jeden Satz von Strategien einen Satz von Trades bekomme und gefragt zu sagen, was am besten ist Kommen aus Algorithmen oder aus menschlichen Händlern Mein bevorzugter Ansatz ist detaillierte Simulation definieren, wie viel Bargeld am Anfang, alle Kosten einschließen und sehen, wie viel Bargeld am Ende Andere scheinen glücklich mit nur zählen Pip-Bewegungen Für einige Strategien gibt dies ein ähnliches Ergebnis , Für andere gibt es ein anderes Ergebnis Ich möchte wissen, wie die Big Boys damit umgehen, und warum, so kann ich das als die grundlegende Ansatz verwenden, und dann argumentieren intelligent für gegen verschiedene approach. asked 27. Oktober 11 um 2 45.Wie Um algorithmische Handelsstrategien zu identifizieren. In diesem Artikel möchte ich euch die Methoden vorstellen, mit denen ich selbst profitable algorithmische Handelsstrategien identifiziere. Unser Ziel ist es heute, im Detail zu verstehen, wie man solche Systeme findet, auswertet und auswählt. Ich werde erklären, wie Identifizierungsstrategien sind So viel über persönliche Präferenz, wie es ist über Strategie-Performance, wie die Art und Menge der historischen Daten für die Prüfung zu bestimmen, wie man leichte Bewertung einer Handelsstrategie und schließlich, wie man in Richtung Backtesting Phase und Strategie Umsetzung. Identifizierung Ihrer eigenen persönlichen Präferenzen Für Trading. Um ein erfolgreicher Trader zu sein - entweder diskretional oder algorithmisch - ist es notwendig, sich selbst einige ehrliche Fragen zu stellen Trading bietet Ihnen die Möglichkeit, Geld mit einer alarmierenden Rate zu verlieren, also ist es notwendig, dich selbst so viel zu kennen wie es Ist notwendig, um Ihre gewählte Strategie zu verstehen. Ich würde sagen, die wichtigste Überlegung im Handel ist bewusst Ihre eigene Persönlichkeit Trading, und algorithmischen Handel im Besonderen erfordert ein erhebliches Maß an Disziplin, Geduld und emotionale Loslösung Da Sie einen Algorithmus durchführen lassen Ihr Handel für Sie, es ist notwendig, gelöst werden, um nicht mit der Strategie zu stören, wenn es ausgeführt wird Dies kann sehr schwierig sein, vor allem in Zeiten der erweiterten Drawdown Allerdings sind viele Strategien, die gezeigt haben, um sehr profitabel in einem Backtest können Durch einfache Interferenz zerstört werden Verstehen Sie, dass, wenn Sie die Welt des algorithmischen Handels geben wollen, werden Sie emotional getestet und dass, um erfolgreich zu sein, ist es notwendig, durch diese Schwierigkeiten zu arbeiten. Die nächste Betrachtung ist eine der Zeit Haben Sie eine Vollzeitjob Sie arbeiten Teilzeit Arbeiten Sie von zu Hause aus oder haben Sie eine lange pendeln jeden Tag Diese Fragen werden dazu beitragen, die Häufigkeit der Strategie, die Sie suchen sollten Für diejenigen von Ihnen in Vollzeitbeschäftigung, eine Intraday-Futures-Strategie kann nicht sein Zumindest bis es voll automatisiert ist Ihre zeitliche Einschränkungen werden auch die Methodik der Strategie diktieren Wenn Ihre Strategie häufig gehandelt wird und auf teure News-Feeds wie ein Bloomberg-Terminal angewiesen ist, müssen Sie eindeutig realistisch sein über Ihre Fähigkeit, diese erfolgreich durchzuführen Während im Büro Für diejenigen von Ihnen mit viel Zeit, oder die Fähigkeiten, um Ihre Strategie zu automatisieren, können Sie in eine technische Hochfrequenz-HFT-Strategie zu suchen. Mein Glaube ist, dass es notwendig ist, kontinuierliche Forschung durchzuführen In Ihre Trading-Strategien, um ein konsequent profitables Portfolio zu halten Wenige Strategien bleiben unter dem Radar für immer Daher ein erheblicher Teil der Zeit für den Handel zugeteilt wird bei der Durchführung der laufenden Forschung Fragen Sie sich, ob Sie bereit sind, dies zu tun, wie es der Unterschied sein kann Zwischen starker Profitabilität oder einem langsamen Rückgang auf Verluste. Sie müssen auch Ihr Handelskapital betrachten Der allgemein akzeptierte ideale Mindestbetrag für eine quantitative Strategie ist 50.000 USD ca. 35.000 für uns in Großbritannien Wenn ich wieder anfange, würde ich mit einem größeren beginnen Betrag, vermutlich näher 100.000 USD ca. 70.000 Dies liegt daran, dass die Transaktionskosten für Mid - und High-Frequenz-Strategien extrem teuer sein können und es notwendig ist, genügend Kapital zu haben, um sie in Zeiten des Drawdowns zu absorbieren. Wenn Sie erwägen, mit weniger als 10.000 USD zu beginnen Dann müssen Sie sich auf niederfrequente Strategien beschränken, den Handel mit einem oder zwei Vermögenswerten, da die Transaktionskosten schnell in Ihre Renditen fangen Interactive Brokers, die einer der freundlichsten Broker für diejenigen mit Programmierkenntnissen ist, aufgrund seiner API, Hat ein Retail-Konto mindestens 10.000 USD. Programming Skill ist ein wichtiger Faktor bei der Schaffung einer automatisierten algorithmischen Trading-Strategie Als kenntnisreich in einer Programmiersprache wie C, Java, C, Python oder R wird Ihnen ermöglichen, die End-to-End zu schaffen Datenspeicherung, Backtest-Engine und Execution-System selbst Dies hat eine Reihe von Vorteilen, deren Chef die Fähigkeit ist, sich ganz auf alle Aspekte der Handelsinfrastruktur aufmerksam zu machen. Außerdem können Sie die höheren Frequenzstrategien erkunden, während Sie die volle Kontrolle haben Von Ihrem Technologie-Stack Während dies bedeutet, dass Sie Ihre eigene Software testen und Bugs beseitigen können, bedeutet es auch mehr Zeit verbrachte Codierung Infrastruktur und weniger auf die Umsetzung von Strategien, zumindest in den früheren Teil Ihrer Algo Trading Karriere Sie können finden, dass Sie sind Bequemer Handel in Excel oder MATLAB und kann die Entwicklung von anderen Komponenten auslagern, würde ich das aber nicht empfehlen, besonders für diejenigen, die mit hoher Frequenz handeln. Sie müssen sich fragen, was Sie hoffen, durch algorithmischen Handel zu erreichen Sind Sie an einem regelmäßigen Einkommen interessiert, Wobei Sie hoffen, Einnahmen aus Ihrem Handelskonto zu ziehen oder sind Sie an einem langfristigen Kapitalgewinn interessiert und können sich leisten, ohne die Notwendigkeit, Drawdown-Fonds zu handeln. Einkommensabhängigkeit wird die Häufigkeit Ihrer Strategie diktieren Mehr regelmäßige Einkommensabhebungen erfordern eine höhere Frequenz-Trading-Strategie mit weniger Volatilität iea höhere Sharpe-Verhältnis Langfristige Händler können sich eine mehr beruhigende Handelshäufigkeit. Finally, nicht durch die Vorstellung von immer sehr wohlhabend in einer kurzen Zeitspanne täuschen Algo Handel ist nicht ein Get-Rich - Schnelles Schema - wenn überhaupt, kann es ein schlechtes Schema sein. Es braucht erhebliche Disziplin, Forschung, Sorgfalt und Geduld, um bei algorithmischem Handel erfolgreich zu sein. Es kann Monate dauern, wenn nicht Jahre, um eine gleichbleibende Profitabilität zu generieren. Sourcing Algorithmic Trading Ideas. Trotz gemeinsamer Wahrnehmungen im Gegenteil ist es eigentlich ganz einfach, profitable Handelsstrategien in der Öffentlichkeit zu finden. Niemals haben Handelsideen mehr verfügbar, als sie heute sind Akademische Finanzjournale, Pre-Print-Server, Handelsblogs, Handelsforen, wöchentlicher Handel Zeitschriften und Fachtexte stellen Tausende von Handelsstrategien zur Verfügung, mit denen Sie Ihre Ideen aufbinden können. Unser Ziel als quantitative Handelsforscher ist es, eine Strategie-Pipeline zu etablieren, die uns einen Strom von laufenden Handelsprodukten bietet. Idealerweise wollen wir einen methodischen Ansatz für die Beschaffung schaffen , Evaluieren und implementieren Strategien, auf die wir stoßen Die Ziele der Pipeline sind es, eine konsequente Menge an neuen Ideen zu generieren und uns einen Rahmen für die Ablehnung der Mehrheit dieser Ideen mit dem Minimum an emotionaler Betrachtung zu geben. Wir müssen nicht besonders vorsichtig sein Um kognitive Vorurteile Einfluss auf unsere Entscheidungsfindung Methodik Dies könnte so einfach sein, wie eine Vorliebe für eine Asset-Klasse über ein anderes Gold und andere Edelmetalle in den Sinn kommen, weil sie als exotisch wahrgenommen werden Unser Ziel sollte immer sein, konsequent profitable Strategien zu finden, Mit positiver Erwartung Die Wahl der Anlageklasse sollte auf anderen Überlegungen beruhen, wie z. B. Handelskapitalbeschränkungen, Vermittlungsgebühren und Leverage-Fähigkeiten. Wenn Sie mit dem Konzept einer Handelsstrategie völlig vertraut sind, dann ist der erste Ort, um zu sehen, mit etablierten Lehrbüchern Classic Texte bieten eine breite Palette von einfacheren, einfacheren Ideen, mit denen Sie sich mit dem quantitativen Handel vertraut machen Hier ist eine Auswahl, die ich für diejenigen, die neu sind, um quantitativen Handel, die allmählich anspruchsvoller werden, wie Sie durch die Liste arbeiten Längere Liste der quantitativen Handelsbücher, besuchen Sie bitte die QuantStart Leseliste. Der nächste Ort, um mehr anspruchsvolle Strategien zu finden ist mit Handelsforen und Handelsblogs Allerdings ist ein Hinweis der Vorsicht Viele Handelsblätter verlassen sich auf das Konzept der technischen Analyse Technische Analyse beinhaltet die Verwendung von grundlegenden Indikatoren und Verhaltenspsychologie, um Trends oder Umkehrmuster in Assetpreisen zu bestimmen. Obwohl es im gesamten Handelsraum sehr beliebt ist, wird die technische Analyse als etwas ineffektiv in der quantitativen Finanzgemeinschaft betrachtet. Einige haben vorgeschlagen, dass es nicht besser ist, ein Horoskop zu lesen oder Tee zu studieren Blätter im Hinblick auf ihre prädiktive Kraft In Wirklichkeit gibt es erfolgreiche Personen, die technische Analyse nutzen. Da wir jedoch mit einer anspruchsvolleren mathematischen und statistischen Toolbox zur Verfügung stehen, können wir die Wirksamkeit solcher TA-basierten Strategien leicht auswerten und Daten - Basierte Entscheidungen anstatt basieren unsere auf emotionale Überlegungen oder Vorurteile. Hier ist eine Liste von gut respektierten algorithmischen Handel Blogs und Foren. Wenn Sie haben einige Erfahrung bei der Bewertung einfacher Strategien, ist es Zeit, um die anspruchsvolleren akademischen Angebote Einige akademische Zeitschriften werden schwer zugänglich sein, ohne hohe Abonnements oder einmalige Kosten Wenn Sie ein Mitglied oder ein Absolvent einer Universität sind, sollten Sie in der Lage sein, Zugang zu einigen dieser Finanzzeitschriften zu erhalten. Andernfalls können Sie sich die Pre-Print-Server ansehen Sind Internet-Repositories von späten Entwürfen von akademischen Papieren, die sich einer Peer-Review unterziehen. Da wir uns nur für Strategien interessieren, die wir erfolgreich replizieren, backtest und Profitabilität erhalten kann, ist eine Peer-Review für uns weniger wichtig. Der Hauptsinn der akademischen Strategien ist Dass sie oft entweder veraltet sein können, erfordern obskure und teure historische Daten, Handel mit illiquiden Vermögensklassen oder nicht in Gebühren, Schlupf oder Spread Faktor Es kann auch unklar sein, ob die Handelsstrategie mit Marktaufträgen durchgeführt werden soll, Begrenzung von Aufträgen oder ob es Stopp-Verluste usw. enthält. Es ist also unbedingt erforderlich, die Strategie selbst so gut wie möglich zu replizieren, zu backt und es in realistische Transaktionskosten hinzuzufügen, die so viele Aspekte der Assetklassen beinhalten, die du handeln möchtest Eine Liste der populäreren Pre-Print-Server und Finanz-Zeitschriften, die Sie können Ideen aus. Was über die Bildung Ihrer eigenen quantitativen Strategien Dies erfordert in der Regel erfordert, aber ist nicht beschränkt auf Know-how in einer oder mehreren der folgenden Kategorien. Market Mikrostruktur - Für höhere Häufigkeitsstrategien im Besonderen kann man Marktmikrostruktur nutzen, dh Verständnis der Auftragsbuchdynamik zur Erzielung von Profitabilität Verschiedene Märkte haben verschiedene technologische Einschränkungen, Regelungen, Marktteilnehmer und Zwänge, die alle über die spezifischen Strategien offen sind Sehr anspruchsvolle Bereiche und Einzelhandels-Praktiker werden es in diesem Raum schwierig sein, konkurrenzfähig zu sein, zumal der Wettbewerb große, gut kapitalisierte quantitative Hedgefonds mit starken technologischen Fähigkeiten umfasst. Fundstruktur - Pooled Investmentfonds wie Pensionsfonds, private Investmentpartnerschaften Hedge-Fonds, Rohstoffhandelsberater und Investmentfonds sind sowohl durch eine schwere Regulierung als auch durch ihre großen Kapitalreserven eingeschränkt. So können gewisse konsequente Verhaltensweisen mit denen, die nerviger sind, ausgenutzt werden. Zum Beispiel sind große Fonds aufgrund ihrer Größe Kapazitätsengpässe unterworfen Müssen schnell zu verwerfen verkaufen eine Menge von Wertpapieren, müssen sie es zu stören, um zu vermeiden, den Markt zu bewegen Ausgefeilte Algorithmen können dies nutzen, und andere Eigenheiten, in einem allgemeinen Prozess bekannt als Fondsstruktur Arbitrage. Machine lernen künstliche Intelligenz - Maschinelle Lernalgorithmen sind in den letzten Jahren in den Finanzmärkten häufiger geworden Klassifikatoren wie Naive-Bayes und al-nichtlineare Funktionsträger Neuronale Netze und Optimierungsroutinen Genetische Algorithmen wurden alle verwendet, um Asset-Pfade vorherzusagen oder Handelsstrategien zu optimieren Hintergrund in diesem Bereich können Sie einige Einblick in, wie bestimmte Algorithmen auf bestimmte Märkte angewendet werden könnte. Es gibt natürlich viele andere Bereiche für Quants zu untersuchen Wir werden diskutieren, wie man mit benutzerdefinierten Strategien im Detail in einem späteren Artikel kommen. Durch die fortlaufende Überwachung dieser Quellen auf einer wöchentlichen oder sogar täglichen Basis stellen Sie sich auf, um eine konsistente Liste von Strategien aus einer Vielzahl von Quellen zu erhalten. Der nächste Schritt ist, zu bestimmen, wie man eine große Teilmenge dieser Strategien ablehnen kann Zu minimieren Verschwendung Ihrer Zeit und Backtesting Ressourcen auf Strategien, die wahrscheinlich unrentabel sind. Evaluating Trading Strategies. Die erste und wohl am deutlichsten berücksichtigen ist, ob Sie tatsächlich verstehen, die Strategie Möchten Sie in der Lage, die Strategie genau zu erklären oder erfordert es eine String von Einschränkungen und endlosen Parameterlisten Darüber hinaus hat die Strategie eine gute, solide Basis in Wirklichkeit Zum Beispiel könnten Sie auf einige Verhaltensbegrünung oder Fondsstruktur Einschränkung, die das Muster verursachen könnte Sie versuchen, auszunutzen würde, würde diese Einschränkung Halten sich auf eine Regimewechsel, wie eine dramatische regulatorische Umwälzung Störung Ist die Strategie auf komplexe statistische oder mathematische Regeln angewendet Ist es für jede finanzielle Zeitreihe oder ist es spezifisch für die Asset-Klasse, dass es behauptet, profitabel auf Sie sollten Ständig denken über diese Faktoren bei der Bewertung neuer Handelsmethoden, sonst können Sie verschwenden eine erhebliche Menge an Zeit versuchen, Backtest und optimieren unrentable Strategien. Sie haben festgestellt, dass Sie verstehen, die grundlegenden Prinzipien der Strategie müssen Sie entscheiden, ob es passt Ihre vorgenannte Persönlichkeit Profil Dies ist nicht so vage eine Betrachtung, wie es klingt Strategien unterscheiden sich erheblich in ihren Leistungsmerkmalen Es gibt bestimmte Persönlichkeitstypen, die mehr signifikante Perioden des Drawdowns behandeln können oder sind bereit, ein größeres Risiko für eine größere Rückkehr zu akzeptieren Trotz der Tatsache, dass Wir, als quants, versuchen und beseitigen so viel kognitiven bias wie möglich und sollte in der Lage sein, eine Strategie leidenschaftslos zu bewerten, werden die Vorurteile immer kriechen. So brauchen wir eine konsistente, emotionale Mittel, um die Leistung von Strategien zu beurteilen Hier ist die Liste von Kriterien, die ich beurteilen, eine potenzielle neue Strategie von. Methodologie - Ist die Strategie Momentum basiert, mittler-reverting, marktneutral, direktional Ist die Strategie auf anspruchsvolle oder komplexe statistische oder maschinelle Lerntechniken, die schwer zu verstehen und benötigen einen PhD in Statistiken zu erfassen Haben diese Techniken eine signifikante Menge von Parametern, die zu Optimierung Bias führen könnte, ist die Strategie wahrscheinlich, um einen Regimewechsel zu widerstehen, dh potenzielle neue Regulierung der Finanzmärkte. Sharpe Ratio - Die Sharpe-Verhältnis heuristisch charakterisiert die Belohnung Risiko-Verhältnis der Strategie Es quantifiziert, wie viel Rendite Sie für die Volatilität erreichen können, die durch die Eigenkapitalkurve ausgehalten wird. Natürlich müssen wir die Periode und die Häufigkeit bestimmen, die diese Renditen und die Volatilität, dh die Standardabweichung, über eine höhere Frequenzstrategie erfordern, erfordert eine höhere Abtastrate von Standardabweichung, aber eine kürzere Gesamtzeit der Messung, zum Beispiel. Leverage - Braucht die Strategie erhebliche Hebelwirkung, um rentabel zu sein Ist die Strategie notwendig, die Verwendung von Leveraged Derivat-Kontrakte Futures, Optionen, Swaps, um eine Rückkehr zu machen Leveraged-Verträge können schwere Volatilität aufweisen und damit leicht zu Margin-Anrufen führen Sie haben das Handelskapital und das Temperament für diese Volatilität. Frequenz - Die Häufigkeit der Strategie ist eng mit Ihrem Technologie-Stack verbunden und damit technologisches Know-how, das Sharpe-Verhältnis Und Gesamt-Ebene der Transaktionskosten Alle anderen Fragen berücksichtigt, höhere Frequenz-Strategien erfordern mehr Kapital, sind anspruchsvoller und schwerer zu implementieren Allerdings, vorausgesetzt, Ihre Backtesting-Engine ist anspruchsvoll und bug-frei, werden sie oft weit höhere Sharpe Ratios. Volatility - Volatilität Ist stark auf das Risiko der Strategie angewiesen Das Sharpe-Verhältnis charakterisiert diese Höhere Volatilität der zugrunde liegenden Anlageklassen, wenn sie nicht gesichert ist, führt oft zu einer höheren Volatilität in der Eigenkapitalkurve und damit zu kleineren Sharpe-Ratios. Ich gehe natürlich davon aus, dass die positive Volatilität annähernd liegt Gleich der negativen Volatilität Einige Strategien können eine größere Abwärtsvolatilität haben Sie müssen sich dieser Attribute bewusst sein. Win Loss, Average Profit Loss - Strategien unterscheiden sich in ihrem Gewinnverlust und durchschnittlichen Gewinnverlust Eigenschaften Man kann eine sehr rentable Strategie haben, auch wenn Die Zahl der verlierenden Trades übersteigt die Anzahl der Siegesserie Momentum Strategien neigen dazu, dieses Muster zu haben, da sie auf eine kleine Anzahl von großen Hits angewiesen sind, um rentabel zu sein. Mittelwert-Reversion-Strategien neigen dazu, sich gegensätzliche Profile zu haben, wo mehr der Trades Gewinner sind, Aber die verlierenden Trades können sehr schwer sein. Maximum Drawdown - Der maximale Drawdown ist der größte Gesamt-Peak-to-Trog-Prozentsatz Drop auf die Aktienkurve der Strategie Momentum Strategien sind bekannt, um von Perioden der erweiterten Drawdowns aufgrund einer Reihe von zu leiden Viele inkrementelle verlorene Trades Viele Trader werden in Zeiten des erweiterten Drawdowns aufgeben, auch wenn historische Tests vorgeschlagen haben, dass dies geschäftlich wie üblich für die Strategie ist. Sie müssen bestimmen, welcher Prozentsatz des Drawdowns und über welchen Zeitraum Sie akzeptieren können, bevor Sie aufhören zu handeln Ihre Strategie Dies ist eine sehr persönliche Entscheidung und muss daher sorgfältig betrachtet werden. Kapazität Liquidität - Auf der Einzelhandelsstufe, es sei denn, Sie handeln in einem sehr illiquiden Instrument wie ein Small-Cap-Lager, müssen Sie sich nicht mit der Strategiekapazität beschäftigen Kapazitäten bestimmen die Skalierbarkeit der Strategie für weiteres Kapital Viele der größeren Hedge-Fonds leiden unter erheblichen Kapazitätsproblemen, da ihre Strategien in der Kapitalallokation zunehmen. Parameter - Bestimmte Strategien, insbesondere die in der maschinellen Lerngemeinschaft gefundenen, erfordern eine große Menge an Parametern. Jeder zusätzliche Parameter Dass eine Strategie verlangt, dass es anfälliger für die Optimierung Bias auch als Kurvenanpassung bekannt Sie sollten versuchen, Zielstrategien mit so wenig Parametern wie möglich oder stellen Sie sicher, dass Sie genügend Datenmengen haben, mit denen Sie Ihre Strategien auf. Benchmark testen - Fast alle Strategien, sofern nicht als absolute Rendite charakterisiert, werden gegen einen Performance-Benchmark gemessen. Der Benchmark ist in der Regel ein Index, der eine große Stichprobe der zugrunde liegenden Anlageklasse kennzeichnet, die die Strategie abwickelt. Wenn die Strategie große US-Aktien investiert, dann wäre das S P500 ein Natürliche Benchmark, um Ihre Strategie gegen Sie zu messen Sie hören die Begriffe Alpha und Beta, angewendet auf Strategien dieser Art Wir werden diese Koeffizienten in der Tiefe in späteren Artikeln zu diskutieren. Notice, dass wir nicht über die tatsächlichen Renditen der Strategie diskutiert Warum ist dies in Isolation , Die Rücksendungen liefern uns tatsächlich nur begrenzte Informationen über die Wirksamkeit der Strategie Sie geben Ihnen keinen Einblick in Hebelwirkung, Volatilität, Benchmarks oder Kapitalanforderungen So werden Strategien nur selten über ihre Renditen beurteilt. Betrachten Sie immer die Risikoattribute einer Strategie vorher Blick auf die Rückkehr. In diesem Stadium werden viele der Strategien, die aus deiner Pipeline gefunden werden, aus der Hand abgelehnt, da sie treffe getroffen haben, um Ihre Eigenkapitalanforderungen zu erfüllen, Einschränkungen zu erzwingen, maximale Toleranz für Toleranz oder Volatilitätspräferenzen Die noch bestehenden Strategien können berücksichtigt werden Für Backtesting Bevor es aber möglich ist, ist es notwendig, eine abschließende Ablehnungskriterien zu berücksichtigen - die der verfügbaren historischen Daten, auf denen diese Strategien getestet werden können. Bei historische Daten zu erhalten. Nowadays die Breite der technischen Anforderungen über die Assetklassen für die historische Datenspeicherung Ist beträchtlich Um wettbewerbsfähig zu bleiben, investieren sowohl die Buy-Side-Fonds als auch die Sell-Side-Investmentbanken stark in ihre technische Infrastruktur. Es ist unerlässlich, ihre Bedeutung zu berücksichtigen. Insbesondere interessieren wir uns für Rechtzeitigkeit, Genauigkeit und Speicheranforderungen Die Grundlagen, historische Daten zu erwerben und zu speichern. Leider ist das ein sehr tiefes und technisches Thema, so dass ich in diesem Artikel alles nicht sagen kann. Allerdings werde ich in der Zukunft viel mehr darüber schreiben Die Branchenerfahrung in der Finanzbranche beschäftigte sich vor allem mit der Erfassung, Speicherung und dem Zugang von Finanzdaten. Im vorigen Abschnitt hatten wir eine Strategie-Pipeline eingerichtet, die es uns erlaubt, bestimmte Strategien auf der Grundlage unserer eigenen Ablehnungskriterien abzulehnen. In diesem Abschnitt werden wir mehr filtern Strategien, die auf unseren eigenen Vorlieben für den Erhalt von historischen Daten basieren Die Hauptüberlegungen vor allem auf die Einzelhandels-Praktiker-Ebene sind die Kosten der Daten, die Speicheranforderungen und Ihr technisches Fachwissen Wir müssen auch die verschiedenen Arten von verfügbaren Daten und die verschiedenen Überlegungen besprechen Jede Art von Daten wird uns auferlegen. Legen Sie an, indem Sie die Arten der verfügbaren Daten und die wichtigsten Fragen, die wir brauchen, um darüber nachzudenken. Fundamental Data - Dies umfasst Daten über makroökonomische Trends, wie Zinsen, Inflationszahlen, Corporate Aktionen Dividenden, Aktiensplits, SEC-Einreichungen, Unternehmensabschlüsse, Ertragszahlen, Ernteberichte, meteorologische Daten usw. Diese Daten werden häufig verwendet, um Unternehmen oder andere Vermögenswerte grundsätzlich zu bewerten, dh über einige Mittel der erwarteten zukünftigen Cashflows Aktienkurs-Serie Einige grundlegende Daten sind frei von Regierungs-Websites verfügbar Andere langfristige historische Grunddaten können extrem teuer sein Storage-Anforderungen sind oft nicht besonders groß, es sei denn, Tausende von Unternehmen werden sofort studiert. News Daten - News-Daten sind oft qualitativ in Natur Es besteht aus Artikeln, Blog-Posts, Microblog-Posten Tweets und Editorial Machine Lerntechniken wie Klassifikatoren werden oft verwendet, um Stimmung zu interpretieren Diese Daten sind auch oft frei verfügbar oder billig, über Abonnement zu Medien-Filialen Die neueren NoSQL-Dokumenten-Speicher-Datenbanken sind entworfen, um Speichern diese Art von unstrukturierten, qualitativen Daten. Asset Preis Daten - Dies ist die traditionelle Daten-Domain der Quant Es besteht aus Zeitreihen von Asset-Preisen Aktien Aktien, Fixed Income Produkte Anleihen, Rohstoffe und Devisenpreise alle sitzen innerhalb dieser Klasse Täglich historisch Daten sind oftmals einfach, um für die einfacheren Assetklassen wie z. B. Aktien zu erhalten. Sobald jedoch Genauigkeit und Sauberkeit eingeschlossen sind und statistische Vorspannungen entfernt werden, können die Daten teuer werden. Darüber hinaus verfügen Zeitreihendaten oft über erhebliche Speicheranforderungen, insbesondere wenn Intraday-Daten berücksichtigt werden. Finanzinstrumente - Aktien, Anleihen, Futures und die exotischeren Derivatoptionen haben sehr unterschiedliche Merkmale und Parameter So gibt es keine Einheitsgröße für alle Datenbankstrukturen, die sie berücksichtigen können. Für die Gestaltung und Implementierung von Datenbankstrukturen für verschiedene Unternehmen ist eine wesentliche Sorgfalt erforderlich Finanzinstrumente Wir werden die Situation ausführlich erörtern, wenn wir in zukünftigen Artikeln eine Wertpapier-Stammdatenbank aufbauen. Genauigkeit - Je höher die Häufigkeit der Daten, desto größer die Kosten - und Speicheranforderungen Für niederfrequente Strategien sind die täglichen Daten oft ausreichend Für Hochfrequenzstrategien kann es notwendig sein, Tick-Level-Daten und sogar historische Kopien von bestimmten Handelsbörsen-Orderbuchdaten zu erhalten. Die Implementierung eines Speichermotors für diese Art von Daten ist sehr technologisch intensiv und nur für Personen mit einem starken technischen technischen Hintergrund geeignet. Benchmarks - Die oben beschriebenen Strategien werden oft mit einer Benchmark verglichen. Dies zeigt sich in der Regel als zusätzliche finanzielle Zeitreihe. Für Aktien ist dies oft eine nationale Aktien-Benchmark wie der S P500 Index US oder FTSE100 UK Für einen festverzinslichen Fonds , Ist es sinnvoll, mit einem Korb von Anleihen oder festverzinslichen Produkten zu vergleichen. Der risikofreie Zinssatz, dh der angemessene Zinssatz, ist auch ein weiterer allgemein anerkannter Benchmark. Alle Asset-Class-Kategorien besitzen eine bevorzugte Benchmark, so dass es notwendig sein muss, dies auf der Grundlage Ihrer Besondere Strategie, wenn Sie Interesse an Ihrer Strategie extern zu gewinnen wollen. Technologie - Die Technologie-Stacks hinter einem Finanz-Datenspeicher-Center sind komplex Dieser Artikel kann nur kratzen die Oberfläche über das, was in Gebäude gebaut wird Aber es konzentriert sich um eine Datenbank-Engine , Wie z. B. ein Relational Database Management System RDBMS wie MySQL, SQL Server, Oracle oder eine Document Storage Engine, dh NoSQL Dies wird über einen Business Logic Application Code zugegriffen, der die Datenbank abfragt und Zugriff auf externe Tools wie MATLAB, R oder bietet Excel Oft ist diese Business-Logik in C, C, Java oder Python geschrieben Sie müssen auch diese Daten irgendwo, entweder auf Ihrem eigenen PC oder remote über Internet-Server Hosts wie Amazon Web Services haben diese einfacher und billiger in In den letzten Jahren, aber es wird immer noch erhebliche technische Expertise, um in einer robusten Art und Weise zu erreichen. Wie man sehen kann, sobald eine Strategie über die Pipeline identifiziert wurde, wird es notwendig sein, die Verfügbarkeit, Kosten, Komplexität und Implementierung Details eines bestimmten zu bewerten Satz von historischen Daten Sie können feststellen, dass es notwendig ist, eine Strategie zu verweigern, die ausschließlich auf historischen Datenbetrachtungen basiert. Dies ist ein großer Bereich und Teams von PhDs arbeiten bei großen Fonds, die sicherstellen, dass die Preisgestaltung korrekt und zeitnah ist. Unterschätzen Sie nicht die Schwierigkeiten, eine robuste Daten zu erstellen Zentrum für Ihre Backtesting Zwecke. Ich möchte aber sagen, dass viele Backtesting-Plattformen können diese Daten für Sie automatisch - auf Kosten So wird es viel von der Umsetzung Schmerzen weg von Ihnen zu nehmen, und Sie können sich ausschließlich auf Strategie-Umsetzung konzentrieren Und Optimierung Tools wie TradeStation besitzen diese Fähigkeit Allerdings ist meine persönliche Sicht, um so weit wie möglich intern zu implementieren und zu vermeiden Outsourcing Teile des Stapels an Software-Anbieter Ich bevorzuge höhere Frequenz-Strategien aufgrund ihrer attraktiveren Sharpe Ratios, aber sie sind oft eng gekoppelt Auf den Technologie-Stack, wo erweiterte Optimierung ist kritisch. Jetzt haben wir diskutiert die Fragen rund um historische Daten ist es Zeit zu beginnen Umsetzung unserer Strategien in einem Backtesting-Engine Dies wird das Thema von anderen Artikeln, wie es ist eine ebenso große Fläche von Diskussion. Just Erste Schritte mit quantitativen Trading. Evaluating Ihre Trading-Strategie Teil 2.In der letzten Post haben wir abgedeckt, wie die Rentabilität und das Risiko Ihrer Strategie zu bewerten Nun lassen Sie uns einen Blick auf die Messung der statistischen Signifikanz, Stabilität und Live-Performance von Ihre Strategie. Statistische Signifikanz. Nach dem Rennen Ihrer Backtest eine der ersten Fragen, die Sie sich selbst fragen müssen, sind diese Ergebnisse statistisch signifikant oder mit anderen Worten, was sind die Chancen, dass diese Ergebnisse nur durch zufällige Chance aufgetreten. Während des Tauchens in die Welt der statistischen Analyse kann erschreckend sein, gibt es einige ziemlich einfache Techniken, um eine bessere Vorstellung davon, ob Sie tatsächlich gefunden haben, ein wiederholbares, verwertbares Muster auf dem Markt. Confidence Intervals Ein Vorteil der Umstellung auf statistische Analyse ist, dass Sie bekommen können Konkrete Konfidenzintervalle zu Ihren Ergebnissen. Aus dem CFA-Studienführer können wir die t-Distribution nutzen, um die Konfidenzintervalle um unsere Rendite pro Trade RPT zu berechnen. Die t-Distribution gibt uns eine konservative Schätzung, wie wahrscheinlich ein Durchschnitt in einen Fall fällt Gegebener Bereich Es funktioniert besonders gut, wenn wir kleine Stichprobengrößen haben, don t haben viele Informationen über die Verteilung der zugrunde liegenden Daten und hat schwerere Schwänze, was bedeutet, eine höhere Wahrscheinlichkeit von großen Bewegungen Dies eignet sich sehr gut für die Arbeit mit finanziellen Data. Luckily, können wir leicht berechnen die t-Verteilung in Excel mit der TDIST-Funktion, die bei Ihrem Grad der Freiheit Probe Größe - 1 und ob es sa Ein-tailed Sie nur über die Suche nach der unteren Grenze oder ein Zwei-Tailed Testen Sie kümmern sich um die Suche nach der oberen und unteren Grenze. Was diese Berechnung wird uns sagen, ist mit 95 Vertrauen, meine Rückkehr pro Handel wird über und nach unten Um den Bereich des Konfidenzintervalls zu verringern, können Sie entweder erhöhen Sie Ihre Stichprobengröße oder verringern Sie Ihre Vertrauensintervall bis 90.Sie wollen die untere Grenze mindestens genug sein, um Ihre Trading-Kosten zu decken. Monte Carlo Simulation. This ist eine andere beliebte, die Sie viel hören, aber immer noch nicht von der durchschnittlichen Trader beschäftigt. Was der Monte Carlo simulation tells you is, had I run a huge amount of strategies, randomly going long and short for each trade, what is the chance the to total returned at least as much as my strategy. For example, if your proprietary strategy had returned 20 , but you find that a completely random strategy had a 50 chance of returning at least that amount, you aren t going to be very confident with your strategy moving forward. Here is one good resource on how to apply a Monte Carlo Simulation in Excel but before blindly trusting it, there are a couple things to consider. You need to run enough simulations until the results converge on a central value to trust the results. Strategies that overfit the data set will perform well against a Monte Carlo Simulation so you must run the test over data that was not used to build the strategy. This a very brief overview of only two ways you can measure the statistical significance of your strategy There is a lot more quantitative research in this area and I would highly recommend Evidence-Based Technical Analysis by David Aronson as a trader-friendly reference to these types of techniques. The stability of your strategy refers to the consistency and predictability of your returns This is related to both the strategy s risk and statistical significance, but I think it is important to view it as its own category. When we talk about a strategy being stable, we want to look at how the strategy performed across a variety of market conditions, whether a majority of the returns came from only a few trades and how susceptible the strategy is to large drawdowns. Most traders look at this as the smoothness of the equity curve. Measuring Smoothness R , the coefficient of determination, measures how well a data set fits a particular model, in this case a simple line or curve To measure the smoothness of our returns, we are looking find out how well our equity curve fits a straight line. In a perfect world, our equity curve would be a steep, straight line going from the bottom left corner to the top right we could always hope for a exponential growth , but let s not get ahead of ourselves. What the coefficient of determination tells us is close to this straight line our equity curve falls We are looking for a high determination coefficient meaning our equity curve is a close fit and a steep slope meaning our equity is growing at a fast rate These two measures help us objectively analyze how smooth our equity curve is. In Excel, this is very easy to do Plot your equity curve as a scatter plot, right click on one of the points, and select Add Trendline In the dialogue box, select a linear trendline, then under options set the intercept to be 0 and click to show both the equation and R value. The m value in front of the x will show you the slope of the line we are looking for high positive values and the R value is close we are to that line values over 7 are what we re looking for. Just like that, you have all the information you need to measure the smoothness of your equity curve. Market Condition Testing Another aspect to consider is under what market conditions our strategy tended to perform well and under what conditions it performed poorly This can help you get a better feel of the characteristics of your strategy as well help when you start trading live. There are two basic ways to look at this the simple way and the slightly more complex way. In the simple way, you would define the different market conditions yourself using indicators as filters For example, you would decide that the market is trending when the ADX is over 25 and volatile when the ATR is over 1 0 You might see that 80 of your returns came when the market market was in a strong trend ADX 25 and you had losses when the market was flat or moving sideways You can then use this information to try to improve your strategy or add these filters when you go trade live Here is more information on what these indicators mean. It is important to remember that these filters should be as uncorrelated as possible with the logic used to create your strategy If you are using a technical indicator that incorporates the strength of the trend, adding a trend filter doesn t tell you much more about your strategy besides adding another entry condition. The slightly more complex way involves our old friend, the regression, except now we are running a multiple regression and we are less concerned with the R values as we are concerned with the beta coefficients of our indicators. Once again, we re going to choose indicators to identify different market conditions, but instead of defining the different levels ADX 25 trending , we are going to let the regression show us which factors were most important. Larger coefficients will tell us which indicators had the largest impact on our returns, though we want to be sure to standardize the indicators and make sure that the results are statistically significant. Here is a great video by Business Insider on running a multiple regression in Excel If you are using a Mac, you are somewhat handicapped and must use the LINEST function which will require an extra step calculate the p-value Here is a video on how to use the LINEST function for a multiple regression and here is how to calculate the p-value from the results. This isn t going to give us clear-cut filters but we are able to easily test a larger number of indicators and get a good understanding of what factors played a role in our returns Once again, we want to be sure we only use filters that are uncorrelated with the indicators used to create our entry signals. Measuring the stability of your returns is an important consideration when evaluating a strategy and while eyeballing the smoothness of the equity curve is always a good idea, using a more objective, quantitative approach is desirable when comparing multiple strategies. Live Performance. Once you have tested a strategy and go to trade it live, the next big question is how do I know when this strategy has fallen out of sync with the market. Knowing when to stop trading a particular strategy can have a huge impact on the overall returns of your portfolio. Trending Equity One way to look at the returns of your strategy once you start trading live is by measuring the trend of these returns Obviously we want an equity curve in a positive trend. A simple, visual way to do this is by calculating a simple moving average SMA of your returns When the equity curve dips below the SMA and enters a downtrend, you might want to look to either stop trading the strategy or decrease the position sizes. There are two parameters to consider when using this approach the period of the SMA and how you define a downtrend. These parameters can be chosen by a combination of historical performance and your own risk tolerance. You want to select the period of the SMA that gives a good buffer between your backtesting returns and the SMA A longer period SMA will lead to larger buffers, while shorter periods are going to make your equity curve more likely to dip into your SMA I have found SMA periods between 25 and 100 to be most effective depending on how often you strategy trades. How far below the SMA the equity curve dips before you stop trading should be more than what you observed in your backtests but not too much where you risk losing a large amount of your capital You should look for at least a 10 or greater dip than what you saw in your backtest before stopping the strategy. It is reasonable to expect that your live performance won t be as good as the historical performance so you want to be sure that your returns are actually in a downtrend before discontinuing the strategy. Consecutive Losses A more sensitive way to know when your strategy is falling out of sync is by looking at the probability of having a string of consecutive losses. For example, let s say you have had 20 trades and are in the midst of a string of 5 consecutive losses Based on your historical accuracy, what is the probability that this would happen. Turns out this a more complex question than meets the eye and requires a fairly sophisticated recursive formula Luckily, you can find a handy calculator here to do it for you or if you want to play around with the somewhat messy Excel calculations yourself, you can download the spreadsheet here When using the online calculator, we are concerned with the streak of losses so the probability of success would actually be 1 - Accuracy , so a strategy with 60 accuracy would have a 40 probability of a loss Special thanks to sci-fi writer mathematician Max Griffin for the calculator. What we can see is that if we thought our strategy was 75 accurate 25 probability of a loss and we had a streak of 5 losses in only 20 trades, there is only a 1 19 chance of this happening. If this is the case, you should take a hard look at your strategy as it shows that your 75 accuracy was most likely due to overfitting the data used to build your strategy and is not likely to hold up in live trading. Properly evaluating your strategy is a crucial step that is often overlooked Many traders spend huge amounts of time coming up with a strategy, and then rely on only a few basic metrics to decide whether to trade or discard the strategy. Only by analyzing the profitability, risk, statistical significance, stability, and live performance of the strategy can we have confidence to trade it live. What other metrics do you use when evaluating your strategy. And be sure to check out TRAIDE to learn how you can leverage machine-learning algorithms when building your next strategy.