Моделирование на основе данных в трейдинге — фундаментальная часть работы. Это должно быть полезной привычкой каждого системного трейдера, потому что многие инсайты (как плохие, так и хорошие) спрятаны в этих самых данных.
В этом материале разберем:
- портфель трендовых стратегий с преобладанием иеновых пар
- портфель без иеновых пар с преобладанием стратегий на основе возврата к среднему
- совокупный портфель из всех классов стратегий
Все моделирования будут как на основе исторических данных, так и на основе живой трейдинг-статистики.
Полезные материалы, которые хорошо бы изучить перед продолжением:
Анализ данных и почему это так важно
Анализ трейдинг-данных — это кропотливая, но увлекательная работа. В процессе анализа можно найти полезные идеи, которые помогут улучшить торговые стратегии и портфели.
Возможно, в прошлом мы уделяли слишком много внимания историческим данным и разработке алгоритма для реальной торговли. Однако анализ живых данных имеет большее значение, чем работа с историей. Именно этот анализ мы и рассмотрим в материале.
3 портфеля — 3 возможных развития трейдинг-сценария
В предыдущих вебинарах мы уже обсуждали, что в идеале для одного инструмента следует разработать три различных класса стратегий:
- Трендовые.
- Моментум-стратегии.
- Стратегии на основе возврата к среднему.
Такой подход будет направлен на максимальную диверсификацию, но сможет ли он обеспечить максимальную доходность — вопрос сложный. Всё же попробуем на него ответить, исследуя наши портфели.
Портфель №1: преобладание трендовых стратегий
Трендовые стратегии — это лучший выбор среди других видов стратегий (не перестанем повторять). Если у вас ещё нет готового портфеля, то создание трендового портфеля может стать продуктивным началом. Это позволит вам сэкономить время и усилия, чтобы достичь адекватного результата.
Когда у вас будет заполнен трендовый портфель по основным инструментам, можно будет перейти к изучению других видов стратегий.
Моделирования мы будем проводить на основе миксера — объединенного портфеля из всех бэктестов стратегий — и на основе живой статистики. Вспомнить о миксере и какое место он занимает в разработке торговой стратегии можно здесь: Через какие процессы проходит алгоритмическая стратегия перед ее запуском + вебинар.
Начнем с исторических моделирований.
Так выглядит объединенная историческая кривая из 15 трендовых стратегий. Изучим важные метрики:
- Количество прибыльных сделок: 42%
- R-квадрат: 0,65
- Средняя прибыльная сделка больше средней убыточной в 1,82 раза
- Коэффициент Шарпа: 0,92
Ниже — кривые всех 15 трендовых алгоритмов.
Теперь можем построить кривую лайв-трейдинга этих алгоритмов. Понятно, что не все они запускались в одну дату: кто-то работал раньше, кто-то начал работать позже. Из-за этого кривая исторического теста (голубая) и кривая лайв-трейдинга (оранжевая) отличаются.
Сейчас разберем кривые просто визуально, не используя коэффициенты, которые рассматривали в миксере.
Динамика бэктест-модели и лайв-модели похожи. Опять же, есть расхождения между датами запуска алгоритмов (например, новая стратегия Relativity учитывается в голубой кривой, но в оранжевой по ней сделок еще нет, так как недавно ее запустили). Видно, что живая статистика трендовых алгоритмов в прибыльной зоне, а их динамика близка к исторической модели. Можем сказать, что алгоритмы работают приближенно к исторической модели и не переоптимизированы.
Что хорошо в данной модели:
- Наличие трендовых стратегий, которые эффективно себя зарекомендовали.
- Кривая доходности прибыльна и близка к исторической модели.
Что плохо:
- Трендовые стратегии преобладают только по иеновым валютным парам. Эти пары имеют высокую корреляцию друг с другом, то есть с точки зрения диверсификации такой портфель имеет повышенные риски.
Теперь перейдем к, возможно, не самому логичному портфелю, но необходимому для анализа — к портфелю со стратегиями на основе возврата к среднему без иеновых пар.
