Corso Sapienza Trading Automatico la formazione finanziaria è il miglior investimento per il tuo domani

Transcript

1 Corso Sapienza Trading Automatico la formazione finanziaria è il miglior investimento per il tuo domani

2 Lezione n. 12 Edizione marzo / luglio

3 Work Flow WORK FLOW 1. Configurare i dati per backtest È possibile utilizzare le serie storiche che sono nel programma o anche di importare i propri dati in formato MetaTrader. Quindi impostare il periodo che si desidera utilizzare. Se si utilizza la modalità evoluzione genetica è necessario suddividere i dati in InSample e OutOfSample. È inoltre possibile utilizzare i dati aggiuntivi o test di robustezza per verificare automaticamente la robustezza strategia. 2. Configurare le impostazioni Configurare tutti i tipi i di settaggio, impostazioni, indicatori e tipi di ordini da utilizzare per le regole di negoziazione. 3. Configurare le opzioni di Ranking Le opzioni di Ranking consentono di selezionare criteri di selezione strategia - cioè come vengono determinate le migliori strategie. Si dovrebbero impostare le condizioni personalizzati per filtrare solo le strategie che superano determinati criteri. Questo consente di chiudere tutte le strategie che hanno troppo poco profitto o tredes, o troppo piccolo fattore di profitto, o DrawDown. 4. Run Build Avviare il processo di elaborazione. A seconda delle impostazioni è possibile farlo funzionare diversi minuti, diverse ore o anche più giorni. Più tempo verrà eseguito, più possibili strategie metterà alla prova. Le migliori di saranno conservati nella banca dati.

4 WORK FLOW 5. Valutazione delle strategie generate Controllare le strategie nel Databank. È possibile valutarle visivamente controllando il loro grafico di eqiaty, o per il loro ordinamento nei parametri nel Databank. Scegli i migliori per passare alla fase successiva e salvarli in un file di progetto StrategyQuant (.sqn) in modo da poter lavorare con loro più tardi. La valutazione può consistere anche nel sottoporre nuovamente le strategie in test cambiando cross e / o tempi aggiuntivi, o con differenti spread o slippage e confrontando i risultati. È inoltre necessario eseguire test di robustezza. L'obiettivo della valutazione della strategia è quello di trovare strategie robuste - che significa che lavorano in condizioni diverse e non si rompono quando c'è un piccolo cambiamento nei parametri o dati sui prezzi oppure perdere alcuni trades. 6. Retest Work Flow Ripetizione del test delle strategie già esistenti. È possibile testare nuovamente la strategia su altri dati storici o temporali; successivamnte eseguire il test di robustezza sulla strategia, provare diverse opzioni (ad esempio tradare solo in determinate ore al giorno). 6. Migliorare la strategia Si può cercare di migliorare la strategia in Improve Strategie. Si può cercare di applicare diverse combinazioni di regole di uscita o aggiuntive condizioni di entrata, alla ricerca per migliorare le prestazioni. Dopo il miglioramento si deve ancora eseguire un test di robustezza per assicurarsi che non ha perso la sua robustezza. 7. Ottimizzare la strategia È possibile eseguire una semplice ottimizzazione per trovare una migliore combinazione di parametri di input della vostra strategia. È anche possibile eseguire una Walk Forward Analisys per scoprire se la strategia trarrebbe beneficio da riottimizzazione periodica. Come ultimo passo, è possibile eseguire una Walk Forward Matrix Analisys per determinare il periodo migliore riottimizzazione.

5 BUILT STRATEGIES Il cuore del programma. Qui si possono generare nuove strategie di trading utilizzando diverse opzioni di configurazione e di blocchi costruttivi. Le strategie risultanti devono essere salvati in un file StrategyQuant (.str) in modo da poter lavorare con loro più tardi. Modalità di compilazione disponibili: EVOLUZIONE GENETICA StrategyQuant prima genera una popolazione iniziale di candidati casuali (utilizzando la modalità casuale generazione) e quindi utilizza processo evoluzione genetica di evolvere la popolazione e produrre sempre migliori candidati con ogni generazione. Il processo termina quando viene raggiunto il numero predefinito di generazioni o quando non c'è un ulteriore miglioramento. Pro: In teoria dovrebbe portare a strategie migliore rispetto alla generazione casuale iniziale Ciò significa che le già buone strategie nella prima generazione può essere ulteriormente migliorata Ricerca di strategia proficua in migliaia di miliardi di combinazioni possibili può essere più efficace con il potere dell'evoluzione Contro: Work Flow Evoluzione può essere più lenta Talvolta l'evoluzione può portare alla fine ad un punto morto, Il gruppo di strategie generata è limitata dalla dimensione della popolazione

6 Work Flow BUILT STRATEGIES GENERAZIONE RANDOM In questa modalità StrategyQuant genera continuamente e sperimenta nuove strategie casuali, una dopo l'altra, finché non viene interrotta manualmente. I candidati migliori (sulla base di criteri predefiniti) sono memorizzati in Databank modo da poterli rivedere in un secondo momento. Pro: più veloce e più semplice di evoluzione genetica verrà eseguito fino a quando non viene arrestato, quindi se si lascia correre per un paio di giorni, può generare e valutare milioni di strategie Contro: Una volta generate le strategie, non sono ulteriormente migliorate.