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. 9 Edizione marzo / luglio 2015 Ottimizzazione di un sistema di trading automatico

3 Robustezza LA ROBUSTEZZA E la proprietà che permette ad una strategia di trading di adattarsi alle varie condizioni di mercato. Un altra componente di una strategia robusta è sostanzialmente una sua conseguenza ovvero la elevata probabilità di avere performance in tempo reale approssimativamente proporzionali a quelle che ottenute durante le simulazioni storiche. Al contrario, la strategia di trading non robusta avrà performance deludenti nel trading reale.

4 Ottimizzazione COS E L OTTIMIZZAZIONE Ottimizzare significa migliorare o rendere più efficace. Nel trading automatico ottimizzazione significa selezionare il set di parametri più robusto per una strategia di trading. Attraverso l'ottimizzazione saremo in grado di identificare quei parametri che saranno in grado di generare profitti anche in tempo reale.

5 Funzione obiettivo IL CONCETTO DI FUNZIONE OBIETTIVO E la funzione attraverso la quale viene valutata la strategia e il processo di ottimizzazione. Definisce in sostanza gli obiettivi dell ottimizzazione e ci dice se un set di parametri funziona oppure no. Naturalmente, il giudice ultimo dovremo essere noi stessi. Alcuni obiettivi da ricercare potrebbero essere i seguenti: Il massimo utile netto Il massimo drawdown Il fattore di profitto La ricompensa attesa

6 Metodi di ricerca I METODI DI RICERCA Ci sono diversi metodi di ricerca sui quali si basa l ottimizzazione e generalmente sono disponibili nei tool di ottimizzazione delle piattaforme di trading. Un metodo è quello della ricerca a griglia. SLOW MA FAST MA SLOW MA FAST MA /. SLOW MA FAST MA

7 Metodi di ricerca I METODI DI RICERCA Esiste un altro metodo di ricerca che si basa su una filosofia diversa Questo test parte considerando il primo parametro da ottimizzare come quello principale. SLOW MA FAST MA STOCASTICO SLOW MA FAST MA STOCASTICO SLOW MA FAST MA STOCASTICO

8 Metodi di ricerca METODO ALGORITMI GENETICI Gli algoritmi Genetici appartengono ai metodi di ottimizzazione avanzati che emulano il processo biologico di evoluzione. La logica che sta alla base del metodo di ricerca basato sugli algoritmi genetici è molto complessa. Si basa su teorie di statistica ed informatica che vanno al di la degli obiettivi di questo corso. Vi basti sapere che poiché gli spazi di ottimizzazione di molte strategie di trading tendono ad essere complessi, la ricerca attraverso gli algoritmi genetici viene raccomandata per la sua efficienza.

9 Risultati IL RISULTATO DELL OTTIMIZZAZIONE Tornando al esempio del trading system basato sull incrocio di medie mobili, la performance di trading di tutte le diverse simulazioni storiche generate dalle varie combinazioni di parametri sono ordinati e classificati in base all obiettivo ricercato da questo processo. Naturalmente, un processo di ottimizzazione può essere complicato di un altro: 1. Strategia di trading complessa con molti parametri ottimizzabili 2. Metodo di ricerca sofisticato 3. Insieme complesso di funzioni obiettivo

10 Robustezza LE CARATTERISTICHE DI UN SISTEMA ROBUSTO 1. Un andamento positivo delle performances 2. Un numero operazioni statisticamente valido 3. Distribuzione relativamente uniforme delle operazioni (lungo tutto il backtest) 4. Distribuzione relativamente uniforme dei profitti 5. Equilibrio relativo tra i profitti delle operazioni long e short 6. Variando leggermente i parametri ottimizzati la strategia dovrebbe comunque mantenere la sua capacità di produrre profitti 7. Performances accettabili anche in altri mercati (più sono, meglio è) 8. Profilo di rischio accettabile 9. Dei cicli di operazioni profittevoli e di operazioni in perdita che rimangono relativamente stabili

11 Flow-chart

12 Flow-chart

13 Ottimizzazione ERRORI COMUNI NELL OTTIMIZZAZIONE PASSATO PRESENTE FUTURO PERIODO DI OTTIMIZZAZIONE TEST TEMPO Uno dei più grandi errori dei principianti nel fare il backtest e ottimizzazione è quello di utilizzare "tutta" la serie storica a diposizione. Ottimizzare il EA su tutto lo storico dati il più lungo possibile è una cosa da evitare perché può portare ad ottenere una strategia sovra-ottimizzata senza nemmeno saperlo.

14 Sovra-ottimizzazione LA SOVRA-OTTIMIZZAZIONE Tradare con una strategia sovra-ottimizzata porterà prima o poi a grosse perdite.

15 Overfitting PREVENIRE L OVERFITTING L overfitting è una conseguenza diretta della violazione di tutti o di alcuni passi del processo di sviluppo di un trading system e in particolare durante la valutazione e l ottimizzazione. Queste violazioni rientrano generalmente in cinque categorie: 1. Insufficienti gradi di libertà 2. Campione di dati storici inadeguato o non affidabile 3. Metodi di ottimizzazione sbagliati 4. Grossi guadagni con pochissime operazioni 5. Assenza di una analisi Walk-Forward

16 Curve fitting IL CURVE-FITTING Come mai tutti gli sforzi intenzionati a raggiungere la migliore ottimizzazione degenerano in quello che viene comunemente indicato come sovradattamento? Y Y X X

17 Overfitting RICONOSCERE L OVERFITTING I sintomi di overfitting sono: 1. Perdite devastanti nel trading in tempo reale. 2. Guadagni esigui e perdite importanti. 3. Prestazioni di trading in tempo reale, completamente differente - spesso opposte a quelle verificate durante lo sviluppo. Nei casi in cui il grado di overfitting non è così estremo, bisogna fare ad esempio attenzione alla media delle operazioni a profitto e in perdita consecutive e al guadagno/perdita medi reali confrontandoli con quelli di progetto. E ' anche possibile che una strategia di trading overfittitata possa dimostrare di guadagnare bene inizialmente per poi cadere in un baratro di perdite.

18 La ragione di questo test out-of -sample è il fatto che permette di avvicinarsi maggiormente ad una situazione di trading reale. IS - OOS IN-SAMPLE E OUT-OF-SAMPLE TEST L alternativa all ottimizzazione sull'intero storico prezzi, ad esempio di 4 anni, è quella di utilizzare solo i primi 3 anni. Questa è chiamata ottimizzazione In-Sample. Una volta trovate le impostazioni che pensiamo siano ottimali, verrà eseguito un singolo test nell anno successivo. Questa è la prova Out-Of-Sample. In-Sample Out-Of-Sample PASSATO PRESENTE FUTURO PERIODO DI OTTIMIZZAZIONE TEST TEMPO

19 Problemi I PROBLEMI PRINCIPALI Se il mercato cambia, ha senso per ottimizzare al meglio sull intero storico dati a disposizione e poi aspettarsi che il sistema lavori bene nelle condizioni di mercato attuali? La nostra ottimizzazione dovrebbe essere fatta su un campione di dati storici, non troppo grande e recente e poi seguita dal test di verifica out-of-sample. Ma questo porta ad secondo problema... Testare il trading system su un periodo storico recente e troppo piccolo potrebbe non consentire di testare il comportamento del sistema su una sufficiente varietà di situazioni di mercato, mettendo a rischio la robustezza del sistema stesso.

20 WFA COS E LA WFA? La Walk-Forward Analysis fornisce le risposte a quattro domande importanti e necessarie a continuare ad usare la strategia con fiducia ed intelligenza: 1. La strategia sarà robusta e permetterà di generare profitti in tempo reale? 2. Che percentuale di profitto potrà produrre in tempo reale? 3. Come influiranno sulle prestazioni i tipici cambiamenti di comportamento dei mercato (trend, congestione, volatilità)? 4. Quali sono i migliori parametri da utilizzare nel trading in tempo reale per produrre massimo profitto con il minimo rischio?

21 WFA LA WALK - FORWARD PERIODO DI OTTIMIZZAZIONE 1 TEST PERIODO DI OTTIMIZZAZIONE 2 TEST PERIODO DI OTTIMIZZAZIONE 3 TEST TEMPO PERIODO DI OTTIMIZZAZIONE 4 TEST Una WFA richiede i seguenti componenti: 1. Scansionare le variabili da ottimizzare secondo un range e step precisi 2. Un obiettivo o funzione da ricercare (fattore di profitto, ricompensa attesa ecc) 3. Dimensioni della finestra di ottimizzazione 4. Dimensioni del walk-forward, o della finestra out-of-sample

22 WFA I TIPI DI WALK - FORWARD WFA Ancorata PERIODO DI OTTIMIZZAZIONE 1 TEST PERIODO DI OTTIMIZZAZIONE 2 TEST TEMPO PERIODO DI OTTIMIZZAZIONE 3 TEST WFA Rolling PERIODO DI OTTIMIZZAZIONE 1 TEST PERIODO DI OTTIMIZZAZIONE 2 TEST TEMPO PERIODO DI OTTIMIZZAZIONE 3 TEST

23 WFA CONSIDERAZIONI SULL ANALISI Gli obiettivi della WFA sono : WALK - FORWARD dimostrare la validità e robustezza di una strategia di trading e del suo processo di ottimizzazione arrivare a un più quadro preciso del profilo rischio/rendimento della strategia di trading verificare la validità del processo di ottimizzazione stesso La regola generale resta quella che se un TS dimostra poca robustezza durante la WFA questo dovrà essere rivisto in tutti i passaggi di sviluppo e corretto per poi ripetere una nuova WFA.

24 WFA L IMPATTO DEI CAMBIAMENTI DI MERCATO Nella scelta delle finestre di dati in sample e out of sample possono verificarsi due estremi di situazioni, come riportato nelle figure seguenti: In-Sample Out-Of-Sample In-Sample Out-Of-Sample

25 WFA PRIMO CASO In-Sample Out-Of-Sample

26 WFA SECONDO CASO Nella scelta delle finestre di dati in sample e out of sample possono verificarsi due estremi di situazioni, come riportato nelle figure seguenti: In-Sample Out-Of-Sample

27 Rigore Statistico RIGORE STATISTICO Maggiore è il campione dei dati in sample e maggiore è la probabilità che esso contenga la maggior parte delle condizioni che è probabile si possano incontrare nel futuro. I dati rilevanti in realtà dovrebbero essere in una quantità dettata dalle restrizioni imposte dai seguenti aspetti: 1. Requisiti statistici 2. Condizioni di mercato 3. Natura della strategia di trading E importante tenere presente che la WFA concatena i risultati di tutti i suoi step ed il suo rigore statistico deriva dalla lunghezza generale di tutto il processo, quindi non dalla dimensione di una singola finestra di ottimizzazione.

28 Esempio UN ESEMPIO PRATICO

29 Parametri IL SET DI PARAMETRI MIGLIORI PER IL TARDING Uno dei principali risultati di qualsiasi ottimizzazione, sia la standard o la più robusta Walk- Forward Analysis è quello di determinare quali potranno essere i migliori parametri per avere le maggiori probabilità di profitto in tempo reale. La lunghezza della finestra di ottimizzazione e della finestra WFA diventano parte dei parametri della stessa strategia di trading. In altre parole, una parte delle informazioni fornite da un Walk- Forward Analysis è la lunghezza ottimale della storia dei prezzi da utilizzare.

30 WFA RISULTATI WALK FORWARD ANALISYS

31 WFE LA WALK FORWARD EFFICENCY Attraverso la WFA possiamo determinare la Walk Forward Efficiency (WFE). La Walk Forward Efficiency (WFE) è pari al rapporto tra il profitto annualizzato del rendimento dei test walk forward (Out-Of-Sample) ed il profitto annualizzato del rendimento delle ottimizzazioni (In-Sample). Avg out WFE = * Avg in T in T out Le ricerche hanno chiaramente dimostrato che strategie robuste di trading hanno una WFE più grande del 50-60%.

32 WFA LA WALK FORWARD ANALISYS E RIOTTIMIZZAZIONE Generalmente una strategia di trading sviluppata con la WFA dovrebbe rispecchiare anche in tempo reale, gli step di ottimizzazione utilizzati durante la WFA. Ad esempio se la finestra out-of sample è di tre mesi, la strategia dovrà essere ri-ottimizzata alla fine di ogni tre mesi di trading reale. Una parte importante di questa pratica è quella di eseguire questa riottimizzazione periodica con disciplina anche se apparentemente sembrerebbe non essere necessaria.

33 Conclusioni CONCLUSIONI Uno dei maggiori vantaggi di Walk-Forward Analysis è che è molto difficile degenerare nella sovra-ottimizzazione di una strategia di trading. Essa è un po come un metodo a prova di stupido per ottimizzare correttamente una strategia di trading.