![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/Gr\u00e1fico-en-TradeStation-del-futuro-del-plantino.png\" "\\"Walk-Forward")
<\/p>\n
Gr\u00e1fico en TradeStation del futuro del platino en barras diarias<\/p>\n<\/div>\n
<\/p>\n
Cargamos el mismo sistema en la plataforma de QM Portfolio Builder. Podemos observar que las operaciones coinciden.<\/p>\n
![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/Gr\u00e1fico-de-TradersStudio-del-futuro-del-platino.png\" "\\"Walk-Forward")
<\/p>\n
Gr\u00e1fico de QM Portfolio Builder del futuro del platino<\/p>\n<\/div>\n
<\/p>\n
Descripci\u00f3n y c\u00f3digo del Indicador en TradeStation (Donchian Channel<\/em>):<\/strong><\/h2>\nIndicador que representa 3 bandas:<\/p>\n
\n- myUpper:<\/strong> la banda del m\u00e1ximo de los m\u00e1ximos de dos per\u00edodos<\/li>\n
- myLower:<\/strong> la banda del m\u00ednimo de los m\u00ednimos de dos per\u00edodos<\/li>\n
- myMid:<\/strong> la banda media.<\/li>\n<\/ul>\n
El c\u00f3digo en TradeStation es el siguiente:<\/p>\n
inputs:\n\tperiodoLargos ( 2 ),\n\tperiodoCortos ( 2 );\n\nvars: \n\tmyMid ( 0 ),\n\tmyUpper ( 0 ),\n\tmyLower ( 0 );\n\n\nmyUpper = highest(H,periodoLargos)[1];\nmyLower = Lowest(L,periodoCortos)[1];\n\nplot1(myMid,\"Mid\");\nplot2(myUpper,\"Upper\");\nplot3(myLower,\"Lower\");<\/span><\/code><\/span><\/pre>\n <\/p>\n
El c\u00f3digo del sistema de trading algor\u00edtmico en TradeStation es el siguiente:<\/p>\n
inputs: \nperDonLargos ( 20 ), \nperDonCortos ( 20 );\n\nbuy next bar at Highest(H,perDonLargos)+ 1 point stop;<\/span>\n\nsellshort next bar at lowest(L,perDonCortos)-1 point stop;<\/span><\/code><\/span><\/pre>\nEl c\u00f3digo de la estrategia de trading traducido el lenguaje de programaci\u00f3n de QM Portfolio Builder es:<\/p>\n
Sub Volatility Breakout(perDonLargos, perDonCortos)\n\n\tIf BarNumber=FirstBar Then\n\t\t'perDonLargos = 20\n\t\t'perDonCortos = 20\n\tEnd If\n\n\tBuy(\"\", 1, Highest(H,perDonLargos)+ 1*GetActiveMinMove(), Stop, Day)\n\tSell(\"\", 1, lowest(L,perDonCortos)-1*GetActiveMinMove(), Stop, Day)\nEnd Sub<\/span><\/code><\/pre>\n\u00a0<\/h2>\nOptimizaci\u00f3n de la estrategia de trading en Tradestation<\/strong><\/h2>\n <\/p>\n
Se hacen las siguientes particiones del hist\u00f3rico para realizar la optimizaci\u00f3n de la estrategia de trading.<\/p>\n
\n- Per\u00edodo dentro de muestra (conjunto de entrenamiento):<\/strong> 01\/01\/2007 a 01\/01\/2017.<\/li>\n
- Per\u00edodo fuera de muestra (conjunto de validaci\u00f3n<\/strong>): 01\/01\/2017 a 17\/01\/2020.<\/li>\n<\/ul>\n
Los par\u00e1metros seleccionados se eligen para el perDonLargos <\/strong>(4), y para el perDonCortos<\/strong> (11) dentro de muestra.\u00a0 Estos par\u00e1metros son seleccionados dentro de la zona robusta que se puede ver en los gr\u00e1ficos que 3D que se exponen a continuaci\u00f3n. Las m\u00e9tricas elegidas para el c\u00e1lculo son: beneficio neto, profit factor y beneficio medio por operaci\u00f3n.<\/p>\n\n![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/Zona-estable-de-la-optimizaci\u00f3n-del-sistema-de-trading-Volatility-Breakout.png\" "\\"Walk-Forward")
<\/p>\n
Zona estable de la optimizaci\u00f3n del sistema de trading<\/a> Donchian Channel<\/p>\n<\/div>\n <\/p>\n
Resultados del backtest en QM Portfolio Builder del sistema de trading Volatility Breakout<\/strong><\/h2>\nLos resultados descontando comisiones y deliszamientos (25 d\u00f3lares) de la optimizaci\u00f3n dentro de la muestra (IS) en el Walk forward simple una vez se ha elegido la zona robusta son:<\/p>\n
\n![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/Backtest-en-TradersStudio-del-sistema-de-trading-Volatility-Breakout.png\" "\\"Walk-Forward")
<\/p>\n
Backtest en QM Portfolio Builder del sistema de trading<\/a> Donchian Channel<\/p>\n<\/div>\n <\/p>\n
Pasemos ahora a realizar la prueba Walk-Forward Analysis<\/em> (WFA) con QM Portfolio Builder\u00a0dejando un tama\u00f1o de la ventana In Sample<\/em> (IS) de 750 barras (aproximadamente 3 a\u00f1os) y 250 como ventana Out of Sample<\/em> (OS) (aproximadamente 1 a\u00f1o). En la imagen de m\u00e1s abajo puede ver el resumen del WFA en Excel, ya que QM Portfolio Builder permite exportar esta informaci\u00f3n de sus sistemas de trading de una manera muy sencilla.<\/p>\nDe izquierda a derecha puede ver los periodos de entrenamiento (Training Star y Training End<\/em>), los periodos de validaci\u00f3n (Run Star y Run End<\/em>), la funci\u00f3n objetivo-utilizada (Criterion<\/em>), los par\u00e1metros \u00f3ptimos para cada ventana.\u00a0 Resaltado en verde tiene los resultados de cada ventana in sample<\/em> y en rojo puede ver los resultados out of sample<\/em> de cada una de las ventanas.<\/p>\n\n![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/Resulado-del-Walk-Forward-Analysis-en-TradersStuido-del-sistema-Volatility-Breakout.png\" "\\"Walk-Forward")
<\/p>\n
Resultado del Walk-Forward Analysis para un sistema de trading basado en Donchian Channel<\/p>\n<\/div>\n
<\/p>\n
\u00bfQu\u00e9 conclusiones podemos sacar del Walk-Forward Analysis para un sistema de trading?<\/h2>\n
<\/p>\n
\n- El par\u00e1metro perDonCortos<\/strong> es m\u00e1s estable ya que apenas cambia en todas las ventanas. El perDonLargos<\/strong>, aunque no sufre cambios dr\u00e1sticos, es cierto que si cambia m\u00e1s.<\/li>\n
- El sistema gana en 8 de 10 ventanas de Out of Sample<\/em>. Est\u00e1 ser\u00e1 la probabilidad que tenemos para que en el a\u00f1o en curso el sistema gane.<\/li>\n
- El sistema en el \u00faltimo corte Out of Sample<\/em> gan\u00f3 10.695 d\u00f3lares. Esto es importante ya que es interesante que sea capaz de ganar en los a\u00f1os m\u00e1s recientes.<\/li>\n
- El Draw down<\/em> es estable en todas las ventanas OS, quiz\u00e1s con la excepci\u00f3n del corte n\u00famero 4 donde llego a -16.020 d\u00f3lares.<\/li>\n
- A pesar de que en las ventanas Out of Sample<\/em> el resultado es satisfactorio, no es una buena noticia que la tendencia del beneficio neto en las ventanas IS sea claramente descendente. Recuerde, lo ideal es que las ventas In Sample<\/em> y Out of Sampl<\/em>e se parezcan lo m\u00e1ximo posible.<\/li>\n<\/ul>\n
Si comparamos las curvas de capital de las ventanas dentro de la muestra y fuera de la muestra, vemos que tienen un comportamiento muy similar.<\/p>\n
\n![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/Curvas-de-capital-In-Sample-y-Out-Sample-de-la-optimizaci\u00f3n-del-sistema-de-trading-Volatility-Breakout.png\" "\\"Walk-Forward")
<\/p>\n
Curvas de capital In Sample y Out Sample del Walk-Forward Analysis para un sistema de trading<\/a> con Donchian Channel<\/p>\n<\/div>\n <\/p>\n
Con el objetivo de ser m\u00e1s rigurosos en el an\u00e1lisis, vamos a comparar los resultados IS y OS usando el \u00edndice de eficiencia. Primero definamos qu\u00e9 es.<\/p>\n
El \u00edndice de eficiencia<\/strong> mide en porcentaje c\u00f3mo de parecidos, o no, son las distintas ventanas IS y OS. Se calcula dividiendo los resultados anualizados del OS por los del IS. En el mundo profesional, se considera que un 50-60% en el \u00edndice de eficiencia es un buen valor, y por tanto, se podr\u00eda considerar apto este sistema de trading para operativa en real seg\u00fan el Walk Forward Analysis<\/em>.<\/p>\nPara comparar correctamente las ventanas IS-OS debemos conocer el resultado del beneficio anual en el IS. Recordemos que estamos utilizando 750 barras diarias en las ventanas de entrenamiento, que equivalen a 3 a\u00f1os aproximadamente, por tanto, cada ventana IS debemos dividirla por 3 para anualizar los resultados.<\/p>\n
Por ejemplo, en la primera ventana IS que va desde el 1\/2\/2007 hasta 2\/22\/2010 el beneficio neto es 90.275, que dividido por 3 resulta 30.091. Si dividimos el resultado de la ventana OS del mismo periodo entre el resultado anualizado anterior, tenemos un \u00edndice de eficiencia de: 7.285\/30.091 = 0.238 (23,8%). Este c\u00e1lculo se repite para cada una de las ventanas, cuyo resultado puede ver destacado en azul en el gr\u00e1fico.<\/p>\n
\n![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/\u00cdndice-de-Eficiencia-del-Walk-Forward-Analysis-del-sistema-de-trading-Volatlity-Breakout.png\" "\\"Walk-Forward")
<\/p>\n
\u00cdndice de Eficiencia del Walk Forward Analysis del sistema de trading<\/a> Donchian Channel<\/p>\n<\/div>\n <\/p>\n
Que en la \u00faltima ventana aparezca un \u00edndice de eficiencia tan elevado (1854.6%) es debido q que el tama\u00f1o de la ventana Out of Sample es m\u00e1s peque\u00f1a (6 meses aproximadamente). Lo normal, es que si fuera como el resto de las ventanas, el \u00edndice de eficiencia tomara valores m\u00e1s reducidos.<\/p>\n
Ya conocemos el \u00edndice de eficiencia de cada una de las ventanas IS-OS y tambi\u00e9n la media, pero lo realmente interesante es conocer el \u00edndice de eficiencia de todo el hist\u00f3rico. Para ello, sumamos el resultado de todos los a\u00f1os y los dividimos por 3 (tama\u00f1o de las ventanas IS) para poder compararlo con las ventanas OS. El resultado puede verlo a continuaci\u00f3n.<\/p>\n
\n![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/Indice-de-eficiencia-del-Walk-Forward-Analysis.png\" "\\"Walk-Forward")
<\/p>\n
Indice de eficiencia del Walk Forward Analysis del sistema Donchian Channel<\/p>\n<\/div>\n
<\/p>\n
Si queremos proyectar el resultado probable que obtendremos en el pr\u00f3ximo a\u00f1o debemos dividir por 3 la \u00faltima ventana OS que va desde 12\/3\/2014 hasta 2\/6\/2019 resultar\u00e1 15.290\/3 = 3.159 y multiplicar 62,3% (\u00edndice de eficiencia). El resultado probable para el periodo que va desde junio de 2019 hasta junio de 2020 es de 3.159 d\u00f3lares.<\/p>\n
\u00a0<\/h2>\nSistema de trading Volatility Breakout sobre una canasta de activos<\/h2>\n
<\/p>\n
Probemos ahora en QM Portfolio Builder la misma l\u00f3gica sobre una canasta de activos: crudo, algod\u00f3n, caf\u00e9, platino y bono.<\/p>\n
Realizamos una Walk Forward<\/em> simple y buscamos las zonas robustas de la optimizaci\u00f3n de la misma manera que hicimos con el platino, pero ahora con la cesta de 5 activos.<\/p>\nLa zona robusta se resalta en un c\u00edrculo verde y podemos comprobar que tanto en el beneficio neto, BMO y Profit factor<\/em> es muy similar. La longitud de la zona robusta para realizar posteriormente el WFA son para perDonLargos<\/strong> (6-19) y para perDonCortos<\/strong> (20-40).<\/p>\n\n![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/Walk-Forward-sobre-canasta-de-activos-del-sistma-de-trading-Volality-Breakout.png\" "\\"Walk-Forward")
<\/p>\n
Walk-Forward en QM Portfolio Builder sobre canasta de activos<\/a> del sistema de trading Donchian Channel<\/p>\n<\/div>\n <\/p>\n
Elegimos en el Walk-Forward<\/em> simple los par\u00e1metros perDonLargos<\/strong> = 14 y perDonCortos<\/strong> = 23. El resultado es el siguiente.<\/p>\n\n![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/Backtest-del-sistema-de-trading-Volatility-Breakout-sobre-una-canasta-de-activos-en-TradersStudio.png\" "\\"Walk-Forward")
<\/p>\n
Backtest del sistema de trading Donchian Channel sobre una canasta de activos en QM Portfolio Builder<\/p>\n<\/div>\n
<\/p>\n
Pasamos ahora a realizar el WFA en QM Portfolio Builder de la cesta de activos usando la zona robusta. Las ventanas IS ser\u00e1n de 750 barras y las de OS de 250 respectivamente.<\/p>\n
El resultado es el siguiente.<\/p>\n
\n![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/Walk-Forward-Analysis-del-sistema-de-trading-Volatility-Breakout-sobre-una-canasta-de-activos-en-TradersStudio.png\" "\\"Walk-Forward")
<\/p>\n
Walk-Forward Analysis para un sistema de trading Donchian Channel sobre una canasta de activos en QM Portfolio Builder<\/p>\n<\/div>\n
<\/p>\n
Vemos que gana en 10 de 16 ventanas de OS, pero los resultados a simple vista, y faltando calcular el \u00edndice de eficiencia, no parecen muy prometedores. Para asegurar que tan parecidos, o no, son las ventanas IS y OS en el WFA, calcularemos el \u00edndice de eficiencia de la misma manera que hicimos con el platino en el ejemplo anterior. Es decir, anualizaremos cada resultado del IS dividiendo por 3 para comparar cada venta IS con su correspondiente IS. Se excluye la \u00faltima ventana OS por no corresponder a las 250 barras completas (1 a\u00f1o aproximadamente). Note que va desde 5\/9\/2019 hasta 1\/17\/2020.<\/p>\n
Esta estrategia de trading para una cesta de productos no pasar\u00eda el WFA, ya que el \u00edndice de eficiencia es del 26,1%<\/strong>, menor al 50% que se recomienda como m\u00ednimo para considerar apto a este sistema para operar en real. El \u00edndice de eficiencia medio de todas las ventanas todav\u00eda es m\u00e1s bajo, -38,2%.<\/p>\n\n![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/Indice-de-eficiencia-del-Walk-Forward-Analysis-sobre-una-canasta-de-activos.png\" "\\"Walk-Forward")
<\/p>\n
\u00cdndice de eficiencia del Walk-Forward Analysis sobre una canasta de activos<\/p>\n<\/div>\n
<\/p>\n
Aunque el \u00edndice de eficiencia no deja lugar a dudas, en el sentido de que esta estrategia de trading, tal y como est\u00e1 dise\u00f1ada, no puede operarse en real en esta cesta de activos, puede ver abajo un gr\u00e1fico en el que se compara el resultado del agregado de todas las ventanas de OS con el mismo n\u00famero de operaciones de las ventanas IS del WFA. Aunque sistema consigue ganar 120.000 d\u00f3lares, nada tiene que ver con lo que lo obtenido en el IS que alcanza el mill\u00f3n de d\u00f3lares.<\/p>\n
\n![\"Walk-Forward](\"https:\/\/www.pqtrader.com\/wp-content\/uploads\/2020\/10\/Equity-de-las-ventanas-in-sample-comparadas-con-las-ventanas-out-of-sample-del-Walk-Forward-Analysis.png\" "\\"Walk-Forward")
<\/p>\n
Equity de las ventanas in sample comparadas con las ventanas out of sample del Walk Forward Analysis en QM Portfolio Builder<\/p>\n<\/div>\n
<\/p>\n
\u00bfPorqu\u00e9 recomendamos hace el Walk-Forward Analysis para un sistema de trading en QM Portfolio Builder?<\/strong><\/h2>\n <\/p>\n
Hay varias razones, pero destacamos tres:<\/p>\n
\n- Fue desarrollado por el creador original de este m\u00e9todo de optimizaci\u00f3n, Robert Pardo.<\/li>\n
- La forma que tiene de gestionar los cortes en las ventanas in sample<\/em> y out of sample<\/em> es mucho m\u00e1s realista que en la mayor\u00eda de plataformas de trading.<\/li>\n
- QM Portfolio Builder es una plataforma dise\u00f1ada originalmente para instituciones.<\/li>\n<\/ul>\n
Uno de los mayores problemas con el desarrollo de sistemas de trading, es que muchos de ellos se ven muy bien en el backtest,<\/em> pero no en la operativa real. Hay varias razones para esto. La m\u00e1s com\u00fan es que el sistema no se basa en una premisa v\u00e1lida. Otras razones son:<\/p>\n\n- Falta de robustez en el sistema debido a una selecci\u00f3n de par\u00e1metros incorrecta. Un sistema se considera robusto si funciona bien en cualquier condici\u00f3n del mercado.<\/li>\n
- Reglas inconsistentes y\/o pruebas inadecuadas del sistema en la utilizaci\u00f3n de los datos “fuera de muestra” y “dentro de muestra”.<\/li>\n
- Consumo excesivo de grados de libertad a\u00f1adiendo excesivas condiciones al sistema y\/o usando pocos datos hist\u00f3ricos en el desarrollo del modelo. Sin entrar en mayores precisiones, cuantos menos datos hist\u00f3ricos utilice y m\u00e1s reglas tenga su modelo, menos grados de libertad le quedar\u00e1n, y, por tanto, ser\u00e1 m\u00e1s f\u00e1cil que est\u00e9 sobre-optimizado.<\/li>\n<\/ul>\n
La herramienta m\u00e1s poderosa para tratar de simular c\u00f3mo se comportar\u00eda un sistema de trading en el mercado real es el Walk forward Analysis<\/em> (en adelante WFA) creado por Robert Pardo y que trataremos de explicar c\u00f3mo funciona a lo largo de este art\u00edculo.<\/p>\nTenemos dos tipos de Walk forward<\/em>: el simple (optimizaci\u00f3n cl\u00e1sica) y el Walk forward<\/em> con ventanas, que podr\u00e1n ser deslizantes o ancladas (creado por Robert Pardo).<\/p>\nWalk-Forward<\/em><\/strong> simple<\/strong><\/h2>\nEl an\u00e1lisis Walk-Forward simple consiste en hacer dos particiones del hist\u00f3rico objeto de estudio. Por ejemplo, dividimos el hist\u00f3rico de cualquier activo en dos partes como puede ver en la siguiente imagen:<\/p>\n
![\"\"](\"https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/02\/image.png\" "\\"\\"")
<\/p>\n
\n- Conjunto de entrenamiento (IS),<\/strong> que ser\u00e1 el \u201cbanco de pruebas\u201d donde probaremos la l\u00f3gica, filtros, stops\u2026 de nuestro modelo. Que en el ejemplo va desde 2007 hasta 2016.<\/li>\n
- Conjunto de validaci\u00f3n (OS), <\/strong>que funcionar\u00e1 como un mercado \u201creal\u201d simulado. El conjunto de validaci\u00f3n deben ser datos que nunca hayan visto el sistema de trading antes.<\/li>\n<\/ul>\n
Ser\u00e1 del Walk-Forward<\/em> simple de donde vamos a extraer las zonas robustas de todas las optimizaciones que hagamos, para despu\u00e9s usarlas en WFA. Veremos m\u00e1s adelante con un ejemplo c\u00f3mo hacerlo.<\/p>\nEl orden de las optimizaciones tiene importancia y la b\u00fasqueda de las zonas robustas. Generalmente ser\u00e1 el siguiente:<\/p>\n
\n- Zona robusta de la l\u00f3gica<\/strong>. Si no la tiene, descarte la l\u00f3gica sin dudarlo.<\/li>\n
- Zona robusta de filtros.<\/strong> Cuantos menos filtros y m\u00e1s sencillos mejor. Si a\u00f1ade muchos filtros, la l\u00f3gica es poco potente, y la estar\u00e1 forzando para conseguir lo que usted quiere ver y no lo que el modelo realmente puede ofrecerle. En otras palabras, estar\u00e1 sobre-optimizando.<\/li>\n
- Stop loss<\/em>.<\/strong> La evidencia emp\u00edrica me ha demostrado que los stops loss<\/em> por volatilidad funcionan mejor, claro tienen un coste y es que no sabes exactamente el dinero que puedes perder cuando el sistema falla. Pero piense un momento: \u00bftiene la misma validez un stop monetario fijo de 1000 d\u00f3lares en el SP500 en a\u00f1o 2008 con una volatilidad desbocada, o en situaciones de mercado en las que el VIX ha estado por debajo de 13 puntos? Evidentemente, a\u00f1ada el stop que a\u00f1ada, deber\u00e1 buscar tambi\u00e9n la robustez de este.<\/li>\n
- Take profit.<\/em><\/strong> Lo mencionado para el stop loss<\/em> aplica tambi\u00e9n para el take profit<\/em>. La evidencia emp\u00edrica me ha demostrado que son m\u00e1s adecuados los take profit<\/em> de beneficios por volatilidad.<\/li>\n<\/ol>\n
En la siguiente imagen puede ver un mapa de calor y un gr\u00e1fico 3D generados con Excel del resultado de una optimizaci\u00f3n usando el Walk forward simple. En este caso se ha utilizado el Profit factor para buscar la zona robusta, que como puede comprobar es muy estable.<\/p>\n
![\"\"](\"https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/02\/image-1.png\" "\\"\\"")
<\/p>\n
El resultado de la optimizaci\u00f3n IS en QM Portfolio Builder es:<\/p>\n
![\"\"](\"https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/02\/image-2.png\" "\\"\\"")
<\/p>\n
Walk-Forward<\/em><\/strong> Analysis (WFA)<\/strong><\/h2>\n\u00bfC\u00f3mo funciona el WFA?<\/p>\n
La mec\u00e1nica es la siguiente: se cogen por ejemplo los a\u00f1os 2005-2007 como ventana IS y se optimizan los par\u00e1metros (de la l\u00f3gica, filtros, stop\u2026), para despu\u00e9s validarlos en el a\u00f1o 2008. A continuaci\u00f3n, se repite el proceso desplazando un a\u00f1o la ventana IS, de tal manera que ahora se realiza la optimizaci\u00f3n en los a\u00f1os 2006-2008 y se validan en el a\u00f1o 2009 que ser\u00e1 en este caso el OS. Se repite todo el proceso hasta realizarlo en todo el hist\u00f3rico de datos.<\/p>\n
El tama\u00f1o de las ventanas es importante. Las regiones IS deber\u00e1n ser lo suficientemente grandes para que la muestra de operaciones sea significativa (m\u00e1s de 50 operaciones por ventana). Tambi\u00e9n es recomendable repetir el proceso modificando el tama\u00f1o de las ventanas IS-OS.<\/p>\n
Los dos modelos de WFA son el de ventanas deslizantes y el anclado. Puede ver a continuaci\u00f3n dos ejemplos gr\u00e1ficos de c\u00f3mo funcionan cada uno de ellos.<\/p>\n
\n- WFA con ventanas deslizantes.<\/strong><\/li>\n<\/ol>\n
![\"\"](\"https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/02\/1.png\" "\\"\\"")
<\/p>\n
\n- WFA anclado<\/strong><\/li>\n<\/ol>\n
![\"\"](\"https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/02\/2.png\" "\\"\\"")
<\/p>\n
Terminado el proceso, los resultados de todas las ventajas IS y OS se consolidan para despu\u00e9s compararlas. Idealmente, los resultados deben ser lo m\u00e1s parecidos posibles entre las ventanas IS y la de OS. Para comparar los resultados IS con los de OS, dos ratios son fundamentales.<\/p>\n
El \u00edndice de eficiencia<\/strong> que mide en porcentaje c\u00f3mo de parecidos, o no, son las distintas ventanas IS y OS. Se calcula dividiendo los resultados anualizados del IS por los del OS. En el mundo profesional, se considera que un 60% en el \u00edndice de eficiencia es un buen valor.<\/p>\nEl \u00edndice de rendimiento<\/strong> mide como de buenos son los resultados obtenidos respecto a lo m\u00e1ximo que podr\u00edamos conseguir en ese periodo. Se calcula dividendo el beneficio acumulado en el OS con los par\u00e1metros m\u00e1s robustos, entre el beneficio aculado en el OS eligiendo los mejores par\u00e1metros (no lo m\u00e1s robustos). Mide la eficacia en la selecci\u00f3n de par\u00e1metros.<\/p>\nRobert Pardo, creador de la herramienta Walk Forward Analisys en su libro \u201cThe evaluation and optimization of trading strategies\u201d<\/em> responde a cuatro preguntas que son esenciales antes de empezar a operar en real con una estrategia de trading, que son las siguientes:<\/p>\n\n- \u00bfEs robusta nuestra estrategia?<\/strong><\/li>\n<\/ol>\n
Una estrategia de trading es robusta, si en condiciones de mercado cambiantes produce ganancias similares a las resultantes en el backtest<\/em>. El objetivo principal del Walk Forward es determinar si el rendimiento del modelo en la simulaci\u00f3n es realista y no una ilusi\u00f3n que nunca generar\u00e1 beneficios en la operativa real. <\/u><\/p>\n\n- \u00bfQu\u00e9 beneficio podemos esperar de nuestro sistema en la operativa real?<\/strong><\/li>\n<\/ol>\n
Los resultados consolidados de todas las ventanas OS del WFA ser\u00e1 la informaci\u00f3n que debemos tomar para comparar la operativa real con la simulada. La informaci\u00f3n OS del WFA, es lo m\u00e1s parecido a la realidad que podemos tener<\/u>. Una ratio de eficiencia < 50% ser\u00e1 indicativo que muy probablemente el sistema sea poco robusto y\/o est\u00e9 sobre-optimizado.<\/p>\n\n- \u00bfC\u00f3mo afectar\u00e1n los recurrentes cambios de volatilidad, tendencia, liquidez\u2026 que se producen en los mercados al comportamiento del sistema en la operativa real?<\/strong><\/li>\n<\/ol>\n
Si el proceso WFA se realiz\u00f3 correctamente deber\u00e1 haberse realizado la simulaci\u00f3n en un hist\u00f3rico lo suficientemente grande que incluya todo tipo de mercados (alcistas, bajistas, vol\u00e1tiles\u2026). De tal manera, que el modelo tendr\u00e1 cierta \u201cmemoria\u201d de todo tipo de mercados que podr\u00e1 utilizar a futuro para adaptarse a los frecuentes cambios que se producen en los mercados. <\/u><\/p>\n\n- \u00bfQu\u00e9 par\u00e1metros son los correctos para usar en el trading real?<\/strong><\/li>\n<\/ol>\n
El WFA es el m\u00e9todo m\u00e1s efectivo para identificar el conjunto de par\u00e1metros correctos para que el modelo genere beneficios en el trading real<\/u>. Tambi\u00e9n adaptar\u00e1 los par\u00e1metros al tipo de mercado en el que est\u00e9 operando. La longitud de las ventanas IS-OS en el WFA, se convierten en parte de la estructura misma de la estrategia de trading. En otras palabras, parte de la informaci\u00f3n proporcionada por un WFA es la longitud \u00f3ptima del historial de precios que se utilizar\u00e1 durante el proceso de re-optimizaci\u00f3n para identificar el conjunto de par\u00e1metros que probablemente proporcione un rendimiento \u00f3ptimo de la operativa en tiempo real.<\/p>\n
El WFA proporciona la vida \u00fatil del conjunto de par\u00e1metros en forma de la longitud de la ventana deslizante del IS-OS<\/u>. Si, por ejemplo, las ventanas son de 3 a\u00f1os IS y 1 a\u00f1o OS, cada a\u00f1o deberemos re-optimizar los par\u00e1metros. Puede ocurrir, de hecho, es frecuente, que los par\u00e1metros no cambien pr\u00e1cticamente, esto s\u00f3lo indicar\u00e1 que en ese a\u00f1o no hubo cambio en las condiciones del mercado.<\/p>\n
Hemos comprobado en el Walk-Forward simple que de 1 a 10, ambos par\u00e1metros se comportan de manera muy estable. Utilizamos esa configuraci\u00f3n como puede ver en Tradersstudio para realizar el WFA, como puede ver resaltado en azul. En el WFA cogemos todos los datos disponibles (resaltado en azul). Tambi\u00e9n elegimos el tama\u00f1o de las ventanas y la funci\u00f3n objetivo (resaltado en amarillo). El tama\u00f1o de las ventanas ser\u00e1n 750 barras como conjunto de entrenamiento (3 a\u00f1os aproximadamente por ser barras diarias) y 250 (1 a\u00f1o aproximadamente) como conjunto de validaci\u00f3n.<\/p>\n
![\"\"](\"https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/02\/a.png\" "\\"\\"")
<\/p>\n
[\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row use_custom_gutter=”on” gutter_width=”1″ make_equal=”on” _builder_version=”4.19.5″ _module_preset=”default” width=”100%” max_width=”100%” module_alignment=”center” custom_margin=”0px||0px||false|false” custom_padding=”0px||0px||false|false” locked=”off” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.19.5″ _module_preset=”default” global_colors_info=”{}”][et_pb_divider color=”#7138DF” divider_position=”center” divider_weight=”3px” _builder_version=”4.19.5″ _module_preset=”default” width=”90%” max_width=”90%” module_alignment=”right” custom_margin=”10px||0px||false|false” custom_padding=”0px||0px||false|false” animation_style=”zoom” animation_direction=”right” global_colors_info=”{}”][\/et_pb_divider][et_pb_text _builder_version=”4.20.0″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” link_font=”TT Octosquares Medium|700|||||||” link_text_color=”#F53A71″ text_orientation=”right” custom_margin=”0px||0px||false|false” custom_padding=”0px||2px||false|false” global_colors_info=”{}”]<\/p>\n
Art\u00edculo escrito por Quantified Models<\/p>\n
[\/et_pb_text][et_pb_cta title=”Canal de YouTube de Quantified Models” button_url=”https:\/\/www.youtube.com\/channel\/UC1aM_BnnBAWRSjiApHVGD5w” url_new_window=”on” button_text=”Mira nuestros videos” _builder_version=”4.19.5″ _module_preset=”default” header_text_align=”center” header_text_color=”#75E1EE” header_font_size=”26px” body_font_size=”18px” background_color=”#210750″ custom_button=”on” button_text_color=”#210750″ button_bg_color=”#75E1EE” button_border_width=”0px” button_border_radius=”0px” button_font=”TT Octosquares Medium||||||||” button_icon=”||divi||400″ button_icon_color=”#FFFFFF” custom_margin=”20px||20px||false|false” locked=”off” global_colors_info=”{}” button_bg_color__hover=”#F53A71″ button_bg_color__hover_enabled=”on|desktop” button_bg_enable_color__hover=”on” button_text_color__hover=”#FFFFFF” button_text_color__hover_enabled=”on|hover”]<\/p>\n
En nuestro canal de YouTube tenemos varios videos disponibles que pueden resultarle muy \u00fatiles para desarrollar sistemas de trading.<\/p>\n
Esperamos que esta informaci\u00f3n te haya sido de utilidad.<\/p>\n
[\/et_pb_cta][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":"
En este post te mostramos c\u00f3mo realizar un an\u00e1lisis de walk-forward para un sistema de trading basado en un canal de Donchian correctamente.<\/p>\n","protected":false},"author":1,"featured_media":268257,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"
<\/h2>\r\n\u00a0\r\nDescripci\u00f3n del sistema de trading:<\/h2>\r\n
Sistema de trading del tipo Volatility Breakout continuo long-therm<\/em> (largo plazo) que compra en una ruptura del m\u00e1ximo de los m\u00e1ximos de un per\u00edodo concreto de barras, y se posiciona en corto en una ruptura del m\u00ednimo de los m\u00ednimos de un per\u00edodo concreto de barras.<\/p>\r\n\r\n\r\n[caption id=\"attachment_9270\" align=\"aligncenter\" width=\"1062\"] Gr\u00e1fico en TradeStation del futuro del platino en barras diarias[\/caption]\r\n\r\n\u00a0\r\n
El c\u00f3digo en TradeStation es el siguiente:<\/p>\n
inputs:\n\tperiodoLargos ( 2 ),\n\tperiodoCortos ( 2 );\n\nvars: \n\tmyMid ( 0 ),\n\tmyUpper ( 0 ),\n\tmyLower ( 0 );\n\n\nmyUpper = highest(H,periodoLargos)[1];\nmyLower = Lowest(L,periodoCortos)[1];\n\nplot1(myMid,\"Mid\");\nplot2(myUpper,\"Upper\");\nplot3(myLower,\"Lower\");<\/span><\/code><\/span><\/pre>\n <\/p>\n
El c\u00f3digo del sistema de trading algor\u00edtmico en TradeStation es el siguiente:<\/p>\n
inputs: \nperDonLargos ( 20 ), \nperDonCortos ( 20 );\n\nbuy next bar at Highest(H,perDonLargos)+ 1 point stop;<\/span>\n\nsellshort next bar at lowest(L,perDonCortos)-1 point stop;<\/span><\/code><\/span><\/pre>\nEl c\u00f3digo de la estrategia de trading traducido el lenguaje de programaci\u00f3n de QM Portfolio Builder es:<\/p>\n
Sub Volatility Breakout(perDonLargos, perDonCortos)\n\n\tIf BarNumber=FirstBar Then\n\t\t'perDonLargos = 20\n\t\t'perDonCortos = 20\n\tEnd If\n\n\tBuy(\"\", 1, Highest(H,perDonLargos)+ 1*GetActiveMinMove(), Stop, Day)\n\tSell(\"\", 1, lowest(L,perDonCortos)-1*GetActiveMinMove(), Stop, Day)\nEnd Sub<\/span><\/code><\/pre>\n\u00a0<\/h2>\nOptimizaci\u00f3n de la estrategia de trading en Tradestation<\/strong><\/h2>\n <\/p>\n
Se hacen las siguientes particiones del hist\u00f3rico para realizar la optimizaci\u00f3n de la estrategia de trading.<\/p>\n
\n- Per\u00edodo dentro de muestra (conjunto de entrenamiento):<\/strong> 01\/01\/2007 a 01\/01\/2017.<\/li>\n
- Per\u00edodo fuera de muestra (conjunto de validaci\u00f3n<\/strong>): 01\/01\/2017 a 17\/01\/2020.<\/li>\n<\/ul>\n
Los par\u00e1metros seleccionados se eligen para el perDonLargos <\/strong>(4), y para el perDonCortos<\/strong> (11) dentro de muestra.\u00a0 Estos par\u00e1metros son seleccionados dentro de la zona robusta que se puede ver en los gr\u00e1ficos que 3D que se exponen a continuaci\u00f3n. Las m\u00e9tricas elegidas para el c\u00e1lculo son: beneficio neto, profit factor y beneficio medio por operaci\u00f3n.<\/p>\n\n<\/p>\n
Zona estable de la optimizaci\u00f3n del sistema de trading<\/a> Donchian Channel<\/p>\n<\/div>\n <\/p>\n
Resultados del backtest en QM Portfolio Builder del sistema de trading Volatility Breakout<\/strong><\/h2>\nLos resultados descontando comisiones y deliszamientos (25 d\u00f3lares) de la optimizaci\u00f3n dentro de la muestra (IS) en el Walk forward simple una vez se ha elegido la zona robusta son:<\/p>\n
\n<\/p>\n
Backtest en QM Portfolio Builder del sistema de trading<\/a> Donchian Channel<\/p>\n<\/div>\n <\/p>\n
Pasemos ahora a realizar la prueba Walk-Forward Analysis<\/em> (WFA) con QM Portfolio Builder\u00a0dejando un tama\u00f1o de la ventana In Sample<\/em> (IS) de 750 barras (aproximadamente 3 a\u00f1os) y 250 como ventana Out of Sample<\/em> (OS) (aproximadamente 1 a\u00f1o). En la imagen de m\u00e1s abajo puede ver el resumen del WFA en Excel, ya que QM Portfolio Builder permite exportar esta informaci\u00f3n de sus sistemas de trading de una manera muy sencilla.<\/p>\nDe izquierda a derecha puede ver los periodos de entrenamiento (Training Star y Training End<\/em>), los periodos de validaci\u00f3n (Run Star y Run End<\/em>), la funci\u00f3n objetivo-utilizada (Criterion<\/em>), los par\u00e1metros \u00f3ptimos para cada ventana.\u00a0 Resaltado en verde tiene los resultados de cada ventana in sample<\/em> y en rojo puede ver los resultados out of sample<\/em> de cada una de las ventanas.<\/p>\n\n<\/p>\n
Resultado del Walk-Forward Analysis para un sistema de trading basado en Donchian Channel<\/p>\n<\/div>\n
<\/p>\n
\u00bfQu\u00e9 conclusiones podemos sacar del Walk-Forward Analysis para un sistema de trading?<\/h2>\n
<\/p>\n
\n- El par\u00e1metro perDonCortos<\/strong> es m\u00e1s estable ya que apenas cambia en todas las ventanas. El perDonLargos<\/strong>, aunque no sufre cambios dr\u00e1sticos, es cierto que si cambia m\u00e1s.<\/li>\n
- El sistema gana en 8 de 10 ventanas de Out of Sample<\/em>. Est\u00e1 ser\u00e1 la probabilidad que tenemos para que en el a\u00f1o en curso el sistema gane.<\/li>\n
- El sistema en el \u00faltimo corte Out of Sample<\/em> gan\u00f3 10.695 d\u00f3lares. Esto es importante ya que es interesante que sea capaz de ganar en los a\u00f1os m\u00e1s recientes.<\/li>\n
- El Draw down<\/em> es estable en todas las ventanas OS, quiz\u00e1s con la excepci\u00f3n del corte n\u00famero 4 donde llego a -16.020 d\u00f3lares.<\/li>\n
- A pesar de que en las ventanas Out of Sample<\/em> el resultado es satisfactorio, no es una buena noticia que la tendencia del beneficio neto en las ventanas IS sea claramente descendente. Recuerde, lo ideal es que las ventas In Sample<\/em> y Out of Sampl<\/em>e se parezcan lo m\u00e1ximo posible.<\/li>\n<\/ul>\n
Si comparamos las curvas de capital de las ventanas dentro de la muestra y fuera de la muestra, vemos que tienen un comportamiento muy similar.<\/p>\n
\n<\/p>\n
Curvas de capital In Sample y Out Sample del Walk-Forward Analysis para un sistema de trading<\/a> con Donchian Channel<\/p>\n<\/div>\n <\/p>\n
Con el objetivo de ser m\u00e1s rigurosos en el an\u00e1lisis, vamos a comparar los resultados IS y OS usando el \u00edndice de eficiencia. Primero definamos qu\u00e9 es.<\/p>\n
El \u00edndice de eficiencia<\/strong> mide en porcentaje c\u00f3mo de parecidos, o no, son las distintas ventanas IS y OS. Se calcula dividiendo los resultados anualizados del OS por los del IS. En el mundo profesional, se considera que un 50-60% en el \u00edndice de eficiencia es un buen valor, y por tanto, se podr\u00eda considerar apto este sistema de trading para operativa en real seg\u00fan el Walk Forward Analysis<\/em>.<\/p>\nPara comparar correctamente las ventanas IS-OS debemos conocer el resultado del beneficio anual en el IS. Recordemos que estamos utilizando 750 barras diarias en las ventanas de entrenamiento, que equivalen a 3 a\u00f1os aproximadamente, por tanto, cada ventana IS debemos dividirla por 3 para anualizar los resultados.<\/p>\n
Por ejemplo, en la primera ventana IS que va desde el 1\/2\/2007 hasta 2\/22\/2010 el beneficio neto es 90.275, que dividido por 3 resulta 30.091. Si dividimos el resultado de la ventana OS del mismo periodo entre el resultado anualizado anterior, tenemos un \u00edndice de eficiencia de: 7.285\/30.091 = 0.238 (23,8%). Este c\u00e1lculo se repite para cada una de las ventanas, cuyo resultado puede ver destacado en azul en el gr\u00e1fico.<\/p>\n
\n<\/p>\n
\u00cdndice de Eficiencia del Walk Forward Analysis del sistema de trading<\/a> Donchian Channel<\/p>\n<\/div>\n <\/p>\n
Que en la \u00faltima ventana aparezca un \u00edndice de eficiencia tan elevado (1854.6%) es debido q que el tama\u00f1o de la ventana Out of Sample es m\u00e1s peque\u00f1a (6 meses aproximadamente). Lo normal, es que si fuera como el resto de las ventanas, el \u00edndice de eficiencia tomara valores m\u00e1s reducidos.<\/p>\n
Ya conocemos el \u00edndice de eficiencia de cada una de las ventanas IS-OS y tambi\u00e9n la media, pero lo realmente interesante es conocer el \u00edndice de eficiencia de todo el hist\u00f3rico. Para ello, sumamos el resultado de todos los a\u00f1os y los dividimos por 3 (tama\u00f1o de las ventanas IS) para poder compararlo con las ventanas OS. El resultado puede verlo a continuaci\u00f3n.<\/p>\n
\n<\/p>\n
Indice de eficiencia del Walk Forward Analysis del sistema Donchian Channel<\/p>\n<\/div>\n
<\/p>\n
Si queremos proyectar el resultado probable que obtendremos en el pr\u00f3ximo a\u00f1o debemos dividir por 3 la \u00faltima ventana OS que va desde 12\/3\/2014 hasta 2\/6\/2019 resultar\u00e1 15.290\/3 = 3.159 y multiplicar 62,3% (\u00edndice de eficiencia). El resultado probable para el periodo que va desde junio de 2019 hasta junio de 2020 es de 3.159 d\u00f3lares.<\/p>\n
\u00a0<\/h2>\nSistema de trading Volatility Breakout sobre una canasta de activos<\/h2>\n
<\/p>\n
Probemos ahora en QM Portfolio Builder la misma l\u00f3gica sobre una canasta de activos: crudo, algod\u00f3n, caf\u00e9, platino y bono.<\/p>\n
Realizamos una Walk Forward<\/em> simple y buscamos las zonas robustas de la optimizaci\u00f3n de la misma manera que hicimos con el platino, pero ahora con la cesta de 5 activos.<\/p>\nLa zona robusta se resalta en un c\u00edrculo verde y podemos comprobar que tanto en el beneficio neto, BMO y Profit factor<\/em> es muy similar. La longitud de la zona robusta para realizar posteriormente el WFA son para perDonLargos<\/strong> (6-19) y para perDonCortos<\/strong> (20-40).<\/p>\n\n<\/p>\n
Walk-Forward en QM Portfolio Builder sobre canasta de activos<\/a> del sistema de trading Donchian Channel<\/p>\n<\/div>\n <\/p>\n
Elegimos en el Walk-Forward<\/em> simple los par\u00e1metros perDonLargos<\/strong> = 14 y perDonCortos<\/strong> = 23. El resultado es el siguiente.<\/p>\n\n<\/p>\n
Backtest del sistema de trading Donchian Channel sobre una canasta de activos en QM Portfolio Builder<\/p>\n<\/div>\n
<\/p>\n
Pasamos ahora a realizar el WFA en QM Portfolio Builder de la cesta de activos usando la zona robusta. Las ventanas IS ser\u00e1n de 750 barras y las de OS de 250 respectivamente.<\/p>\n
El resultado es el siguiente.<\/p>\n
\n<\/p>\n
Walk-Forward Analysis para un sistema de trading Donchian Channel sobre una canasta de activos en QM Portfolio Builder<\/p>\n<\/div>\n
<\/p>\n
Vemos que gana en 10 de 16 ventanas de OS, pero los resultados a simple vista, y faltando calcular el \u00edndice de eficiencia, no parecen muy prometedores. Para asegurar que tan parecidos, o no, son las ventanas IS y OS en el WFA, calcularemos el \u00edndice de eficiencia de la misma manera que hicimos con el platino en el ejemplo anterior. Es decir, anualizaremos cada resultado del IS dividiendo por 3 para comparar cada venta IS con su correspondiente IS. Se excluye la \u00faltima ventana OS por no corresponder a las 250 barras completas (1 a\u00f1o aproximadamente). Note que va desde 5\/9\/2019 hasta 1\/17\/2020.<\/p>\n
Esta estrategia de trading para una cesta de productos no pasar\u00eda el WFA, ya que el \u00edndice de eficiencia es del 26,1%<\/strong>, menor al 50% que se recomienda como m\u00ednimo para considerar apto a este sistema para operar en real. El \u00edndice de eficiencia medio de todas las ventanas todav\u00eda es m\u00e1s bajo, -38,2%.<\/p>\n\n<\/p>\n
\u00cdndice de eficiencia del Walk-Forward Analysis sobre una canasta de activos<\/p>\n<\/div>\n
<\/p>\n
Aunque el \u00edndice de eficiencia no deja lugar a dudas, en el sentido de que esta estrategia de trading, tal y como est\u00e1 dise\u00f1ada, no puede operarse en real en esta cesta de activos, puede ver abajo un gr\u00e1fico en el que se compara el resultado del agregado de todas las ventanas de OS con el mismo n\u00famero de operaciones de las ventanas IS del WFA. Aunque sistema consigue ganar 120.000 d\u00f3lares, nada tiene que ver con lo que lo obtenido en el IS que alcanza el mill\u00f3n de d\u00f3lares.<\/p>\n
\n<\/p>\n
Equity de las ventanas in sample comparadas con las ventanas out of sample del Walk Forward Analysis en QM Portfolio Builder<\/p>\n<\/div>\n
<\/p>\n
\u00bfPorqu\u00e9 recomendamos hace el Walk-Forward Analysis para un sistema de trading en QM Portfolio Builder?<\/strong><\/h2>\n <\/p>\n
Hay varias razones, pero destacamos tres:<\/p>\n
\n- Fue desarrollado por el creador original de este m\u00e9todo de optimizaci\u00f3n, Robert Pardo.<\/li>\n
- La forma que tiene de gestionar los cortes en las ventanas in sample<\/em> y out of sample<\/em> es mucho m\u00e1s realista que en la mayor\u00eda de plataformas de trading.<\/li>\n
- QM Portfolio Builder es una plataforma dise\u00f1ada originalmente para instituciones.<\/li>\n<\/ul>\n
Uno de los mayores problemas con el desarrollo de sistemas de trading, es que muchos de ellos se ven muy bien en el backtest,<\/em> pero no en la operativa real. Hay varias razones para esto. La m\u00e1s com\u00fan es que el sistema no se basa en una premisa v\u00e1lida. Otras razones son:<\/p>\n\n- Falta de robustez en el sistema debido a una selecci\u00f3n de par\u00e1metros incorrecta. Un sistema se considera robusto si funciona bien en cualquier condici\u00f3n del mercado.<\/li>\n
- Reglas inconsistentes y\/o pruebas inadecuadas del sistema en la utilizaci\u00f3n de los datos “fuera de muestra” y “dentro de muestra”.<\/li>\n
- Consumo excesivo de grados de libertad a\u00f1adiendo excesivas condiciones al sistema y\/o usando pocos datos hist\u00f3ricos en el desarrollo del modelo. Sin entrar en mayores precisiones, cuantos menos datos hist\u00f3ricos utilice y m\u00e1s reglas tenga su modelo, menos grados de libertad le quedar\u00e1n, y, por tanto, ser\u00e1 m\u00e1s f\u00e1cil que est\u00e9 sobre-optimizado.<\/li>\n<\/ul>\n
La herramienta m\u00e1s poderosa para tratar de simular c\u00f3mo se comportar\u00eda un sistema de trading en el mercado real es el Walk forward Analysis<\/em> (en adelante WFA) creado por Robert Pardo y que trataremos de explicar c\u00f3mo funciona a lo largo de este art\u00edculo.<\/p>\nTenemos dos tipos de Walk forward<\/em>: el simple (optimizaci\u00f3n cl\u00e1sica) y el Walk forward<\/em> con ventanas, que podr\u00e1n ser deslizantes o ancladas (creado por Robert Pardo).<\/p>\nWalk-Forward<\/em><\/strong> simple<\/strong><\/h2>\nEl an\u00e1lisis Walk-Forward simple consiste en hacer dos particiones del hist\u00f3rico objeto de estudio. Por ejemplo, dividimos el hist\u00f3rico de cualquier activo en dos partes como puede ver en la siguiente imagen:<\/p>\n
<\/p>\n
\n- Conjunto de entrenamiento (IS),<\/strong> que ser\u00e1 el \u201cbanco de pruebas\u201d donde probaremos la l\u00f3gica, filtros, stops\u2026 de nuestro modelo. Que en el ejemplo va desde 2007 hasta 2016.<\/li>\n
- Conjunto de validaci\u00f3n (OS), <\/strong>que funcionar\u00e1 como un mercado \u201creal\u201d simulado. El conjunto de validaci\u00f3n deben ser datos que nunca hayan visto el sistema de trading antes.<\/li>\n<\/ul>\n
Ser\u00e1 del Walk-Forward<\/em> simple de donde vamos a extraer las zonas robustas de todas las optimizaciones que hagamos, para despu\u00e9s usarlas en WFA. Veremos m\u00e1s adelante con un ejemplo c\u00f3mo hacerlo.<\/p>\nEl orden de las optimizaciones tiene importancia y la b\u00fasqueda de las zonas robustas. Generalmente ser\u00e1 el siguiente:<\/p>\n
\n- Zona robusta de la l\u00f3gica<\/strong>. Si no la tiene, descarte la l\u00f3gica sin dudarlo.<\/li>\n
- Zona robusta de filtros.<\/strong> Cuantos menos filtros y m\u00e1s sencillos mejor. Si a\u00f1ade muchos filtros, la l\u00f3gica es poco potente, y la estar\u00e1 forzando para conseguir lo que usted quiere ver y no lo que el modelo realmente puede ofrecerle. En otras palabras, estar\u00e1 sobre-optimizando.<\/li>\n
- Stop loss<\/em>.<\/strong> La evidencia emp\u00edrica me ha demostrado que los stops loss<\/em> por volatilidad funcionan mejor, claro tienen un coste y es que no sabes exactamente el dinero que puedes perder cuando el sistema falla. Pero piense un momento: \u00bftiene la misma validez un stop monetario fijo de 1000 d\u00f3lares en el SP500 en a\u00f1o 2008 con una volatilidad desbocada, o en situaciones de mercado en las que el VIX ha estado por debajo de 13 puntos? Evidentemente, a\u00f1ada el stop que a\u00f1ada, deber\u00e1 buscar tambi\u00e9n la robustez de este.<\/li>\n
- Take profit.<\/em><\/strong> Lo mencionado para el stop loss<\/em> aplica tambi\u00e9n para el take profit<\/em>. La evidencia emp\u00edrica me ha demostrado que son m\u00e1s adecuados los take profit<\/em> de beneficios por volatilidad.<\/li>\n<\/ol>\n
En la siguiente imagen puede ver un mapa de calor y un gr\u00e1fico 3D generados con Excel del resultado de una optimizaci\u00f3n usando el Walk forward simple. En este caso se ha utilizado el Profit factor para buscar la zona robusta, que como puede comprobar es muy estable.<\/p>\n
<\/p>\n
El resultado de la optimizaci\u00f3n IS en QM Portfolio Builder es:<\/p>\n
<\/p>\n
Walk-Forward<\/em><\/strong> Analysis (WFA)<\/strong><\/h2>\n\u00bfC\u00f3mo funciona el WFA?<\/p>\n
La mec\u00e1nica es la siguiente: se cogen por ejemplo los a\u00f1os 2005-2007 como ventana IS y se optimizan los par\u00e1metros (de la l\u00f3gica, filtros, stop\u2026), para despu\u00e9s validarlos en el a\u00f1o 2008. A continuaci\u00f3n, se repite el proceso desplazando un a\u00f1o la ventana IS, de tal manera que ahora se realiza la optimizaci\u00f3n en los a\u00f1os 2006-2008 y se validan en el a\u00f1o 2009 que ser\u00e1 en este caso el OS. Se repite todo el proceso hasta realizarlo en todo el hist\u00f3rico de datos.<\/p>\n
El tama\u00f1o de las ventanas es importante. Las regiones IS deber\u00e1n ser lo suficientemente grandes para que la muestra de operaciones sea significativa (m\u00e1s de 50 operaciones por ventana). Tambi\u00e9n es recomendable repetir el proceso modificando el tama\u00f1o de las ventanas IS-OS.<\/p>\n
Los dos modelos de WFA son el de ventanas deslizantes y el anclado. Puede ver a continuaci\u00f3n dos ejemplos gr\u00e1ficos de c\u00f3mo funcionan cada uno de ellos.<\/p>\n
\n- WFA con ventanas deslizantes.<\/strong><\/li>\n<\/ol>\n
<\/p>\n
\n- WFA anclado<\/strong><\/li>\n<\/ol>\n
<\/p>\n
Terminado el proceso, los resultados de todas las ventajas IS y OS se consolidan para despu\u00e9s compararlas. Idealmente, los resultados deben ser lo m\u00e1s parecidos posibles entre las ventanas IS y la de OS. Para comparar los resultados IS con los de OS, dos ratios son fundamentales.<\/p>\n
El \u00edndice de eficiencia<\/strong> que mide en porcentaje c\u00f3mo de parecidos, o no, son las distintas ventanas IS y OS. Se calcula dividiendo los resultados anualizados del IS por los del OS. En el mundo profesional, se considera que un 60% en el \u00edndice de eficiencia es un buen valor.<\/p>\nEl \u00edndice de rendimiento<\/strong> mide como de buenos son los resultados obtenidos respecto a lo m\u00e1ximo que podr\u00edamos conseguir en ese periodo. Se calcula dividendo el beneficio acumulado en el OS con los par\u00e1metros m\u00e1s robustos, entre el beneficio aculado en el OS eligiendo los mejores par\u00e1metros (no lo m\u00e1s robustos). Mide la eficacia en la selecci\u00f3n de par\u00e1metros.<\/p>\nRobert Pardo, creador de la herramienta Walk Forward Analisys en su libro \u201cThe evaluation and optimization of trading strategies\u201d<\/em> responde a cuatro preguntas que son esenciales antes de empezar a operar en real con una estrategia de trading, que son las siguientes:<\/p>\n\n- \u00bfEs robusta nuestra estrategia?<\/strong><\/li>\n<\/ol>\n
Una estrategia de trading es robusta, si en condiciones de mercado cambiantes produce ganancias similares a las resultantes en el backtest<\/em>. El objetivo principal del Walk Forward es determinar si el rendimiento del modelo en la simulaci\u00f3n es realista y no una ilusi\u00f3n que nunca generar\u00e1 beneficios en la operativa real. <\/u><\/p>\n\n- \u00bfQu\u00e9 beneficio podemos esperar de nuestro sistema en la operativa real?<\/strong><\/li>\n<\/ol>\n
Los resultados consolidados de todas las ventanas OS del WFA ser\u00e1 la informaci\u00f3n que debemos tomar para comparar la operativa real con la simulada. La informaci\u00f3n OS del WFA, es lo m\u00e1s parecido a la realidad que podemos tener<\/u>. Una ratio de eficiencia < 50% ser\u00e1 indicativo que muy probablemente el sistema sea poco robusto y\/o est\u00e9 sobre-optimizado.<\/p>\n\n- \u00bfC\u00f3mo afectar\u00e1n los recurrentes cambios de volatilidad, tendencia, liquidez\u2026 que se producen en los mercados al comportamiento del sistema en la operativa real?<\/strong><\/li>\n<\/ol>\n
Si el proceso WFA se realiz\u00f3 correctamente deber\u00e1 haberse realizado la simulaci\u00f3n en un hist\u00f3rico lo suficientemente grande que incluya todo tipo de mercados (alcistas, bajistas, vol\u00e1tiles\u2026). De tal manera, que el modelo tendr\u00e1 cierta \u201cmemoria\u201d de todo tipo de mercados que podr\u00e1 utilizar a futuro para adaptarse a los frecuentes cambios que se producen en los mercados. <\/u><\/p>\n\n- \u00bfQu\u00e9 par\u00e1metros son los correctos para usar en el trading real?<\/strong><\/li>\n<\/ol>\n
El WFA es el m\u00e9todo m\u00e1s efectivo para identificar el conjunto de par\u00e1metros correctos para que el modelo genere beneficios en el trading real<\/u>. Tambi\u00e9n adaptar\u00e1 los par\u00e1metros al tipo de mercado en el que est\u00e9 operando. La longitud de las ventanas IS-OS en el WFA, se convierten en parte de la estructura misma de la estrategia de trading. En otras palabras, parte de la informaci\u00f3n proporcionada por un WFA es la longitud \u00f3ptima del historial de precios que se utilizar\u00e1 durante el proceso de re-optimizaci\u00f3n para identificar el conjunto de par\u00e1metros que probablemente proporcione un rendimiento \u00f3ptimo de la operativa en tiempo real.<\/p>\n
El WFA proporciona la vida \u00fatil del conjunto de par\u00e1metros en forma de la longitud de la ventana deslizante del IS-OS<\/u>. Si, por ejemplo, las ventanas son de 3 a\u00f1os IS y 1 a\u00f1o OS, cada a\u00f1o deberemos re-optimizar los par\u00e1metros. Puede ocurrir, de hecho, es frecuente, que los par\u00e1metros no cambien pr\u00e1cticamente, esto s\u00f3lo indicar\u00e1 que en ese a\u00f1o no hubo cambio en las condiciones del mercado.<\/p>\n
Hemos comprobado en el Walk-Forward simple que de 1 a 10, ambos par\u00e1metros se comportan de manera muy estable. Utilizamos esa configuraci\u00f3n como puede ver en Tradersstudio para realizar el WFA, como puede ver resaltado en azul. En el WFA cogemos todos los datos disponibles (resaltado en azul). Tambi\u00e9n elegimos el tama\u00f1o de las ventanas y la funci\u00f3n objetivo (resaltado en amarillo). El tama\u00f1o de las ventanas ser\u00e1n 750 barras como conjunto de entrenamiento (3 a\u00f1os aproximadamente por ser barras diarias) y 250 (1 a\u00f1o aproximadamente) como conjunto de validaci\u00f3n.<\/p>\n
<\/p>\n
[\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row use_custom_gutter=”on” gutter_width=”1″ make_equal=”on” _builder_version=”4.19.5″ _module_preset=”default” width=”100%” max_width=”100%” module_alignment=”center” custom_margin=”0px||0px||false|false” custom_padding=”0px||0px||false|false” locked=”off” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.19.5″ _module_preset=”default” global_colors_info=”{}”][et_pb_divider color=”#7138DF” divider_position=”center” divider_weight=”3px” _builder_version=”4.19.5″ _module_preset=”default” width=”90%” max_width=”90%” module_alignment=”right” custom_margin=”10px||0px||false|false” custom_padding=”0px||0px||false|false” animation_style=”zoom” animation_direction=”right” global_colors_info=”{}”][\/et_pb_divider][et_pb_text _builder_version=”4.20.0″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” link_font=”TT Octosquares Medium|700|||||||” link_text_color=”#F53A71″ text_orientation=”right” custom_margin=”0px||0px||false|false” custom_padding=”0px||2px||false|false” global_colors_info=”{}”]<\/p>\n
Art\u00edculo escrito por Quantified Models<\/p>\n
[\/et_pb_text][et_pb_cta title=”Canal de YouTube de Quantified Models” button_url=”https:\/\/www.youtube.com\/channel\/UC1aM_BnnBAWRSjiApHVGD5w” url_new_window=”on” button_text=”Mira nuestros videos” _builder_version=”4.19.5″ _module_preset=”default” header_text_align=”center” header_text_color=”#75E1EE” header_font_size=”26px” body_font_size=”18px” background_color=”#210750″ custom_button=”on” button_text_color=”#210750″ button_bg_color=”#75E1EE” button_border_width=”0px” button_border_radius=”0px” button_font=”TT Octosquares Medium||||||||” button_icon=”||divi||400″ button_icon_color=”#FFFFFF” custom_margin=”20px||20px||false|false” locked=”off” global_colors_info=”{}” button_bg_color__hover=”#F53A71″ button_bg_color__hover_enabled=”on|desktop” button_bg_enable_color__hover=”on” button_text_color__hover=”#FFFFFF” button_text_color__hover_enabled=”on|hover”]<\/p>\n
En nuestro canal de YouTube tenemos varios videos disponibles que pueden resultarle muy \u00fatiles para desarrollar sistemas de trading.<\/p>\n
Esperamos que esta informaci\u00f3n te haya sido de utilidad.<\/p>\n
[\/et_pb_cta][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":"
En este post te mostramos c\u00f3mo realizar un an\u00e1lisis de walk-forward para un sistema de trading basado en un canal de Donchian correctamente.<\/p>\n","protected":false},"author":1,"featured_media":268257,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"
<\/h2>\r\n\u00a0\r\nDescripci\u00f3n del sistema de trading:<\/h2>\r\n
Sistema de trading del tipo Volatility Breakout continuo long-therm<\/em> (largo plazo) que compra en una ruptura del m\u00e1ximo de los m\u00e1ximos de un per\u00edodo concreto de barras, y se posiciona en corto en una ruptura del m\u00ednimo de los m\u00ednimos de un per\u00edodo concreto de barras.<\/p>\r\n\r\n\r\n[caption id=\"attachment_9270\" align=\"aligncenter\" width=\"1062\"] Gr\u00e1fico en TradeStation del futuro del platino en barras diarias[\/caption]\r\n\r\n\u00a0\r\n