Dirigido a los operadores activos que siguen un enfoque sistem\u00e1tico para la generaci\u00f3n de alfa y desean comprender a fondo los posibles riesgos y beneficios que se esperan de un sistema de comercio antes de la asignaci\u00f3n de capital.<\/p>\n
<\/span>Objetivo de la permutaci\u00f3n de par\u00e1metros del sistema de trading<\/h2>\nEl objetivo de este modelo es llegar a una idea clara y concisa sobre nuestro sistema y responder a varias preguntas:<\/p>\n
\n- 1- \u00bfCu\u00e1l es la estimaci\u00f3n de rendimiento razonable de este sistema?<\/li>\n
- 2- \u00bfQu\u00e9 tan sobre optimizado de ajuste de curvas est\u00e1 el sistema?<\/li>\n
- 3- Mi nueva estrategia tiene alguna ventaja real.<\/li>\n<\/ul>\n
Principalmente explica el documento de las permutaciones de los par\u00e1metros del sistema de trading (SPP) como un m\u00e9todo de estimaci\u00f3n de rendimiento simple pero efectivo, como alternativa a la validaci\u00f3n cruzada tradicional o compensaci\u00f3n Data Mining Bias m\u00e1s complejo.<\/p>\n
En los t\u00e9rminos m\u00e1s sencillos, SPP es un m\u00e9todo para generar distribuciones de muestreo de los par\u00e1metros de rendimiento del sistema. El m\u00e9todo proporciona un enfoque pr\u00e1ctico para estimar el rendimiento de un sistema de trading, as\u00ed como para llevar a cabo las pruebas de significaci\u00f3n estad\u00edstica. SPP aprovecha la ley estad\u00edstica de la regresi\u00f3n hacia la media y maximiza el uso de datos hist\u00f3ricos del mercado.<\/p>\n
En la optimizaci\u00f3n del sistema de trading, la regresi\u00f3n hacia la media indica que la combinaci\u00f3n espec\u00edfica de valores de los par\u00e1metros optimizados que dio lugar a un rendimiento extremo en la simulaci\u00f3n hist\u00f3rica ser\u00e1 probabil\u00edsticamente no poder mantener el mismo nivel de rendimiento extremo en el futuro.<\/p>\n
En lugar de examinar la regresi\u00f3n hacia la media con el tiempo, SPP aprovecha las optimizaci\u00f3n es para generar unas distribuci\u00f3n es de muestreo sobre las expectativas del rendimiento donde los efectos de regresi\u00f3n a la media pueden ser examinados a trav\u00e9s de variantes del sistema mediante distintas combinaciones de par\u00e1metros.<\/p>\n
El \u00fanico requisito para poder aplicar las\u00a0permutaciones de los par\u00e1metros\u00a0<\/strong>del sistema (SPP) es que debe tener unas reglas claras y objetivas programables mediante un lenguaje de c\u00f3digo, y que est\u00e1n optimizados durante el proceso de desarrollo de la estrategia. Este requisito es necesario porque SPP hace uso de la optimizaci\u00f3n de los par\u00e1metros y de los datos hist\u00f3ricos incluidos en la estrategia.<\/p>\n<\/span>Especificaciones de los datos en el test<\/h2>\n1- Periodo y plazo de simulaci\u00f3n en los datos hist\u00f3ricos:<\/strong><\/p>\nEl periodo de prueba de este an\u00e1lisis comprende desde 06\/2003 hasta 06\/2020.<\/p>\n
2- Temporalidad del gr\u00e1fico.<\/strong><\/p>\nEl periodo del gr\u00e1fico utilizado ser\u00e1 4 horas.<\/p>\n
3 \u2013 Fuente de datos de entrada.<\/strong><\/p>\nUtilizar\u00e9 datos de Dukascopy OHLC de 1 minuto con la integraci\u00f3n del\u00a0administrador de datos<\/a>.<\/p>\n4- Comisiones y gastos.<\/strong><\/p>\nSpread 2 puntos y Comisi\u00f3n por lote de 5\u20ac.<\/p>\n
5-<\/strong>\u00a0Gesti\u00f3n del dinero y capital.<\/strong><\/p>\nLa estrategia est\u00e1 probada con un capital de 10.000\u20ac con un mini lote fijo de 0.10.<\/p>\n
6- Activo en la prueba.<\/strong><\/p>\nLa divisa EUR\/USD<\/p>\n
7 \u2013 Evaluaci\u00f3n de 4 m\u00e9tricas importantes :<\/strong><\/p>\n\n- Beneficio neto.<\/li>\n
- M\u00e1xima p\u00e9rdida en porcentaje total hist\u00f3rica.<\/li>\n
- Promedio de porcentaje de ganancia por a\u00f1o.<\/li>\n
- Sharpe ratio.<\/li>\n<\/ul>\n
<\/span>B\u00fasqueda del sistema de trading<\/h2>\nSoftware utilizado\u00a0StrategyQuant X<\/a><\/strong>, estrategia de ruptura, funci\u00f3n objetivo maximizar el Sharpe Ratio.<\/p>\nRealizo una b\u00fasqueda de estrategias con el motor gen\u00e9tico de strategyquant con una condiciones de indicadores pre definidas para encontrar estrategias de ruptura en el activo. Despu\u00e9s de generar unos cientos de estrategias haremos una segunda prueba a las estrategias con datos de 1 minuto un proceso m\u00e1s lento para comprobar que de las pruebas con precios de apertura a las pruebas con datos de 1 minuto las diferencias en las estrategias no sean demasiado grandes.<\/p>\n
\n<\/figcaption> <\/p>\n<\/figure>\n<\/div>\n<\/div>\n<\/div>\n
[\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row _builder_version=”4.20.2″ _module_preset=”default” width=”100%” custom_padding=”15px|||||” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.20.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/03\/Datos-del-modelo-1.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.2″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.20.2″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” text_font_size=”14px” text_orientation=”center” custom_margin=”-20px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”]Datos del modelo para la generaci\u00f3n.[\/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_text admin_label=”Text” _builder_version=”4.21.0″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n
\n\n\nPrueba multi s\u00edmbolo y multi periodo.<\/h2>\n
El siguiente paso ser\u00e1 una prueba multi s\u00edmbolo y multi periodo para comprobar c\u00f3mo se adapta el sistema de trading a mercados correlacionados con movimientos similares y periodos de tiempo parecidos. El sistema de trading est\u00e1 probado en los siguientes mercados:<\/p>\n
\n- EURJPY H4.<\/li>\n
- GBPUSD H4.<\/li>\n
- AUDUSD H4.<\/li>\n
- NZDUSD H4.<\/li>\n
- USDCHF H4.<\/li>\n
- EURUSD H3<\/li>\n
- EURUSD H5<\/li>\n<\/ul>\n<\/div>\n<\/div>\n<\/div>\n
[\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/03\/Prueba-multi-mercado-multi-periodo.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.2″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.20.2″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” text_font_size=”14px” text_orientation=”center” custom_margin=”-20px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”]Prueba multi mercado y periodo[\/et_pb_text][et_pb_text admin_label=”Text” _builder_version=”4.20.2″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n
\n\n\nEn un total de 7 mercados s\u00f3lo dos el NZDUSD y AUDUSD la estrategia no se comporta bien en los dem\u00e1s es estable y ascendente.<\/p>\n
Una vez que vemos que la estrategia parece ser lo suficientemente robusta en estas pruebas haremos una optimizaci\u00f3n de todo el periodo 05\/2003 a 31\/12\/2017 para su desempe\u00f1o respecto a la mediana en el conjunto de optimizaciones.<\/p>\n
<\/span>Optimizaci\u00f3n de par\u00e1metros significativos.<\/h2>\nOptimizar\u00e9 5 par\u00e1metros a la estrategia para ver como se comporta si obtiene mejoras y que tan desviada est\u00e1 la estrategia de mejor SHARPE ratio, de su mediana en todas las optimizaciones que hace el programa.<\/p>\n
\n- Periodo del m\u00e1ximo o m\u00ednimo de ruptura de vela.<\/li>\n
- Barras valida de la orden hasta su cancelaci\u00f3n.<\/li>\n
- Salida por tiempo cada x Barras.<\/li>\n
- Beneficio del ATR coeficiente multiplicador.<\/li>\n
- P\u00e9rdida por ATR coeficiente.<\/li>\n<\/ul>\n<\/div>\n<\/div>\n<\/div>\n
[\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/03\/5-parametros-optimizados.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.2″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.20.2″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” text_font_size=”14px” text_orientation=”center” custom_margin=”-20px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”]Par\u00e1metros optimizados[\/et_pb_text][et_pb_text admin_label=”Text” _builder_version=”4.21.0″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n
\n\n\nResultados del modelo de permutaci\u00f3n de par\u00e1metros del sistema de trading<\/h2>\n
El software ha hecho 2136 optimizaciones gen\u00e9ticamente donde el 100% de estos rangos de optimizaci\u00f3n son mayores que 0. El promedio de todas la estrategias probadas es de 11546.91\u20ac, y la mejor optimizaci\u00f3n es de 18731.33.<\/p>\n<\/div>\n<\/div>\n<\/div>\n
[\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/03\/perfil-de-optimizacion-1.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.2″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.20.2″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” text_font_size=”14px” text_orientation=”center” custom_margin=”-20px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”]Perfil de optimizaci\u00f3n[\/et_pb_text][et_pb_text admin_label=”Text” _builder_version=”4.21.0″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n
\n\n\nAhora bas\u00e1ndonos en este test de\u00a0permutaci\u00f3n de par\u00e1metros del sistema de trading<\/strong>\u00a0nos preguntaremos:<\/p>\n\u00bfEst\u00e1 la estrategia ajustada de curvas y que rendimiento puedo esperar de ella?<\/p>\n
Para ello nos arroja la siguiente gr\u00e1fica donde podemos observar la mediana de cada distribuci\u00f3n del proceso por los ratios del modelo.<\/p>\n<\/div>\n<\/div>\n<\/div>\n
[\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/03\/spp-estadistica-frecuencia.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.2″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.20.2″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” text_font_size=”14px” text_orientation=”center” custom_margin=”-20px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”]Frecuencia estad\u00edstica de SPP[\/et_pb_text][et_pb_text admin_label=”Text” _builder_version=”4.20.2″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n
\n\n\nA simple vista el Beneficio neto seg\u00fan la teor\u00eda de regresi\u00f3n a la media podr\u00edamos esperar que en vez de 15965.48\u20ac obtengamos la media de su distribuci\u00f3n que es 12158.02\u20ac. Lo interesante es ver que la mediana de porcentaje de ganadoras es mucho m\u00e1s alta que la estrategia original y lo mismo ocurre con la desviaci\u00f3n est\u00e1ndar es mucho m\u00e1s baja que la original.<\/p>\n
Esto es una manera sencilla de no crear falsas expectativas sobre un sistema y se puede sacar en una hoja de c\u00e1lculo o con cualquier otro programa. Deber\u00edamos de exportar el conjunto de optimizaciones y realizar una tabla donde graficar las distribuciones de las optimizaciones.<\/p>\n<\/div>\n<\/div>\n<\/div>\n
[\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/03\/estadistica-rendimiento-excel.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.2″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.20.2″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” text_font_size=”14px” text_orientation=”center” custom_margin=”-20px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”]Estad\u00edstica de rendimiento en excel[\/et_pb_text][et_pb_text admin_label=”Text” _builder_version=”4.20.2″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n
\n\n\nEn el siguiente paso podemos podr\u00edamos realizar un Walk Forward con datos fuera de la muestra para ver como se comporta con nuevos datos y ver el modelo de permutaci\u00f3n de los par\u00e1metros del sistema en los a\u00f1os siguientes. Eso lo dejaremos para otro articulo si te resulta interesante lo le\u00eddo hasta aqu\u00ed comenta y nos ponemos manos a la obra.<\/span><\/p>\n<\/div>\n<\/div>\n<\/div>\n[\/et_pb_text][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=”4.20.2″ _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 \u00c1ngel Talavera<\/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” custom_padding=”56px||43px|||” 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.\u00a0<\/p>\n
<\/p>\n
[\/et_pb_cta][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":"
Apuntes sobre el documento de David Walton basado en las optimizaciones de un sistema de trading mediante la permutación de los parámetros del sistema de trading en una estrategia de trading. Dirigido a los operadores activos que siguen un enfoque sistemático para la generación de alfa y desean comprender a fondo los posibles riesgos y beneficios que se […]<\/p>\n","protected":false},"author":1,"featured_media":268571,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"
\r\n\r\n![\"Campana](\"https:\/\/angeltalavera.com\/wp-content\/uploads\/elementor\/thumbs\/spp-portada-e1605485024943-pigrleb23hvxiilhzi49yl1wlaoblbewpuwi1oy1l4.jpg\" "\\"spp")
<\/div>\r\n<\/div>\r\n<\/div>\r\n\r\n\r\n\r\nApuntes sobre el documento de\u00a0David Walton<\/a>\u00a0basado en las optimizaciones de un sistema de trading mediante la\u00a0permutaci\u00f3n de los par\u00e1metros<\/strong>\u00a0del sistema<\/strong>\u00a0en una estrategia de trading.\r\n\r\nDirigido a los operadores activos que siguen un enfoque sistem\u00e1tico para la generaci\u00f3n de alfa y desean comprender a fondo los posibles riesgos y beneficios que se esperan de un sistema de comercio antes de la asignaci\u00f3n de capital.\r\n<\/span>Objetivo de la permutaci\u00f3n de los par\u00e1metros del sistema.<\/h2>\r\nEl objetivo de este modelo es llegar a una idea clara y concisa sobre nuestro sistema y responder a varias preguntas:\r\n\r\n \t- 1- \u00bfCu\u00e1l es la estimaci\u00f3n de rendimiento razonable de este sistema?<\/li>\r\n \t
- 2- \u00bfQu\u00e9 tan sobre optimizado de ajuste de curvas est\u00e1 el sistema?<\/li>\r\n \t
- 3- Mi nueva estrategia tiene alguna ventaja real.<\/li>\r\n<\/ul>\r\nPrincipalmente explica el documento de las permutaciones de los par\u00e1metros del sistema (SPP) como un m\u00e9todo de estimaci\u00f3n de rendimiento simple pero efectivo, como alternativa a la validaci\u00f3n cruzada tradicional o compensaci\u00f3n Data Mining Bias m\u00e1s complejo.\r\n\r\nEn los t\u00e9rminos m\u00e1s sencillos, SPP es un m\u00e9todo para generar distribuciones de muestreo de los par\u00e1metros de rendimiento del sistema. El m\u00e9todo proporciona un enfoque pr\u00e1ctico para estimar el rendimiento de un sistema de trading, as\u00ed como para llevar a cabo las pruebas de significaci\u00f3n estad\u00edstica. SPP aprovecha la ley estad\u00edstica de la regresi\u00f3n hacia la media y maximiza el uso de datos hist\u00f3ricos del mercado.\r\n\r\nEn la optimizaci\u00f3n del sistema, la regresi\u00f3n hacia la media indica que la combinaci\u00f3n espec\u00edfica de valores de los par\u00e1metros optimizados que dio lugar a un rendimiento extremo en la simulaci\u00f3n hist\u00f3rica ser\u00e1 probabil\u00edsticamente no poder mantener el mismo nivel de rendimiento extremo en el futuro.\r\n\r\nEn lugar de examinar la regresi\u00f3n hacia la media con el tiempo, SPP aprovecha las optimizaci\u00f3n es para generar unas distribuci\u00f3n es de muestreo sobre las expectativas del rendimiento donde los efectos de regresi\u00f3n a la media pueden ser examinados a trav\u00e9s de variantes del sistema mediante distintas combinaciones de par\u00e1metros.\r\n\r\nEl \u00fanico requisito para poder aplicar las\u00a0permutaciones de los par\u00e1metros\u00a0<\/strong>del sistema (SPP) es que debe tener unas reglas claras y objetivas programables mediante un lenguaje de c\u00f3digo, y que est\u00e1n optimizados durante el proceso de desarrollo de la estrategia. Este requisito es necesario porque SPP hace uso de la optimizaci\u00f3n de los par\u00e1metros y de los datos hist\u00f3ricos incluidos en la estrategia.\r\n
<\/span>Especificaciones de los datos en el test.<\/h2>\r\n1- Periodo y plazo de simulaci\u00f3n en los datos hist\u00f3ricos:<\/strong><\/p>\r\nEl periodo de prueba de este an\u00e1lisis comprende desde 06\/2003 hasta 06\/2020.\r\n2- Temporalidad del gr\u00e1fico.<\/strong><\/p>\r\nEl periodo del gr\u00e1fico utilizado ser\u00e1 4 horas.\r\n3 \u2013 Fuente de datos de entrada.<\/strong><\/p>\r\nUtilizar\u00e9 datos de Dukascopy OHLC de 1 minuto con la integraci\u00f3n del\u00a0administrador de datos<\/a>.\r\n\r\n4- Comisiones y gastos.<\/strong>\r\n\r\nSpread 2 puntos y Comisi\u00f3n por lote de 5\u20ac.\r\n\r\n5-<\/strong>\u00a0Gesti\u00f3n del dinero y capital.<\/strong>\r\n\r\nLa estrategia est\u00e1 probada con un capital de 10.000\u20ac con un mini lote fijo de 0.10.\r\n\r\n6- Activo en la prueba.<\/strong>\r\n\r\nLa divisa EUR\/USD\r\n\r\n7 \u2013 Evaluaci\u00f3n de 4 m\u00e9tricas importantes :<\/strong>\r\n
Principalmente explica el documento de las permutaciones de los par\u00e1metros del sistema de trading (SPP) como un m\u00e9todo de estimaci\u00f3n de rendimiento simple pero efectivo, como alternativa a la validaci\u00f3n cruzada tradicional o compensaci\u00f3n Data Mining Bias m\u00e1s complejo.<\/p>\n
En los t\u00e9rminos m\u00e1s sencillos, SPP es un m\u00e9todo para generar distribuciones de muestreo de los par\u00e1metros de rendimiento del sistema. El m\u00e9todo proporciona un enfoque pr\u00e1ctico para estimar el rendimiento de un sistema de trading, as\u00ed como para llevar a cabo las pruebas de significaci\u00f3n estad\u00edstica. SPP aprovecha la ley estad\u00edstica de la regresi\u00f3n hacia la media y maximiza el uso de datos hist\u00f3ricos del mercado.<\/p>\n
En la optimizaci\u00f3n del sistema de trading, la regresi\u00f3n hacia la media indica que la combinaci\u00f3n espec\u00edfica de valores de los par\u00e1metros optimizados que dio lugar a un rendimiento extremo en la simulaci\u00f3n hist\u00f3rica ser\u00e1 probabil\u00edsticamente no poder mantener el mismo nivel de rendimiento extremo en el futuro.<\/p>\n
En lugar de examinar la regresi\u00f3n hacia la media con el tiempo, SPP aprovecha las optimizaci\u00f3n es para generar unas distribuci\u00f3n es de muestreo sobre las expectativas del rendimiento donde los efectos de regresi\u00f3n a la media pueden ser examinados a trav\u00e9s de variantes del sistema mediante distintas combinaciones de par\u00e1metros.<\/p>\n
El \u00fanico requisito para poder aplicar las\u00a0permutaciones de los par\u00e1metros\u00a0<\/strong>del sistema (SPP) es que debe tener unas reglas claras y objetivas programables mediante un lenguaje de c\u00f3digo, y que est\u00e1n optimizados durante el proceso de desarrollo de la estrategia. Este requisito es necesario porque SPP hace uso de la optimizaci\u00f3n de los par\u00e1metros y de los datos hist\u00f3ricos incluidos en la estrategia.<\/p>\n 1- Periodo y plazo de simulaci\u00f3n en los datos hist\u00f3ricos:<\/strong><\/p>\n El periodo de prueba de este an\u00e1lisis comprende desde 06\/2003 hasta 06\/2020.<\/p>\n 2- Temporalidad del gr\u00e1fico.<\/strong><\/p>\n El periodo del gr\u00e1fico utilizado ser\u00e1 4 horas.<\/p>\n 3 \u2013 Fuente de datos de entrada.<\/strong><\/p>\n Utilizar\u00e9 datos de Dukascopy OHLC de 1 minuto con la integraci\u00f3n del\u00a0administrador de datos<\/a>.<\/p>\n 4- Comisiones y gastos.<\/strong><\/p>\n Spread 2 puntos y Comisi\u00f3n por lote de 5\u20ac.<\/p>\n 5-<\/strong>\u00a0Gesti\u00f3n del dinero y capital.<\/strong><\/p>\n La estrategia est\u00e1 probada con un capital de 10.000\u20ac con un mini lote fijo de 0.10.<\/p>\n 6- Activo en la prueba.<\/strong><\/p>\n La divisa EUR\/USD<\/p>\n 7 \u2013 Evaluaci\u00f3n de 4 m\u00e9tricas importantes :<\/strong><\/p>\n Software utilizado\u00a0StrategyQuant X<\/a><\/strong>, estrategia de ruptura, funci\u00f3n objetivo maximizar el Sharpe Ratio.<\/p>\n Realizo una b\u00fasqueda de estrategias con el motor gen\u00e9tico de strategyquant con una condiciones de indicadores pre definidas para encontrar estrategias de ruptura en el activo. Despu\u00e9s de generar unos cientos de estrategias haremos una segunda prueba a las estrategias con datos de 1 minuto un proceso m\u00e1s lento para comprobar que de las pruebas con precios de apertura a las pruebas con datos de 1 minuto las diferencias en las estrategias no sean demasiado grandes.<\/p>\n <\/p>\n<\/figure>\n<\/div>\n<\/div>\n<\/div>\n [\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row _builder_version=”4.20.2″ _module_preset=”default” width=”100%” custom_padding=”15px|||||” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.20.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/03\/Datos-del-modelo-1.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.2″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.20.2″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” text_font_size=”14px” text_orientation=”center” custom_margin=”-20px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”]Datos del modelo para la generaci\u00f3n.[\/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_text admin_label=”Text” _builder_version=”4.21.0″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n El siguiente paso ser\u00e1 una prueba multi s\u00edmbolo y multi periodo para comprobar c\u00f3mo se adapta el sistema de trading a mercados correlacionados con movimientos similares y periodos de tiempo parecidos. El sistema de trading est\u00e1 probado en los siguientes mercados:<\/p>\n [\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/03\/Prueba-multi-mercado-multi-periodo.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.2″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.20.2″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” text_font_size=”14px” text_orientation=”center” custom_margin=”-20px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”]Prueba multi mercado y periodo[\/et_pb_text][et_pb_text admin_label=”Text” _builder_version=”4.20.2″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n En un total de 7 mercados s\u00f3lo dos el NZDUSD y AUDUSD la estrategia no se comporta bien en los dem\u00e1s es estable y ascendente.<\/p>\n Una vez que vemos que la estrategia parece ser lo suficientemente robusta en estas pruebas haremos una optimizaci\u00f3n de todo el periodo 05\/2003 a 31\/12\/2017 para su desempe\u00f1o respecto a la mediana en el conjunto de optimizaciones.<\/p>\n Optimizar\u00e9 5 par\u00e1metros a la estrategia para ver como se comporta si obtiene mejoras y que tan desviada est\u00e1 la estrategia de mejor SHARPE ratio, de su mediana en todas las optimizaciones que hace el programa.<\/p>\n [\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/03\/5-parametros-optimizados.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.2″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.20.2″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” text_font_size=”14px” text_orientation=”center” custom_margin=”-20px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”]Par\u00e1metros optimizados[\/et_pb_text][et_pb_text admin_label=”Text” _builder_version=”4.21.0″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n El software ha hecho 2136 optimizaciones gen\u00e9ticamente donde el 100% de estos rangos de optimizaci\u00f3n son mayores que 0. El promedio de todas la estrategias probadas es de 11546.91\u20ac, y la mejor optimizaci\u00f3n es de 18731.33.<\/p>\n<\/div>\n<\/div>\n<\/div>\n [\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/03\/perfil-de-optimizacion-1.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.2″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.20.2″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” text_font_size=”14px” text_orientation=”center” custom_margin=”-20px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”]Perfil de optimizaci\u00f3n[\/et_pb_text][et_pb_text admin_label=”Text” _builder_version=”4.21.0″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n Ahora bas\u00e1ndonos en este test de\u00a0permutaci\u00f3n de par\u00e1metros del sistema de trading<\/strong>\u00a0nos preguntaremos:<\/p>\n \u00bfEst\u00e1 la estrategia ajustada de curvas y que rendimiento puedo esperar de ella?<\/p>\n Para ello nos arroja la siguiente gr\u00e1fica donde podemos observar la mediana de cada distribuci\u00f3n del proceso por los ratios del modelo.<\/p>\n<\/div>\n<\/div>\n<\/div>\n [\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/03\/spp-estadistica-frecuencia.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.2″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.20.2″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” text_font_size=”14px” text_orientation=”center” custom_margin=”-20px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”]Frecuencia estad\u00edstica de SPP[\/et_pb_text][et_pb_text admin_label=”Text” _builder_version=”4.20.2″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n A simple vista el Beneficio neto seg\u00fan la teor\u00eda de regresi\u00f3n a la media podr\u00edamos esperar que en vez de 15965.48\u20ac obtengamos la media de su distribuci\u00f3n que es 12158.02\u20ac. Lo interesante es ver que la mediana de porcentaje de ganadoras es mucho m\u00e1s alta que la estrategia original y lo mismo ocurre con la desviaci\u00f3n est\u00e1ndar es mucho m\u00e1s baja que la original.<\/p>\n Esto es una manera sencilla de no crear falsas expectativas sobre un sistema y se puede sacar en una hoja de c\u00e1lculo o con cualquier otro programa. Deber\u00edamos de exportar el conjunto de optimizaciones y realizar una tabla donde graficar las distribuciones de las optimizaciones.<\/p>\n<\/div>\n<\/div>\n<\/div>\n [\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/03\/estadistica-rendimiento-excel.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.2″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text _builder_version=”4.20.2″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” text_font_size=”14px” text_orientation=”center” custom_margin=”-20px||||false|false” custom_padding=”0px||||false|false” locked=”off” global_colors_info=”{}”]Estad\u00edstica de rendimiento en excel[\/et_pb_text][et_pb_text admin_label=”Text” _builder_version=”4.20.2″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n En el siguiente paso podemos podr\u00edamos realizar un Walk Forward con datos fuera de la muestra para ver como se comporta con nuevos datos y ver el modelo de permutaci\u00f3n de los par\u00e1metros del sistema en los a\u00f1os siguientes. Eso lo dejaremos para otro articulo si te resulta interesante lo le\u00eddo hasta aqu\u00ed comenta y nos ponemos manos a la obra.<\/span><\/p>\n<\/div>\n<\/div>\n<\/div>\n [\/et_pb_text][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=”4.20.2″ _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 \u00c1ngel Talavera<\/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” custom_padding=”56px||43px|||” 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.\u00a0<\/p>\n <\/p>\n [\/et_pb_cta][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":" Apuntes sobre el documento de David Walton basado en las optimizaciones de un sistema de trading mediante la permutación de los parámetros del sistema de trading en una estrategia de trading. Dirigido a los operadores activos que siguen un enfoque sistemático para la generación de alfa y desean comprender a fondo los posibles riesgos y beneficios que se […]<\/p>\n","protected":false},"author":1,"featured_media":268571,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":" 1- Periodo y plazo de simulaci\u00f3n en los datos hist\u00f3ricos:<\/strong><\/p>\r\nEl periodo de prueba de este an\u00e1lisis comprende desde 06\/2003 hasta 06\/2020.\r\n 2- Temporalidad del gr\u00e1fico.<\/strong><\/p>\r\nEl periodo del gr\u00e1fico utilizado ser\u00e1 4 horas.\r\n 3 \u2013 Fuente de datos de entrada.<\/strong><\/p>\r\nUtilizar\u00e9 datos de Dukascopy OHLC de 1 minuto con la integraci\u00f3n del\u00a0administrador de datos<\/a>.\r\n\r\n4- Comisiones y gastos.<\/strong>\r\n\r\nSpread 2 puntos y Comisi\u00f3n por lote de 5\u20ac.\r\n\r\n5-<\/strong>\u00a0Gesti\u00f3n del dinero y capital.<\/strong>\r\n\r\nLa estrategia est\u00e1 probada con un capital de 10.000\u20ac con un mini lote fijo de 0.10.\r\n\r\n6- Activo en la prueba.<\/strong>\r\n\r\nLa divisa EUR\/USD\r\n\r\n7 \u2013 Evaluaci\u00f3n de 4 m\u00e9tricas importantes :<\/strong>\r\n<\/span>Especificaciones de los datos en el test<\/h2>\n
\n
<\/span>B\u00fasqueda del sistema de trading<\/h2>\n
Prueba multi s\u00edmbolo y multi periodo.<\/h2>\n
\n
<\/span>Optimizaci\u00f3n de par\u00e1metros significativos.<\/h2>\n
\n
Resultados del modelo de permutaci\u00f3n de par\u00e1metros del sistema de trading<\/h2>\n
<\/div>\r\n<\/div>\r\n<\/div>\r\n<\/span>Objetivo de la permutaci\u00f3n de los par\u00e1metros del sistema.<\/h2>\r\nEl objetivo de este modelo es llegar a una idea clara y concisa sobre nuestro sistema y responder a varias preguntas:\r\n
\r\n \t
<\/span>Especificaciones de los datos en el test.<\/h2>\r\n
![\"datos](\"https:\/\/i1.wp.com\/comerciantedeforex.com\/wp-content\/uploads\/Datos-del-modelo.png?fit=1024%2C547&ssl=1\")
![\"prueba](\"https:\/\/i0.wp.com\/comerciantedeforex.com\/wp-content\/uploads\/Prueba-multi-mercado-multi-periodo.png?fit=1024%2C504&ssl=1\")
![\"optimizacion](\"https:\/\/comerciantedeforex.com\/wp-content\/uploads\/5-parametros-optimizados.png\")
![\"perfil](\"https:\/\/i2.wp.com\/comerciantedeforex.com\/wp-content\/uploads\/perfil-de-optimizacion-1.png?fit=1024%2C497&ssl=1\")
![\"Frecuencia](\"https:\/\/i0.wp.com\/comerciantedeforex.com\/wp-content\/uploads\/spp-estadistica-frecuencia.png?fit=1024%2C319&ssl=1\")
![\"Permutaci\u00f3n](\"https:\/\/comerciantedeforex.com\/wp-content\/uploads\/estadistica-rendimiento-excel.png\")