Una delle tecniche più utilizzate per eseguire un “fine tuning” di una nuova strategia di trading è quella di analizzare il comportamento nel tempo, per scoprire se esistano delle disomogeneità periodiche nei profitti. La letteratura (vedi Larry Williams, “I segreti del trading di breve termine”) suggerisce di scomporre il sistema di trading in elementi elementari e di accorpare le statistiche per mese e giorno della settimana. Prendiamo ad esempio tutti i trade iniziati nel mese di gennaio e misuriamone le performance, poi passiamo a febbraio e così via fino a dicembre. Abbiamo di fatto scomposto il nostro sistema originale in 12 sottosistemi indipendenti tra loro, che potranno darci indicazione su eventuali criticità di natura temporale, esistenti sul sistema originale.
Ma come si comporta un pattern genetico se sottoposto ad una analisi di questo genere? Un sistema genetico è di per sé già ottimizzato sulla serie storica e potremmo avere il dubbio che non soffra di tali disomogeneità di comportamento.
Vediamo un esempio concreto, aiutandoci con il software TradeStation. Il titolo in esame è Duke Energy Corporation (ticker DUK) ed il pattern analizzato è un pattern grezzo non controllato con alcun sistema di money o position management. Si entra con 10000 $ (5000 $ necessari con azionario e 1000 $ con CFD) in apertura della barra successiva alla manifestazione del pattern e si esce dopo 10 barre in maniera statica.
L’equity line risultante dal 2000 è quella riportata in Fig.1:
Fig.1: Equity Line del sistema long su DUK, Performance Report di TradeStation
Come si può vedere la dinamica è peggiorata nelle fasi di mercato più recenti. Analizziamo ora le metriche del sistema:
Fig.2: Metriche pattern originale, Performance Report di TradeStation
Notiamo quasi un 62% di trade profittevoli a fronte di un rapporto rendimento rischio di 1.28. Il profit factor è di 2.06. L’average trade è di 133 $. Diamo ora un’occhiata alle performance mese su mese:
Fig.3: Media dei profitti mese su mese, Performance Report di TradeStation
Notiamo come tale pattern abbia un picco di performance medie a marzo e soffra in gennaio, febbraio e maggio. Proviamo allora ad escludere tali mesi e confrontiamo le metriche dei due sistemi.
Fig.4: Equity Line del sistema ottimizzato su DUK, Performance Report di TradeStation
Sembra che la curva abbia acquistato regolarità anche nelle fasi di mercato più recenti e che il profitto totale sia cresciuto, passando da 21540 $ ad oltre 24000 $ . Osserviamo con attenzione le metriche per cercare conferme:
Fig.5: Metriche pattern ottimizzato su DUK, Performance Report di TradeStation
La percentuale di trade vincenti è passata dal 62% al 65% e il rapporto rendimento rischio da 1.28 a 1.49. Il profit factor aumenta da 2.06 a 2.49 e l’average trade da 133 $ a 191 $.
In questo primo esempio l’esito del nostro intervento è positivo da molti punti di vista. In generale, quando si migliorano tutti e quattro gli indicatori di performance principali, siamo autorizzati ad aggiungere all’interno del pattern originale i nuovi ingredienti di natura temporale che in questo caso sono:
mese<>gennaio and mese<>febbraio and mese<>maggio
Un’ultima considerazione sulle modalità di analisi: tale operazione di tuning va effettuata sul periodo di addestramento e successivamente estesa a tutta la serie di dati. Un passo ulteriore può essere quello di confrontare le performance mese su mese dell’intero storico rispetto a quelle degli ultimi 3 anni, per comprendere se le dinamiche temporali si stiano “spostando”. Una analisi unica sull’intero storico, infatti, può avere lo svantaggio di non tener conto della mutevolezza del mercato e delle peculiarità della trama dei prezzi nel periodo più recente, il più predittivo delle situazioni future. Di fatto potremmo addirittura peggiorare le performance del sistema.
Nei prossimi articoli prenderemo in esame nuovi pattern genetici su titoli azionari americani per capire se sia possibile o meno generalizzare questo tipo di approccio.
Buon Trading
Giovanni Trombetta
Gandalf Project Research
This email address is being protected from spambots. You need JavaScript enabled to view it.
L' Intelligenza Artificiale e le più moderne tecnologie di Ingegneria Genetica al servizio del Trading...
Read more...Gandalf Project è sia un Laboratorio di Finanza Quantitativa che una Società di Consulenza...
Read more...La scelta di Python come codice elementare per la modellizzazione di ambienti complessi...
Read more...