Text Size
Sunday, September 24, 2017
Area

Gandalf Store

Portfolios

Education

Consulting

Ottimizzazione temporale su un pattern genetico

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.

Questo sito utilizza i Cookies per migliorare la navigazione. Utilizzando questo sito e continuando nella navigazione si intende accettata la Privacy & Cookies Policy. Puoi bloccare in ogni momento questa raccolta di informazioni seguendo le istruzioni contenute in questa pagina.

Topics

Artificial Intelligence

Artificial intelligence and the most modern technologies of genetic engineering in the service of trading...

Read more...

Consulting & Services

Gandalf Consultants aim to provide a wide range of services related to trading systems development...

Read more...

Trading Systems

Behind Gandalf Project there is the awareness that no Trading System lasts forever. Gandalf Patterns are the results of...

Read more...