Vai al contenuto

AIBridge: un ponte tra la comunità scientifica e quella finanziaria (Seconda Parte)

Nel precedente articolo abbiamo illustrato come la tecnologia AiBridge, API che connette Python a TradeStation/Multicharts, attualmente in fase di sviluppo anche grazie al supporto di “Gandalf Project”, possa essere utilizzata per analizzare e tradare un portafoglio genetico sull’intero S&P 500 attraverso grafici, indicatori e strategie TradeStation.

In questo articolo sposteremo il focus sui 9 ETFs settoriali USA ed analizzeremo i risultati Out of Sample del modello genetico attraverso Multicharts.

Fig.1: AiBridge Indicatori e Strategie sui grafici Multicharts dei 9 principali Etf Settoriali 

Come vedete dai grafici qui sopra, abbiamo programmato un indicatore Powerlanguage per disegnare un Istogramma ogni volta che il portafoglio genetico, sempre in modalità Out of Sample, ha dato indicazione risk-ON.

Nel grafico sono anche applicate strategie che, nel modello base, replicano semplicemente il segnale fornito dal portafoglio genetico, quindi comprano il risk-ON e vendono il risk-OFF. Come vedremo questa strategia base potrà essere declinata in diverse modalità sia per obbiettivi di trading che, di asset management. 

Passiamo adesso al Multicharts Portfolio Trader, dove proveremo a fare un’analisi comparata tra i seguenti 2 approcci:

  1. Analisi Buy & Hold con size equiparate sui 9 ETFs settoriali
  2. Analisi delle performance del modello genetico ABridge base

Dopo aver attivato l’API AiBridge per importare nel Portfolio Trader di Multicharts i risultati Out of Sample del modello genetico settiamo il Portfolio Trader con i seguenti parametri:

  • Initial Portfolio Capital: 900,000 USD.
  • Size per Trade: 100,000 USD
  • No Commissoni no slippage
  • Periodo Out of Sample: Gennaio 2014 – Maggio 2024

Fig.2: Multicharts Portfolio Trader con Strategie alimentate da API AiBridge OutOfSample

Analisi Buy & Hold con size equiparate sui 9 ETFs settoriali

Qui di seguito trovate il Performance Summary e l’Equity Line prodotti dal Portfolio Trader di Multicharts sul Buy & Hold a size equiparate dei 9 ETFs settoriali USA.

Fig.3: Buy & Hold 9 Sectors ETF: Multicharts Portfolio Trader Performance Summary

Fig.4: Buy & Hold 9 Sectors ETF: Multicharts Portfolio Trader Equity Line

Analisi delle performance del modello genetico ABridge base

Ecco le performance di AiBridge base:

Fig.5: AiBridge 9 Sectors ETFs: Multicharts Portfolio Trader Performance Summary

Fig.6: AiBridge 9 Sectors ETFs: Multicharts Portfolio Trader Equity Line

Proviamo a riepilogare riportando nella seguente tabella I principali indicatori di performance calcolati da Multcharts:

Fig.7: 9 ETFs Sectors: Buy&Hold vs AiBridge Base

L’utilizzo congiunto di Python e Tradestaton (o Multicharts, come in questo caso), permette di fare facilmente valutazioni puramente finanziarie che altrimenti sarebbero difficilmente possibili per chi non programma Python. Per esempio, in base alla tabella qui sopra possiamo osservare che:

  1. Il modello AiBridge Base perde il 38% in termini di Total Return rispetto al Buy & Hold ma, in compenso, abbatte il MaxDraDown del 45%
  2. Il modello AiBridge, in termini di Annual Rate of Return, perde il 4%, ma riduce l’incidenza del Max Drawdown sul capitale iniziale dell’11%

Conclusioni

Uno dei principali obbiettivi di AiBridge è quello di permettere alla comunità finanziaria una valutazione immediata di complessi modelli genetici e/o di AI, costruiti in Python. In questo articolo abbiamo provato ad applicare il modello genetico AiBridge_100, portafoglio genetico costruito in Python sulle 100 azioni più capitalizzate dell’S&P 500, sui 9 ETFs settoriali .

Alla luce di tutto questo il modello, in un’ottica di trading, sembra reggere il confronto con il Buy & Hold  per quanto riguarda il rapporto Rendimento Rischio.

Nelle prossime settimane proveremo ad utilizzare lo stesso modello genetico congiuntamente ad alcune tecniche di asset allocation dinamica.

Domenico D’Errico

Esperto Easylanguage/Powerlanguage
Collaboratore Gandalf Project

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *