Exemplo de estratégia de reversão média
Reversão Média.
Qual é a "reversão média"?
A reversão à média é a teoria que sugere que os preços e os retornos acabam voltando para a média ou a média. Essa média ou média pode ser a média histórica do preço ou retorno, ou outra média relevante, como o crescimento da economia ou o retorno médio de uma indústria.
Reversão de risco.
Compre Fraqueza.
Reversão do gancho.
Teoria do Acelerador.
QUEBRANDO PARA BAIXO 'Reversão Média'
Os retornos e os preços percentuais não são as únicas medidas consideradas como reversão da média; as taxas de juros ou mesmo a relação preço / lucro de uma empresa podem estar sujeitas a esse fenômeno.
Uma reversão envolve o retorno de qualquer condição de volta a um estado anterior. Nos casos de reversão à média, o pensamento é que qualquer preço que se afaste da norma de longo prazo retornará novamente, revertendo ao seu estado compreendido. A teoria está focada na reversão de apenas mudanças relativamente extremas, já que o crescimento normal ou outras flutuações são uma parte esperada do paradigma.
A teoria da reversão à média é usada como parte de uma análise estatística das condições de mercado e pode fazer parte de uma estratégia geral de negociação. Aplica-se bem às idéias de compra baixa e venda alta, na esperança de identificar atividade anormal que, teoricamente, voltará a um padrão normal.
O retorno a um padrão normal não é garantido, pois uma alta ou baixa inesperada pode ser uma indicação de uma mudança na norma. Tais eventos podem incluir, mas não estão limitados a lançamentos de novos produtos ou desenvolvimentos no lado positivo, ou recalls e ações judiciais no lado negativo.
Mesmo com eventos extremos, é possível que uma segurança tenha uma reversão à média. Como ocorre com a maioria das atividades de mercado, há poucas garantias de como determinados eventos afetarão ou não o apelo geral de determinados valores mobiliários.
Negociação de Reversão Média.
A negociação de reversão à média parece aproveitar as mudanças extremas dentro do preço de um determinado título, com base na suposição de que ele retornará ao seu estado anterior. Essa teoria pode ser aplicada tanto a compra quanto a venda, pois permite que um comerciante lucre com upswings inesperados e economize na ocorrência de uma baixa anormal.
Exemplo de estratégia de reversão à média
O artigo a seguir é patrocinado pela Carta de Opções do Dr. Stoxx.
Em meus dois artigos anteriores sobre esse assunto, eu detalhei como traders e investidores usam um dos componentes mais comuns da análise técnica, a média móvel simples. Uma média móvel é uma média de execução do preço de fechamento de uma ação sobre x número de períodos de tempo. As duas médias mais utilizadas são as médias móveis de 50 dias e 200 dias. As médias móveis não são usadas apenas por técnicos de mercado especialmente treinados. Até mesmo analistas financeiros com MBAs de Harvard se referem às médias móveis de 50 e 200 dias com a mesma frequência que as taxas de P / L e as taxas de crescimento dos lucros.
Nos artigos anteriores, falei sobre como as médias móveis nos ajudam a obter uma boa “leitura” do gráfico de preços de uma ação. Vimos como usar as médias móveis para determinar a tendência dominante de uma ação ou índice, bem como os pontos ideais para entrar ou sair dessa tendência. Hoje quero encerrar minha discussão sobre as médias móveis falando de mais uma maneira de usar as médias móveis. Esta é, na verdade, a estratégia de negociação técnica mais lucrativa que eu uso. Nessa estratégia, estamos enfatizando a ideia de que certas médias móveis - particularmente as “duas grandes”, as médias de 50 dias e 200 dias - atuam como “ímãs” para o preço de uma ação ou índice sempre que se afastam muito das médias.
O fenômeno que estou referenciando aqui tem um rótulo sofisticado. É chamado de "reversão à média", e ocorre com frequência nos mercados financeiros, que o estudo e a aprendizagem de como lucrar com isso se tornaram uma espécie de indústria caseira. Algumas das maiores mentes financeiras do mundo, incluindo professores da Ivy League e economistas do Federal Reserve Bank, publicaram artigos revisados por pares sobre o assunto.
A idéia por trás da reversão, em poucas palavras, é: uma média móvel do preço da ação representa o acúmulo de sabedoria sobre o valor justo de mercado das ações de uma empresa em particular (e, portanto, da própria empresa), enquanto a flutuação diária no preço das ações é mais um reflexo dos caprichos sempre em mudança do sentimento do mercado. Assim, sempre que esse sentimento eleva o preço da ação muito além de sua média, sendo as eficiências das forças de mercado o que elas são, o preço da ação está fadado a voltar à sua média em pouco tempo.
Determinar exatamente quando o preço foi esticado muito longe de sua média, e quão longe da média ele viajará quando reverter, é mais arte do que ciência. Mas há uma ferramenta que pode nos ajudar muito com essa determinação. Usando o desempenho do preço passado sobre o número X de intervalos de tempo, essa ferramenta mede o desvio padrão de uma média móvel e desenha faixas no gráfico, ambas acima da abaixo da média, que mostram os limites superior e inferior desse desvio. Espera-se que o preço fique contido dentro dessas bandas daqui para frente. Isso seria uma ação de preço "normal". Qualquer movimento acima ou abaixo das bandas, portanto, sinaliza um movimento “anormal” além do desvio padrão, portanto, uma superextensão que provavelmente reverterá para a média.
A ferramenta sobre a qual estou falando aqui, é claro, é a Bollinger Bands, desenvolvida pelo técnico de mercado, John Bollinger, nos anos 80. Eu uso essas bandas há anos e posso dizer que, como a maioria dos indicadores técnicos, eles funcionam bem quando funcionam! Mas quando as bandas de Bollinger não estão funcionando bem, sua negociação com base nelas pode dar errado. Ainda assim, quando juntamos as Bandas com stop-losses para minimizar os danos, elas são a melhor ferramenta que temos para determinar as regiões de extremos de preço, onde uma ação ou índice provavelmente será superestimada e retornará à média.
Deixe-me mostrar alguns exemplos. No gráfico abaixo, você verá as ações da EBAY, Inc. (Nasdaq: EBAY) com a média móvel de 200 dias sobreposta, junto com as bandas de Bollinger superior e inferior definidas a 1,5 desvios padrão da média. Você pode ver como nos últimos 9 meses, sempre que o preço viajou para fora de qualquer uma das bandas, era apenas uma questão de tempo até que se recuperasse na outra direção.
Eu usei um desvio padrão de apenas 1,5 na média móvel de 200 dias no gráfico acima, porque é preciso um movimento significativo para ficar ainda mais distante de uma média móvel de preço de longo prazo. Quando encurtarmos nosso tempo para a média de 50 dias, no entanto, precisaremos aumentar nosso desvio de 1,5 para 2,0 para reduzir o ruído de sinais falsos.
Aqui está um gráfico da Amazon, Inc. (Nasdaq: AMZN) durante um período bastante ineficiente e tumultuado na história recente da ação. Eu tenho aqui sobrepostos a média móvel de 50 dias com bandas ajustadas a 2.0 desvios padrão de distância da média. Você pode ver um número maior de sinais comparado ao gráfico acima, e também que alguns sinais teriam sido mais lucrativos do que outros.
Como você trabalha com Bollinger Bands, você vai querer refinar seu sistema de negociação. Você não pode simplesmente comprar cada mergulho abaixo da Banda inferior e vender a cada jogada acima da Banda superior. Conforme você experimenta, sugiro integrar algumas das seguintes sugestões em seu sistema de negociação:
Só aceite sinais de compra em áreas de suporte de preço e venda sinais em áreas de resistência de preço Não negocie movimentos menores além das Bandas, mas apenas aqueles que excederem as Bandas em uma determinada porcentagem (você pode usar o Indicador de Bollinger% B para essa determinação ) Tente entrar somente quando o preço fechar fora das Bandas em um dia e, em seguida, fechar dentro das Bandas no dia seguinte. Apenas realize negociações quando as Bandas estiverem largas e evite negociações quando as Bandas forem limitadas.
A teoria da reversão média é um fenômeno bem comprovado que, quando aprendido bem e negociado apropriadamente, pode ser uma abordagem muito lucrativa para os mercados. Se você está procurando mais recursos neste sistema de negociação, você pode querer experimentar o Manual de Negociação de Reversão-Média que ofereço no meu site, DrStox. Você também pode olhar para o meu livro, Market Neutral Trading, onde eu explico como eu uso esse sistema de negociação. Mas certamente a fonte original é sempre um bom lugar para começar também: Bollinger em Bollinger Bands, a “bíblia” das Bandas!
Exemplo de estratégia de reversão à média
O ponto doce para estratégias de ETF de reversão à média.
por Michael R. Bryant.
Em seu recente livro, Howard Bandy discutiu o que ele chama de "ponto doce". para o desenvolvimento de sistemas de negociação de reversão à média. 1 A ideia é que a combinação certa de comprimento da barra, período de espera, precisão do sistema e outras variáveis tende a maximizar os retornos ajustados ao risco. 2 Este artigo mostra como as estratégias de negociação de reversão média que se encontram nesse ponto ideal podem ser desenvolvidas para fundos negociados em bolsa (ETFs) usando ferramentas automatizadas.
Usando o Adaptrade Builder, uma ferramenta de desenvolvimento de estratégia para Windows, mostrarei como os métodos de teste de estresse com a análise de Monte Carlo podem ser usados como parte do processo de desenvolvimento para encontrar estratégias de reversão médias robustas para o ETF S & P 500 (SPY) eo Selecione os ETFs do Setor SPDR *. Arquivos de projeto para o Construtor, que incluem o código da estratégia, são fornecidos para cada exemplo.
Pousando no Sweet Spot.
A ideia básica por trás do ponto ideal do Dr. Bandy é que as boas estratégias de negociação devem usar um tamanho de barra curto e ter uma precisão razoavelmente alta com um curto período de retenção e baixo rebaixamento. O tamanho da barra curta e o período de detenção curto maximizam as oportunidades de recompor os retornos, enquanto a alta precisão e o baixo rebaixamento facilitam a recuperação das perdas. As últimas qualidades também facilitam o estabelecimento da viabilidade da estratégia e a determinação de quando ela não está mais funcionando, porque as listras típicas de perda para sistemas de alta precisão tendem a ser relativamente curtas.
Com base nas diretrizes do Dr. Bandy, as seguintes características serão usadas neste artigo para definir os requisitos ideais para estratégias de ETF de reversão à média:
Por reversão à média, estou me referindo a estratégias que tentam comprar abaixo do preço médio atual e vender a um preço mais alto à medida que o preço volta à média. A ideia é comprar baixo e vender alto, ao contrário dos sistemas que seguem tendências, que tipicamente tentam comprar alto e vender mais alto.
Edifício com análise de Monte Carlo.
No meu artigo do último boletim, discuti o uso de testes de estresse na avaliação de estratégias de negociação e sua relação com robustez e estratégia de ajuste excessivo. Mencionei também que, se fosse incorporado ao processo de construção, tenderia a levar a estratégias que exibissem robustez. Essa é a abordagem que será seguida aqui.
Resumidamente, o teste de estresse se refere à avaliação de quão sensível é uma estratégia de negociação a seus insumos e ambiente. Uma estratégia robusta - uma que não seja excessivamente adequada ao mercado - será relativamente insensível a mudanças em seus valores de parâmetro de entrada e a outras mudanças em seu ambiente, como alterações nos dados de preço.
A análise de Monte Carlo é a técnica usada para avaliar o efeito dessas mudanças. As entradas da estratégia, os dados de preço e outros fatores são alterados aleatoriamente e o desempenho da estratégia é avaliado. Repetindo este processo muitas vezes, obtém-se uma distribuição de resultados. Os resultados dos dados originais representam um ponto na distribuição. Outros pontos na distribuição representam os resultados de usar versões ligeiramente alteradas dos dados originais, que podem gerar resultados mais ou menos favoráveis do que os dados originais.
Os chamados resultados de Monte Carlo são os valores das medidas de desempenho (lucro líquido, percentual de ganhos, fator de lucro, etc.) que não são piores que a maioria (normalmente, 95%) das avaliações. Por exemplo, se o lucro líquido de Monte Carlo com 95% de confiança for US $ 15.000, isso significa que 95% das avaliações tiveram um lucro líquido de pelo menos US $ 15.000. Em outras palavras, há uma chance de 95% de que o lucro líquido seja de pelo menos US $ 15.000, ou, inversamente, há uma chance de 5% de que o lucro líquido seja inferior a US $ 15.000.
Quando uma estratégia de negociação é desenvolvida iterativamente por gerações sucessivas de modificação e teste, a construção baseada nos resultados de Monte Carlo tenderá a direcionar a estratégia para uma que seja robusta, pois somente uma estratégia robusta terá bons resultados de Monte Carlo. O Adaptrade Builder automatiza esse processo, incluindo a avaliação dos resultados da estratégia usando os resultados de testes de estresse de Monte Carlo.
O primeiro exemplo é para o ETF do índice SPDR S & P 500 (símbolo SPY). Barras diárias de 1/4/1999 a 23/4/2013 foram utilizadas. O intervalo de datas para construção foi definido como 1/4/1999 a 1/2/2011, com os primeiros 80% (1/4/1999 - 8/10/2008) usados para construção (ou seja, na amostra) e dados restantes (8/11/2008 - 1/2/2011) utilizados para testes fora da amostra. Os dados restantes (1/3/2011 - 23/04/2013) foram reservados para validação. Todos os dados foram obtidos da TradeStation 9.
A lógica da estratégia era longa, e 100% do capital investido em cada negócio, com todos os lucros reinvestidos, e $ 0,015 por ação deduzido por turno para os custos de negociação.
O Adaptrade Builder usa um algoritmo de programação genética para desenvolver uma população de estratégias ao longo de gerações sucessivas. A chave para usar o Builder para encontrar estratégias que atendam aos nossos requisitos ideais é definir as chamadas métricas de compilação, mostradas abaixo na Figura 1.
Figura 1. As métricas de compilação no Builder definem o ponto ideal para a estratégia SPY.
A lista de Objetivos de Construção contém três métricas gerais, todas maximizadas. Estes ajudam a orientar a população de estratégias para aqueles que têm um alto lucro líquido, coeficiente de correlação e significância estatística, que são desejáveis para qualquer estratégia. As qualidades específicas que estamos procurando (ou seja, o ponto ideal) são definidas pelas Condições de Construção, que incluem as condições de desigualdade para o número de negociações, barras médias em negociações e a porcentagem de ganhos.
Observe que a condição para o número de negociações é definida como um intervalo com base no número de anos de dados na amostra e na meta de ter entre 20 e 30 negócios por ano. Observe também que a porcentagem de negociações vencedoras é definida para um intervalo entre 65% e 85%. O limite superior foi adicionado porque as estratégias com uma porcentagem extraordinariamente alta de negociações vencedoras geralmente não conseguem atender a alguma outra condição. A penalização dessas estratégias ajudará a direcionar a população para estratégias que atendam a todas as condições, em oposição a estratégias que satisfaçam desproporcionalmente uma condição à exclusão de outras. A mesma lógica foi usada para definir um intervalo para o fator de lucro.
As outras condições - coeficiente de correlação, significância estatística, fator de lucro e fração Kelly - não fazem parte de nossos requisitos específicos, mas foram adicionadas para melhorar os resultados gerais. As configurações de teste de estresse e de Monte Carlo usadas para este exemplo foram selecionadas na tela Opções de compilação, conforme mostrado abaixo na Fig. 2.
Figura 2. A análise de Monte Carlo e as opções de teste de estresse são selecionadas na guia Build Options.
Como mostrado na figura, 99 iterações de Monte Carlo foram usadas para cada análise. Isso significa que 99 testes de estresse foram realizados além da avaliação dos dados originais. Os 100 conjuntos de dados foram analisados usando a análise Monte Carlo para extrair os resultados com 95% de confiança, onde foram usadas para avaliar as condições apresentadas na figura 1. Os testes de estresse consistiram em randomizar os preços, randomizar os inputs da estratégia e randomizar Barra. Todas as três randomizações foram realizadas para cada teste de estresse.
Como cada estratégia foi avaliada 100 vezes (99 testes de estresse mais os dados originais) em cada geração, essa abordagem levou cerca de 100 vezes o tempo que teria se os testes de estresse e a análise de Monte Carlo não tivessem sido usados. Por esse motivo, uma população relativamente pequena de apenas 100 membros foi usada para manter o tempo de solução razoável. A população evoluiu ao longo de 10 gerações, e uma opção foi definida para recomeçar após 10 gerações se o lucro líquido no período fora da amostra fosse negativo.
O gráfico da curva de capital a partir da estratégia de topo na população após 20 gerações (1 reconstrução) é mostrado abaixo na Fig. 3.
Figura 3. Curvas de equidade para cada teste de estresse para a estratégia final do SPY.
Cada curva da figura 3 representa um teste de estresse. Como pode ser visto, todas as diferentes curvas de equidade geralmente têm a mesma forma com resultados positivos fora da amostra. A seguir, alguns dos resultados de Monte Carlo com 95% de confiança, correspondentes à Fig. 3.
Além do número de negociações, que é menor do que o pedido, a estratégia atende aos requisitos originais. A estratégia também passa no teste de validação. Quando a data final for estendida para 23/04/2013, o lucro líquido total da Monte Carlo aumentará para US $ 67.015. A lógica da estratégia também atende à necessidade de uma estratégia de reversão à média: ela entra em uma ordem de limite e sai usando uma condição de indicador. A entrada de limite significa que o mercado tem que descer até o preço limite, então a estratégia é comprar baixo e vender depois que o mercado voltar a subir.
É importante ter em mente que estes são resultados de Monte Carlo com 95% de confiança, o que significa que, por exemplo, 95% das avaliações do teste de estresse tiveram um lucro líquido total de pelo menos $ 56.784. Se o teste de estresse for desativado e a estratégia for avaliada nos dados originais, a curva de patrimônio é mostrada abaixo na Figura 4.
Figura 4. Curva de patrimônio para a estratégia final do SPY nos dados originais.
Essa curva de capital corresponde a um lucro líquido de US $ 109.497, o que equivale a um retorno anual de 5,5%. Embora este seja apenas um retorno modesto, ele bate facilmente o retorno de compra e retenção de aproximadamente 1,8% no mesmo período e é alcançado sem alavancagem e com uma curva de capital cada vez maior ao longo de um período que inclui dois mercados em baixa.
Um exemplo de SPDR de setor selecionado.
O segundo exemplo envolve a construção de uma estratégia sobre um portfólio de ETFs que consiste nos SPDRs do Setor Selecionado. Esses ETFs dividem o índice S & P 500 em nove setores, de modo que cada ação do S & P 500 é colocada em um dos nove setores sem sobreposição. Os nove setores são Consumer Discretionary (símbolo XLY), Consumer Staples (XLP), Energia (XLE), Financeiro (XLF), Saúde (XLV), Industrial (XLI), Materiais (XLB), Tecnologia (XLK) e Utilitários (XLU)
A maioria das mesmas configurações foram usadas para construir essa estratégia, como no último exemplo. No entanto, como nove vezes mais dados de preço foram usados na compilação, reduzi o número de iterações de Monte Carlo de 99 para 5. As outras opções de compilação eram as mesmas da Figura 2, exceto pela opção de reconstrução, que não entre no jogo. Para o dimensionamento da posição, 20% do patrimônio líquido foi investido em cada negociação. Como nem todos os mercados provavelmente seriam negociados ao mesmo tempo, essa configuração foi escolhida para fornecer tamanhos de posição adequados sem resultar em alavancagem (ou seja, excesso de investimento).
O período em amostra para essa compilação foi 1/4/1999 a 28/5/2009 com 29/05/2009 para 1/2/2012 como o out-of-sample período e 1/3/2012 para 4/23 / 2013 reservado para validação. O gráfico da curva de capital de uma das principais estratégias da população após 10 gerações (sem recompilação) é mostrado abaixo na Fig. 5.
Figura 5. Curvas de equidade para cada teste de estresse para a estratégia final do portfólio Select Sector SPDR.
Cada curva de patrimônio na Figura 5 representa o patrimônio da carteira gerado a partir de back-testing em todos os nove mercados simultaneamente para um conjunto de configurações de teste de estresse (ou os dados originais). Alguns resultados sumários de Monte Carlo são mostrados abaixo.
Ao contrário do exemplo anterior, os resultados não são substancialmente diferentes quando a análise de Monte Carlo é desativada e os resultados são avaliados sobre os dados originais. Nesse caso, o lucro líquido total aumenta para US $ 205.140. Essa estratégia também passa no teste de validação. A curva de capital para a estratégia sobre os dados originais apenas (sem teste de estresse), na qual o período de validação é incluído, é mostrada abaixo na Fig. 6.
Figura 6. Curva de patrimônio para a estratégia final do portfólio Select Sector SPDR nos dados originais.
Essa curva de capital corresponde a um lucro líquido de US $ 249.431, o que equivale a um retorno anual de 9,5%, com um rebaixamento de 21% no pior caso. Como no exemplo anterior, a lógica da estratégia entra em um longo prazo em uma ordem limite. A maioria das saídas é feita por meio de uma saída de destino, com outros negócios saindo com base em uma condição de indicador ou em uma parada de proteção.
Baixar Arquivos de Projeto de Reversão Média: *
(clique com o botão direito, salve o arquivo de destino como. para. zip; requer que o Adaptrade Builder seja aberto.)
* Por motivos de licenciamento, os arquivos de projeto não incluem dados de preço.
O chamado ponto ideal para estratégias de negociação recomendado pelo Dr. Bandy parece fornecer condições efetivas para a construção de estratégias de negociação reversíveis, de maneira automatizada, usando uma ferramenta como o Adaptrade Builder. Foi possível encontrar estratégias que atendessem a maioria dos requisitos para os dois exemplos: uma estratégia de mercado único para o mercado SPY ETF e uma estratégia para um portfólio de ETFs composto pelos nove SPDRs Select Sector. Ambas as estratégias venceram o buy-and-hold e se mantiveram bem no teste de validação.
Para ambos os exemplos, o teste de estresse com análise de Monte Carlo foi empregado para aumentar as chances de encontrar estratégias robustas. Em comparação com o exemplo da carteira, os resultados do teste de estresse para a estratégia de mercado único (SPY) foram substancialmente mais conservadores (menos favoráveis) do que os resultados dos dados originais. Embora parte disso possa ser devido ao teste de estresse mais rigoroso em comparação ao exemplo do portfólio, ele sugere que a estratégia do SPY é menos robusta do que o exemplo do portfólio. Em geral, onde os resultados de Monte Carlo diferem acentuadamente dos resultados dos dados originais, pode-se esperar que a melhor estimativa de resultados futuros esteja em algum ponto intermediário, embora isso dependa do quão conservador é o teste de estresse e a análise de Monte Carlo. .
Parece razoável que a estratégia de portfólio seja mais robusta do que a estratégia de mercado único, já que a estratégia de portfólio foi construída em nove mercados diferentes e foi obrigada a funcionar razoavelmente bem em uma ampla variedade de dados de preços. Foi construído mais de nove vezes mais dados e tem cerca de nove vezes mais negócios. O maior desempenho da estratégia de portfólio pode refletir o efeito positivo da diversificação nos nove setores diferentes dos SPDRs.
Embora nenhuma das estratégias atenda ao requisito de número de negociações, pode ser possível encontrar estratégias que atendam a todos os requisitos, se uma população maior for usada ou se forem empregados requisitos de reconstrução mais rigorosos, o que exigiria mais tempo de construção. Alternativamente, pode ser que tal estratégia seja improvável de ser encontrada devido aos requisitos conflitantes de alta precisão, frequência de negociação, duração de curto prazo, e assim por diante. O melhor conjunto de condições de construção é aquele que explora completamente o potencial do mercado, permanecendo realista.
A combinação de um conjunto de condições úteis de construção, como as fornecidas pelo Dr. Bandy, com recursos integrados de robustez, como testes de estresse e análise de Monte Carlo, em uma ferramenta automatizada como o Builder, deve fornecer uma estrutura sólida para o desenvolvimento de estratégias de negociação eficazes.
Bandy, Howard B., Sistemas de Negociação de Reversão Média, Blue Owl Press, Inc., Sioux Falls, SD, 2013, p. 138
Bandy, Howard B., Modeling Trading System Performance, Blue Owl Press, Inc., Sioux Falls, SD, 2011, p. 154.
Este artigo foi publicado na edição de abril de 2013 do boletim da Adaptrade Software.
* Os S & P 500 ® e Select Sector SPDRs são marcas registradas da The McGraw-Hill Companies, Inc.
OS RESULTADOS DE DESEMPENHO HIPOTÉTICOS OU SIMULADOS TÊM CERTAS LIMITAÇÕES INERENTES. A PARTIR DE UM REGISTRO DE DESEMPENHO REAL, OS RESULTADOS SIMULADOS NÃO REPRESENTAM A NEGOCIAÇÃO REAL. TAMBÉM, UMA VEZ QUE AS COMERCIALIZAÇÕES NAO SÃO REALMENTE EXECUTADAS, OS RESULTADOS PODEM SUBSTITUIR OU SUPERIOR AO IMPACTO, SE ALGUM, DE DETERMINADOS FATORES DE MERCADO, COMO A FALTA DE LIQUIDEZ. PROGRAMAS DE NEGOCIAÇÃO SIMULADOS EM GERAL TAMBÉM ESTÃO SUJEITOS AO FATO DE QUE ELES FORAM CONCEBIDOS COM O BENEFÍCIO DE HINDSIGHT. NENHUMA REPRESENTAÇÃO ESTÁ SENDO FEITA QUE QUALQUER CONTA PODERÁ OU POSSIBILITAR LUCROS OU PERDAS SIMILARES AOS APRESENTADOS.
Se você gostaria de ser informado sobre novos desenvolvimentos, novidades e ofertas especiais da Adaptrade Software, por favor, junte-se à nossa lista de e-mail. Obrigado.
Reversão Média: Estratégias Simples de Negociação Parte 1.
Nesta série, abordamos algumas estratégias básicas de negociação que podem ajudá-lo a começar a desenvolver seus próprios sistemas de negociação automatizados.
Faça o download do Notebook IPython aqui.
Modelos de reversão médios.
As estratégias de reversão à média partem do pressuposto de que existe uma tendência subjacente estável no preço de um ativo e os preços flutuam aleatoriamente em torno dessa tendência. Portanto, os valores que se afastam da tendência tenderão a inverter a direção e reverter para a tendência. Ou seja, se o valor for excepcionalmente alto, esperamos que ele volte para baixo e, se estiver incomumente baixo, volte a subir.
Como identificamos a tendência subjacente? Essa é a essência dessa estratégia! Considere o exemplo fictício abaixo:
Calculamos a média móvel de 90 dias (90 dM) do preço da ação e tratamos essa tendência subjacente estável. Também calculamos a Média Móvel de 30 dias (30d MA) e podemos ver que ela ziguezagueia em torno da tendência de 90d. Agora podemos construir a seguinte estratégia:
Quando o valor de 30d MA cair abaixo de 90d MA, esperamos que ele volte para a linha 90d. Ou seja, o preço atual é muito baixo e provavelmente aumentará. Portanto, esse é um sinal para comprar. Da mesma forma, se o valor de 30d MA subir acima de 90d MA, esperamos que ele caia de volta para a linha 90d. Daí o preço atual é muito alto e é um sinal para vender.
Vamos considerar alguns exemplos e aplicações do mundo real dessa estratégia.
Discutimos a aplicação de modelos de reversão à média para um único estoque, carteira de ações e pares comercializados neste notebook. Nos próximos tutoriais, falaremos sobre momentum e pares de estratégias de negociação.
Exemplo de estratégia de reversão à média
@jamie - Estou curioso porque você escolheu as 11h? Encaixe no backtest ou algum motivo específico?
@Peter: Acho que entendi o que você está perguntando, e parece que o Pipeline é uma boa opção. Você pode usar o pipeline para criar regras de seleção que verificam todos os 8000+ títulos por dia. Confira o tutorial do pipeline para saber mais.
@Matthew: Eu escolhi 11h arbitrariamente. Um dos objetivos deste exemplo era ser um bom exemplo para as pessoas usarem para descobrir a API. 11:00 exigiu que eu especificasse horas e minutos de deslocamento na chamada schedule_function. Na mesma nota, a maioria dos parâmetros do algoritmo foram selecionados arbitrariamente, foi concebido para ser um pouco de modelo para a comunidade jogar com mais do que uma estratégia de alta qualidade!
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta para fornecer serviços de consultoria de investimento pela Quantopian. Além disso, o material não oferece opinião com relação à adequação de qualquer investimento específico ou de segurança. Nenhuma informação aqui contida deve ser considerada como uma sugestão para se envolver ou se abster de qualquer ação relacionada ao investimento, pois nenhuma das suas afiliadas está comprometida em fornecer consultoria de investimento, agir como um consultor para qualquer plano ou entidade sujeita a o Employee Retirement Income Security Act de 1974, conforme alterado, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em uma capacidade fiduciária com relação aos materiais aqui apresentados. Se você for um investidor individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado com a Quantopian sobre se qualquer ideia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não garante a exatidão ou integridade das opiniões expressas no site. As opiniões estão sujeitas a alterações e podem ter se tornado não confiáveis por várias razões, incluindo mudanças nas condições de mercado ou circunstâncias econômicas.
O ponto doce para estratégias de ETF de reversão à média.
por Michael R. Bryant.
Em seu recente livro, Howard Bandy discutiu o que ele chama de "ponto doce". para o desenvolvimento de sistemas de negociação de reversão à média. 1 A ideia é que a combinação certa de comprimento da barra, período de espera, precisão do sistema e outras variáveis tende a maximizar os retornos ajustados ao risco. 2 Este artigo mostra como as estratégias de negociação de reversão média que se encontram nesse ponto ideal podem ser desenvolvidas para fundos negociados em bolsa (ETFs) usando ferramentas automatizadas.
Usando o Adaptrade Builder, uma ferramenta de desenvolvimento de estratégia para Windows, mostrarei como os métodos de teste de estresse com a análise de Monte Carlo podem ser usados como parte do processo de desenvolvimento para encontrar estratégias de reversão médias robustas para o ETF S & P 500 (SPY) eo Selecione os ETFs do Setor SPDR *. Arquivos de projeto para o Construtor, que incluem o código da estratégia, são fornecidos para cada exemplo.
Pousando no Sweet Spot.
A ideia básica por trás do ponto ideal do Dr. Bandy é que as boas estratégias de negociação devem usar um tamanho de barra curto e ter uma precisão razoavelmente alta com um curto período de retenção e baixo rebaixamento. O tamanho da barra curta e o período de detenção curto maximizam as oportunidades de recompor os retornos, enquanto a alta precisão e o baixo rebaixamento facilitam a recuperação das perdas. As últimas qualidades também facilitam o estabelecimento da viabilidade da estratégia e a determinação de quando ela não está mais funcionando, porque as listras típicas de perda para sistemas de alta precisão tendem a ser relativamente curtas.
Com base nas diretrizes do Dr. Bandy, as seguintes características serão usadas neste artigo para definir os requisitos ideais para estratégias de ETF de reversão à média:
Por reversão à média, estou me referindo a estratégias que tentam comprar abaixo do preço médio atual e vender a um preço mais alto à medida que o preço volta à média. A ideia é comprar baixo e vender alto, ao contrário dos sistemas que seguem tendências, que tipicamente tentam comprar alto e vender mais alto.
Edifício com análise de Monte Carlo.
No meu artigo do último boletim, discuti o uso de testes de estresse na avaliação de estratégias de negociação e sua relação com robustez e estratégia de ajuste excessivo. Mencionei também que, se fosse incorporado ao processo de construção, tenderia a levar a estratégias que exibissem robustez. Essa é a abordagem que será seguida aqui.
Resumidamente, o teste de estresse se refere à avaliação de quão sensível é uma estratégia de negociação a seus insumos e ambiente. Uma estratégia robusta - uma que não seja excessivamente adequada ao mercado - será relativamente insensível a mudanças em seus valores de parâmetro de entrada e a outras mudanças em seu ambiente, como alterações nos dados de preço.
A análise de Monte Carlo é a técnica usada para avaliar o efeito dessas mudanças. As entradas da estratégia, os dados de preço e outros fatores são alterados aleatoriamente e o desempenho da estratégia é avaliado. Repetindo este processo muitas vezes, obtém-se uma distribuição de resultados. Os resultados dos dados originais representam um ponto na distribuição. Outros pontos na distribuição representam os resultados de usar versões ligeiramente alteradas dos dados originais, que podem gerar resultados mais ou menos favoráveis do que os dados originais.
Os chamados resultados de Monte Carlo são os valores das medidas de desempenho (lucro líquido, percentual de ganhos, fator de lucro, etc.) que não são piores que a maioria (normalmente, 95%) das avaliações. Por exemplo, se o lucro líquido de Monte Carlo com 95% de confiança for US $ 15.000, isso significa que 95% das avaliações tiveram um lucro líquido de pelo menos US $ 15.000. Em outras palavras, há uma chance de 95% de que o lucro líquido seja de pelo menos US $ 15.000, ou, inversamente, há uma chance de 5% de que o lucro líquido seja inferior a US $ 15.000.
Quando uma estratégia de negociação é desenvolvida iterativamente por gerações sucessivas de modificação e teste, a construção baseada nos resultados de Monte Carlo tenderá a direcionar a estratégia para uma que seja robusta, pois somente uma estratégia robusta terá bons resultados de Monte Carlo. O Adaptrade Builder automatiza esse processo, incluindo a avaliação dos resultados da estratégia usando os resultados de testes de estresse de Monte Carlo.
O primeiro exemplo é para o ETF do índice SPDR S & P 500 (símbolo SPY). Barras diárias de 1/4/1999 a 23/4/2013 foram utilizadas. O intervalo de datas para construção foi definido como 1/4/1999 a 1/2/2011, com os primeiros 80% (1/4/1999 - 8/10/2008) usados para construção (ou seja, na amostra) e dados restantes (8/11/2008 - 1/2/2011) utilizados para testes fora da amostra. Os dados restantes (1/3/2011 - 23/04/2013) foram reservados para validação. Todos os dados foram obtidos da TradeStation 9.
A lógica da estratégia era longa, e 100% do capital investido em cada negócio, com todos os lucros reinvestidos, e $ 0,015 por ação deduzido por turno para os custos de negociação.
O Adaptrade Builder usa um algoritmo de programação genética para desenvolver uma população de estratégias ao longo de gerações sucessivas. A chave para usar o Builder para encontrar estratégias que atendam aos nossos requisitos ideais é definir as chamadas métricas de compilação, mostradas abaixo na Figura 1.
Figura 1. As métricas de compilação no Builder definem o ponto ideal para a estratégia SPY.
A lista de Objetivos de Construção contém três métricas gerais, todas maximizadas. Estes ajudam a orientar a população de estratégias para aqueles que têm um alto lucro líquido, coeficiente de correlação e significância estatística, que são desejáveis para qualquer estratégia. As qualidades específicas que estamos procurando (ou seja, o ponto ideal) são definidas pelas Condições de Construção, que incluem as condições de desigualdade para o número de negociações, barras médias em negociações e a porcentagem de ganhos.
Observe que a condição para o número de negociações é definida como um intervalo com base no número de anos de dados na amostra e na meta de ter entre 20 e 30 negócios por ano. Observe também que a porcentagem de negociações vencedoras é definida para um intervalo entre 65% e 85%. O limite superior foi adicionado porque as estratégias com uma porcentagem extraordinariamente alta de negociações vencedoras geralmente não conseguem atender a alguma outra condição. A penalização dessas estratégias ajudará a direcionar a população para estratégias que atendam a todas as condições, em oposição a estratégias que satisfaçam desproporcionalmente uma condição à exclusão de outras. A mesma lógica foi usada para definir um intervalo para o fator de lucro.
As outras condições - coeficiente de correlação, significância estatística, fator de lucro e fração Kelly - não fazem parte de nossos requisitos específicos, mas foram adicionadas para melhorar os resultados gerais. As configurações de teste de estresse e de Monte Carlo usadas para este exemplo foram selecionadas na tela Opções de compilação, conforme mostrado abaixo na Fig. 2.
Figura 2. A análise de Monte Carlo e as opções de teste de estresse são selecionadas na guia Build Options.
Como mostrado na figura, 99 iterações de Monte Carlo foram usadas para cada análise. Isso significa que 99 testes de estresse foram realizados além da avaliação dos dados originais. Os 100 conjuntos de dados foram analisados usando a análise Monte Carlo para extrair os resultados com 95% de confiança, onde foram usadas para avaliar as condições apresentadas na figura 1. Os testes de estresse consistiram em randomizar os preços, randomizar os inputs da estratégia e randomizar Barra. Todas as três randomizações foram realizadas para cada teste de estresse.
Como cada estratégia foi avaliada 100 vezes (99 testes de estresse mais os dados originais) em cada geração, essa abordagem levou cerca de 100 vezes o tempo que teria se os testes de estresse e a análise de Monte Carlo não tivessem sido usados. Por esse motivo, uma população relativamente pequena de apenas 100 membros foi usada para manter o tempo de solução razoável. A população evoluiu ao longo de 10 gerações, e uma opção foi definida para recomeçar após 10 gerações se o lucro líquido no período fora da amostra fosse negativo.
O gráfico da curva de capital a partir da estratégia de topo na população após 20 gerações (1 reconstrução) é mostrado abaixo na Fig. 3.
Figura 3. Curvas de equidade para cada teste de estresse para a estratégia final do SPY.
Cada curva da figura 3 representa um teste de estresse. Como pode ser visto, todas as diferentes curvas de equidade geralmente têm a mesma forma com resultados positivos fora da amostra. A seguir, alguns dos resultados de Monte Carlo com 95% de confiança, correspondentes à Fig. 3.
Além do número de negociações, que é menor do que o pedido, a estratégia atende aos requisitos originais. A estratégia também passa no teste de validação. Quando a data final for estendida para 23/04/2013, o lucro líquido total da Monte Carlo aumentará para US $ 67.015. A lógica da estratégia também atende à necessidade de uma estratégia de reversão à média: ela entra em uma ordem de limite e sai usando uma condição de indicador. A entrada de limite significa que o mercado tem que descer até o preço limite, então a estratégia é comprar baixo e vender depois que o mercado voltar a subir.
É importante ter em mente que estes são resultados de Monte Carlo com 95% de confiança, o que significa que, por exemplo, 95% das avaliações do teste de estresse tiveram um lucro líquido total de pelo menos $ 56.784. Se o teste de estresse for desativado e a estratégia for avaliada nos dados originais, a curva de patrimônio é mostrada abaixo na Figura 4.
Figura 4. Curva de patrimônio para a estratégia final do SPY nos dados originais.
Essa curva de capital corresponde a um lucro líquido de US $ 109.497, o que equivale a um retorno anual de 5,5%. Embora este seja apenas um retorno modesto, ele bate facilmente o retorno de compra e retenção de aproximadamente 1,8% no mesmo período e é alcançado sem alavancagem e com uma curva de capital cada vez maior ao longo de um período que inclui dois mercados em baixa.
Um exemplo de SPDR de setor selecionado.
O segundo exemplo envolve a construção de uma estratégia sobre um portfólio de ETFs que consiste nos SPDRs do Setor Selecionado. Esses ETFs dividem o índice S & P 500 em nove setores, de modo que cada ação do S & P 500 é colocada em um dos nove setores sem sobreposição. Os nove setores são Consumer Discretionary (símbolo XLY), Consumer Staples (XLP), Energia (XLE), Financeiro (XLF), Saúde (XLV), Industrial (XLI), Materiais (XLB), Tecnologia (XLK) e Utilitários (XLU)
A maioria das mesmas configurações foram usadas para construir essa estratégia, como no último exemplo. No entanto, como nove vezes mais dados de preço foram usados na compilação, reduzi o número de iterações de Monte Carlo de 99 para 5. As outras opções de compilação eram as mesmas da Figura 2, exceto pela opção de reconstrução, que não entre no jogo. Para o dimensionamento da posição, 20% do patrimônio líquido foi investido em cada negociação. Como nem todos os mercados provavelmente seriam negociados ao mesmo tempo, essa configuração foi escolhida para fornecer tamanhos de posição adequados sem resultar em alavancagem (ou seja, excesso de investimento).
O período em amostra para essa compilação foi 1/4/1999 a 28/5/2009 com 29/05/2009 para 1/2/2012 como o out-of-sample período e 1/3/2012 para 4/23 / 2013 reservado para validação. O gráfico da curva de capital de uma das principais estratégias da população após 10 gerações (sem recompilação) é mostrado abaixo na Fig. 5.
Figura 5. Curvas de equidade para cada teste de estresse para a estratégia final do portfólio Select Sector SPDR.
Cada curva de patrimônio na Figura 5 representa o patrimônio da carteira gerado a partir de back-testing em todos os nove mercados simultaneamente para um conjunto de configurações de teste de estresse (ou os dados originais). Alguns resultados sumários de Monte Carlo são mostrados abaixo.
Ao contrário do exemplo anterior, os resultados não são substancialmente diferentes quando a análise de Monte Carlo é desativada e os resultados são avaliados sobre os dados originais. Nesse caso, o lucro líquido total aumenta para US $ 205.140. Essa estratégia também passa no teste de validação. A curva de capital para a estratégia sobre os dados originais apenas (sem teste de estresse), na qual o período de validação é incluído, é mostrada abaixo na Fig. 6.
Figura 6. Curva de patrimônio para a estratégia final do portfólio Select Sector SPDR nos dados originais.
Essa curva de capital corresponde a um lucro líquido de US $ 249.431, o que equivale a um retorno anual de 9,5%, com um rebaixamento de 21% no pior caso. Como no exemplo anterior, a lógica da estratégia entra em um longo prazo em uma ordem limite. A maioria das saídas é feita por meio de uma saída de destino, com outros negócios saindo com base em uma condição de indicador ou em uma parada de proteção.
Baixar Arquivos de Projeto de Reversão Média: *
(clique com o botão direito, salve o arquivo de destino como. para. zip; requer que o Adaptrade Builder seja aberto.)
* Por motivos de licenciamento, os arquivos de projeto não incluem dados de preço.
O chamado ponto ideal para estratégias de negociação recomendado pelo Dr. Bandy parece fornecer condições efetivas para a construção de estratégias de negociação reversíveis, de maneira automatizada, usando uma ferramenta como o Adaptrade Builder. Foi possível encontrar estratégias que atendessem a maioria dos requisitos para os dois exemplos: uma estratégia de mercado único para o mercado SPY ETF e uma estratégia para um portfólio de ETFs composto pelos nove SPDRs Select Sector. Ambas as estratégias venceram o buy-and-hold e se mantiveram bem no teste de validação.
Para ambos os exemplos, o teste de estresse com análise de Monte Carlo foi empregado para aumentar as chances de encontrar estratégias robustas. Em comparação com o exemplo da carteira, os resultados do teste de estresse para a estratégia de mercado único (SPY) foram substancialmente mais conservadores (menos favoráveis) do que os resultados dos dados originais. Embora parte disso possa ser devido ao teste de estresse mais rigoroso em comparação ao exemplo do portfólio, ele sugere que a estratégia do SPY é menos robusta do que o exemplo do portfólio. Em geral, onde os resultados de Monte Carlo diferem acentuadamente dos resultados dos dados originais, pode-se esperar que a melhor estimativa de resultados futuros esteja em algum ponto intermediário, embora isso dependa do quão conservador é o teste de estresse e a análise de Monte Carlo. .
Parece razoável que a estratégia de portfólio seja mais robusta do que a estratégia de mercado único, já que a estratégia de portfólio foi construída em nove mercados diferentes e foi obrigada a funcionar razoavelmente bem em uma ampla variedade de dados de preços. Foi construído mais de nove vezes mais dados e tem cerca de nove vezes mais negócios. O maior desempenho da estratégia de portfólio pode refletir o efeito positivo da diversificação nos nove setores diferentes dos SPDRs.
Embora nenhuma das estratégias atenda ao requisito de número de negociações, pode ser possível encontrar estratégias que atendam a todos os requisitos, se uma população maior for usada ou se forem empregados requisitos de reconstrução mais rigorosos, o que exigiria mais tempo de construção. Alternativamente, pode ser que tal estratégia seja improvável de ser encontrada devido aos requisitos conflitantes de alta precisão, frequência de negociação, duração de curto prazo, e assim por diante. O melhor conjunto de condições de construção é aquele que explora completamente o potencial do mercado, permanecendo realista.
A combinação de um conjunto de condições úteis de construção, como as fornecidas pelo Dr. Bandy, com recursos integrados de robustez, como testes de estresse e análise de Monte Carlo, em uma ferramenta automatizada como o Builder, deve fornecer uma estrutura sólida para o desenvolvimento de estratégias de negociação eficazes.
Bandy, Howard B., Sistemas de Negociação de Reversão Média, Blue Owl Press, Inc., Sioux Falls, SD, 2013, p. 138
Bandy, Howard B., Modeling Trading System Performance, Blue Owl Press, Inc., Sioux Falls, SD, 2011, p. 154.
Este artigo foi publicado na edição de abril de 2013 do boletim da Adaptrade Software.
* Os S & P 500 ® e Select Sector SPDRs são marcas registradas da The McGraw-Hill Companies, Inc.
OS RESULTADOS DE DESEMPENHO HIPOTÉTICOS OU SIMULADOS TÊM CERTAS LIMITAÇÕES INERENTES. A PARTIR DE UM REGISTRO DE DESEMPENHO REAL, OS RESULTADOS SIMULADOS NÃO REPRESENTAM A NEGOCIAÇÃO REAL. TAMBÉM, UMA VEZ QUE AS COMERCIALIZAÇÕES NAO SÃO REALMENTE EXECUTADAS, OS RESULTADOS PODEM SUBSTITUIR OU SUPERIOR AO IMPACTO, SE ALGUM, DE DETERMINADOS FATORES DE MERCADO, COMO A FALTA DE LIQUIDEZ. PROGRAMAS DE NEGOCIAÇÃO SIMULADOS EM GERAL TAMBÉM ESTÃO SUJEITOS AO FATO DE QUE ELES FORAM CONCEBIDOS COM O BENEFÍCIO DE HINDSIGHT. NENHUMA REPRESENTAÇÃO ESTÁ SENDO FEITA QUE QUALQUER CONTA PODERÁ OU POSSIBILITAR LUCROS OU PERDAS SIMILARES AOS APRESENTADOS.
Se você gostaria de ser informado sobre novos desenvolvimentos, novidades e ofertas especiais da Adaptrade Software, por favor, junte-se à nossa lista de e-mail. Obrigado.
Reversão Média: Estratégias Simples de Negociação Parte 1.
Nesta série, abordamos algumas estratégias básicas de negociação que podem ajudá-lo a começar a desenvolver seus próprios sistemas de negociação automatizados.
Faça o download do Notebook IPython aqui.
Modelos de reversão médios.
As estratégias de reversão à média partem do pressuposto de que existe uma tendência subjacente estável no preço de um ativo e os preços flutuam aleatoriamente em torno dessa tendência. Portanto, os valores que se afastam da tendência tenderão a inverter a direção e reverter para a tendência. Ou seja, se o valor for excepcionalmente alto, esperamos que ele volte para baixo e, se estiver incomumente baixo, volte a subir.
Como identificamos a tendência subjacente? Essa é a essência dessa estratégia! Considere o exemplo fictício abaixo:
Calculamos a média móvel de 90 dias (90 dM) do preço da ação e tratamos essa tendência subjacente estável. Também calculamos a Média Móvel de 30 dias (30d MA) e podemos ver que ela ziguezagueia em torno da tendência de 90d. Agora podemos construir a seguinte estratégia:
Quando o valor de 30d MA cair abaixo de 90d MA, esperamos que ele volte para a linha 90d. Ou seja, o preço atual é muito baixo e provavelmente aumentará. Portanto, esse é um sinal para comprar. Da mesma forma, se o valor de 30d MA subir acima de 90d MA, esperamos que ele caia de volta para a linha 90d. Daí o preço atual é muito alto e é um sinal para vender.
Vamos considerar alguns exemplos e aplicações do mundo real dessa estratégia.
Discutimos a aplicação de modelos de reversão à média para um único estoque, carteira de ações e pares comercializados neste notebook. Nos próximos tutoriais, falaremos sobre momentum e pares de estratégias de negociação.
Комментарии
Отправить комментарий