Почему портфель торговых алгоритмов лучше, чем одиночные стратегии

Если вы вдруг обнаружили, что долго мучаетесь с одним алгоритмом и не можете довести его до совершенства, то оставьте его в покое и займитесь новыми. Попытки превратить парочку любимых алгоритмов в конфетку — не самый рациональный путь. Почему так — рассказываем в статье.

Полезные материалы, которые хорошо бы изучить перед продолжением:

1. 7 шагов к прибыльной торговой стратегии Forex — гид для трейдера.
2. Алгоритмический трейдинг. 3 первых шага для новичка.
3. 15 важнейших параметров, которые отвечают за качество торговых стратегий.
4. Как определить вероятностный результат торговой стратегии, используя метод Монте-Карло.
5. Как использовать математику в трейдинге, если вы вообще не математик.

Перфекционизм в трейдинге — польза или вред?

В алготрейдинге можно пойти одним из двух путей.

Путь первый: затратить уйму времени и интеллектуальных ресурсов на разработку алгоритма супер-звезды, который принесет одну большую элегантную победу.

Второй путь: задвинуть свой перфекционизм подальше и каждый день пачками штамповать новые алгоритмы.

Высока вероятность, что второй путь окажется прибыльнее. По крайней мере, к такому выводу мы пришли эмпирическим путем, пока пытались доводить свои алгоритмы до относительного совершенства. Совершенства не случилось, поэтому решили забросить перфекционизм и сдвинуться немного в количественную сторону. И здесь надо уточнить:

Отбор стратегий в лайв-трейдинг у нас очень строгий. То есть мы всегда стремимся найти оптимальную середину между количеством и качеством алгоритмов. Снижение перфекционизма не означает, что мы включаем в портфель все подряд. Стремимся к метрике “достаточно хорошо”, а не “идеально”, потому что идеального в природе ничего нет.

Как отличить хороший алгоритм от плохого?

Один из параметров, на который обращаем внимание при выборе алгоритма — коэффициент восстановления (далее сокращенно КВ).

Есть как минимум две формулы для КВ.

Первая: чистый доход делим на разовую максимальную просадку. Вторая: годовой доход делим на разовую максимальную просадку.

Коротко так:

1. КВ = Чистый доход в % / Максимальная просадка в %
2. КВ = Средний годовой доход в % / Максимальная просадка в %

В нашей практике используем вторую формулу, поскольку ее результат не зависит от длины бэктеста. Это может быть и 10 лет или всего год. Поэтому вторая формула выглядит привлекательнее. Подробнее про исторические тестирования — в статье "Тестирование торговых стратегий на исторических данных (бэктест) — почему это так важно?".

Вернемся к коэффициенту восстановления и его примерам.

Стратегия с КВ 1.2.

Чтобы получить КВ = 1.2, мы разделили средний годовой прирост 4.11% на максимальную просадку 3.43%.

С одной стороны, чисто в денежном выражении, стратегия слабая: она делает лишь 4.11% в год. Однако, если судить по КВ, у нас кое-что интересное. Например, можно дать больше капитала под риск в каждой сделке и увеличить кредитное плечо. Так что увеличение капитала под риском (фракции) до, например, 3% может пропорционально увеличить средний годовой доход.

Напомним, что выбор оптимального риска и кредитного плеча — это целая наука. Нельзя просто так выбрать 1%, 5% или 3% риска на сделку, не понимая статистическую модель. Подробнее о том, как мы подбираем риски — в статьях:

• Как определить вероятностный результат торговой стратегии, используя метод Монте-Карло
• Просадки в трейдинге: как их переживать и что делать

Ок, рассмотрим еще несколько примеров с КВ.

КВ = 0.55.

У этой стратегии относительно низкий КВ — всего 0.55. Это значит, что после просадки в 7.18% кривая капитала развернулась вверх и выдала средний годовой прирост в размере 0.55 этой же просадки.

Еще пример.

КВ = 2.37.

Эта стратегия выглядит очень солидно. Наверное, то, что искали. Однако, если поиграть с фракцией, то все равно мы многое недополучаем. Предположим, мы увеличиваем фракцию до 3% от капитала. Так историческая средняя годовая доходность вырастает примерно до 30%, но и просадка превышает 10%! Найти баланс в этом деле — задача для каждого трейдера или инвестора: что главнее — сохранить капитал (контролировать просадку) или больше рисковать, чтобы больше получить.

Мыслим шире: добавляем в портфель много-много посредственных стратегий

Есть другой способ контролировать просадку и повышать потенциал своего портфеля. Этот метод известен уже давно — диверсификация. Работает так — добавляем в портфель больше алгоритмов и получаем вот что:

1. Кривая капитала становится более стабильной. Алгоритмы поддерживают и страхуют друг друга от длительных периодов нулевых профитов или просадки.
2. Настраивая фракцию, мы можем контролировать просадку.
3. Чем больше роботов добавлять в портфель, тем выше ожидаемая (историческая) годовая доходность.

Давайте в этом убедимся на примерах.

Условия эксперимента:

1. Дано 43 торговых алгоритма, как из примеров выше, протестированы на 5-ти годах истории, все на валютных парах. Этого достаточно, чтобы приступить к их замешиванию в портфеле.
2. Мы сделаем несколько «миксов» (замесов) торговых алгоритмов в зависимости от их коэффициента восстановления.
3. Просадку всегда держим на уровне 15% и далее смотрим, что происходит с годовой доходностью.
4. Наблюдаем, сколько роботов попадает в каждый микс и как их число коррелирует с годовой доходностью.

Шаг 1. Посмотрим, сколько роботов пройдет в микс, если задать минимальный КВ на уровне 1.5.

Минимальный КВ = 1.5, алгоритмов прошло отбор = 6.

Выглядит отлично. Шесть алгоритмов из 43 прошли отбор. Если контролировать максимальную просадку (держим на 15%) и подкручивать фракцию до 0.68%, то получаем историческую доходность 72%.

Шаг 2. Снижаем требование к КВ до 1.25.

Минимальный КВ = 1.25. Роботов прошло отбор = 10.

Уже 10 роботов прошло планку, также улучшился годовой доход — до 79%.

Шаг 3. Продолжаем снижать КВ — до 1.00. Получаем результат:

Минимальный КВ = 1.00. Роботов прошло отбор = 17.

Количество прошедших роботов резко возросло и, что важно, средний годовой доход увеличился до 175%. Надо сказать, что на этом этапе не будем обольщаться цифрами, нас, в первую очередь, интересует динамика: что происходит, когда мы снижаем пороговый КВ.

Шаг 4. Теперь снизим порог до 0.75, ожидаем больше роботов в портфеле.

КВ снижен до 0.75. Количество роботов, прошедших отбор, — 35.

Мы впустили больше роботов в систему и увеличили средний годовой прирост до 333%.

Шаг 5, последний. Снижаем КВ до минимальных 0.5.

Самый низкий КВ = 0.5. Все 43 робота уже в портфеле.

По мере добавления роботов в портфель мы видим, как возрастает средний годовой доход. В последнем случае кривая капитала (логарифмическая шкала) смотрится более гладкой, чем на первом шаге: когда роботов много, они компенсируют потери друг друга. Диверсификация во плоти.

Подытожим наши шаги на диаграмме.

Как меняется доходность по мере добавления роботов.

Заключение

У данного исследования есть полезный вывод, но есть и ограничения. В нем мы использовали бэктесты 4-х торговых логик на 28-ми валютных парах на 5-ти годах исторических котировок. Это бэктест, и он не может гарантировать таких же блестящих результатов в будущем. Но этот эксперимент дает очень ценный урок: 

Нельзя циклиться на доводке одного супер-алгоритма. Мы можем получить больше, если добавим в наш портфель больше роботов.

Новые исследования в нашем Telegram и блоге сайта >