Один из способов попытаться победить рынок в алгоритмической торговле таков:
1) придумать модель, в которой есть несколько параметров (период индикатора, граница срабатывания для входа в позицию и т.п.);
2) калибровать модель раз в 3 месяца по данным за последние 3 года, подбирая оптимальные параметры для портфеля моделей по критериям доходности / просадки;
3) торговать очередные 3 месяца по оптимальным параметрам до следующей калибровки.
При этом надежда на то, что:
1) за эти 3 месяца рынок не сильно изменится, а статистические эффекты, которые ловит модель, позволят заработать;
2) калибруя модель раз в 3 месяца, мы как-то пытаемся приспособиться к изменяющемуся рынку.
В этой надежде суть в том, что
мы адаптируемся быстрее чем рынок (наш оппонент). Если же рынок меняется быстрее нас, то наши модели не успевают за этим, показывают «среднюю температуру по больнице» и не работают. Ещё хуже, если модели попадают в противофазу, и к издержкам в размере комиссии и проскальзывания добавляются ещё и систематические потери на отрицательном математическом ожидании.
Если модель
статичная (утрированный пример системы: если цена выше MA(period1) + k * ATR(period2) — покупаем, если цена ниже MA(period1) — k * ATR(period2) — продаём, оптимальные значения period1, period2 и k подбираем раз в 3 месяца), она часто плохо работает: на графиках эквити есть долгие периоды без заработка и с просадками, а оптимальные параметры period1, period2 и k сильно скачут от одной калибровки к другой.
Может
проблема в статике? Может надо писать динамические модели, где рынок
изначально предполагается изменчивым?
В попытках найти что-то аналогичное из другой области, на ум приходит игра «камень-ножницы-бумага», где средство достижения выигрыша — понимание, как противник изменяет свою стратегию, пытаясь вас обхитрить, и перехитрить его самого.
Был у кого-нибудь положительный опыт создания каких-либо
динамических моделей для рынка, существенно учитывающих его изменчивость?
P.S. Надеюсь, возможно зря, что хотя бы малая доля комментариев будет по делу.
Данная публикация является личным мнением автора. Мнение владельца сайта может не совпадать с мнением автора.
Диверсификация по инструментам и таймфреймам не решает этот вопрос? Думаю, что периоды с просадками для приведенной в пример системы должны быть нормальным явлением, ибо она расчитывает на значительное направленное движение, которое бывает реже, чем возвраты к среднему, отскочив от sma+(atr*k).
Улучшения эквити не получил.
Часто получалось так, что лучше бы оставил все как было.
Луа нормально подходит для этого, со своими метатаблицами
Поведение объекта всегда зависит от чего-то «свыше»