У Ларри Вильямса увидел его стандартный набор для оценки торговой стратегии. Вот один из примеров:
Посмотрим, что тут у него есть.
— Data (Что торгуем)
— Calc dates (Даты)
— Total net profit (Прибыль)
— Gross profit (Доход)
— Gross loss (Расход)
— Total # of trades (Количество сделок)
— Percent profitable (Процент прибыльных сделок)
— Number winning trades (Количество прибыльный сделок)
— Number losing trades (Количество убыточных сделок)
— Largest winning trade (Максимальный доход в сделке)
— Larges losing trade (Максимальная потеря в сделке)
— Average winning trade (Средняя прибыльная сделка)
— Average losing trade (Средняя убыточная сделка)
— Ratio avg win/avg loss (Отношение средняя прибыльная сделка/средняя убыточная сделка)
— Avg trade (win & loss) (Средняя сделка)
— Max consecutive winners (Максимально прибыльных сделок подряд)
— Max consecutive losers (Максимально убыточных сделок подряд)
— Avg # bars in winners (В среднем баров в прибыльной сделке)
— Avg # bars in losers (В среднем баров в убыточной сделке)
— Max closed-out drawdown (Максимальная просадка)
— Max intraday drawdown (Максимальная дневная просадка)
— Profit factor (Профит фактор)
— Max # of contracts held (Максимальное количество бумаг в сделке)
— Account size required (Какой нужен депозит)
— Return on account (Прибыль в %)
Мне кажется тут всё более или менее понятно.
А какие вы используете параметры для оценки своей торговой стратегии?
------------
Кому удобнее получать анонсы в телеграме
t.me/zenoftrading
Для изолированной стратегии оцениваю статистическую значимость отличия прибыли от нуля и строю доверительный интервал для ожидаемой доходности. Для нескольких стратегий оцениваю статистическую значимость преимущества одной над другой. Не забываю делать коррекцию на множественную проверку гипотез.
Риск вы плечом легко регулируете, поэтому это больше не характеристика качества стратегии, а вопрос операционной имплементации этой стратегии.
Оценка просадки по истории — мне кажется это вообще ересь с точки зрения статистики, поэтому оперировать этим понятием не стоит и очень опасно. Если вы хотите, что-то содержательное узнать об экстремальных убытках, то задействуйте тесты теории экстремальных значений.
На мой взгляд, самая понятная и интерпретируемая метрика — доверительный интервал для прибыли или доходности, нормированных по риску. Эта метрика понятна для математика, и ее можно легко донести не профессионалу. Она открыто показывает неточность наших суждений, а не скрывает ее за кучей точечных оценок малопонятных коэффициентов.
Легко объяснить во что это выльется в зависимости от того, сколько риска кто-то готов взять.
После начала имплементации опять же можно достаточно легко судить идет ли развитие ситуации в рамках наших ожиданий, или что-то пошло сильно не так и пора задуматься о повторном анализе.
Михаил,
>> «о чем мне должна сказать точечное значение PF=1.5» — о том что средний положительный трейд в 1.5 раза больше среднего отрицательного.
Я в статистике пока не особо шарю, как-нибудь обязательно подтяну, но минусы стандартного трейдерского подхода четко понимаю, выкручиваюсь мною изобретенными приемами. Думаю, я делаю примерно все то же самое что и все эти статистические тесты, только совсем по-другому).
>> о том что средний положительный трейд в 1.5 раза больше среднего отрицательного.
Только важно понимать, что это только оценка среднего значения, а не реальное среднее значение. Для вычисления возможной погрешности оценки среднего значения есть специальный статистический тест, который показывает стоит ли вообще обращать внимание на эту цифру или она завтра с легкость может превратиться -3 раза.
Делать что-то кроме статистических тестов тоже бывает полезно, но статтесты позволяют формализовать львиную долю анализа и действуют очень отрезвляюще, когда начинаешь мыслить в парадигме не точечных значений, а очень недостоверных оценок с большим разбросом.
Для разных целей — разные метрики.