|
Piazzaffari.org - L'angolo
del trader
http://www.piazzaffari.org/trader/trader.htm
E- mail: webmaster@piazzaffari.org
Ing. Giuseppe
Belfiori (IGB Trading System)
redazione@piazzaffari.org
Esempi concreti di Trading
System su Piazzaffari sono
sull'angolo del trader : http://www.piazzaffari.org/trader/trader.htm
La
banca Dati
In questo articolo illustreremo il metodo classico di utilizzo di
una banca dati per il processo di ottimizzazione e di verifica di un
Trading System. Accenneremo infine ad una metodologia innovativa che
permette di generare banche dati virtuali e di avere quindi a
disposizione quantità di dati molto superiori.
Lo sviluppo di un Trading System comporta diversi test su banche
dati che si riferiscono al passato. Per poter verificare la bontà
della strategia è utile procedere alla suddivisione dei dati in
possesso in tre parti.
Per ciascuno strumento finanziario, se i dati a disposizione lo
consentono, è utile individuare una porzione della banca dati da
dedicare ad un back test, una porzione da dedicare alla messa a
punto ed una porzione da dedicare al forward test, secondo questo
schema di massima:
Back test = 15 % dei dati
Studio del Trading System, Ottimizzazione, prove varie = 60 % dei
dati
Forward Test = 25 % dei dati
Con quantità di dati insufficiente è possibile considerare
solamente una suddivisione in due parti di questo tipo:
Studio del Trading System, Ottimizzazione, prove varie = 70 % dei
dati
Forward Test 30 % dei dati
Separare i dati ed impiegare solo parte di quelli a disposizione per
le verifiche e la messa a punto di ciascuna strategia, permette una
prima verifica sulla robustezza e sulla continuità di performance
del sistema. Probabilmente i risultati che il Trading System genererà
sulla parte di banca dati non impiegata nelle fasi di costruzione
non saranno equivalenti a quelli ottenuti dopo il lavoro di
ottimizzazione ma dovranno essere ad essi comparabili. Forti
variazioni delle performance portano a pensare che il sistema sia
stato sovraottimizzato e che quindi sia in grado di operare in modo
profittevole solo sui dati con i quali è stato costruito.
Bisogna tenere comunque conto anche delle caratteristiche di fondo
di ciascuna porzione della banca dati. Se infatti i dati utilizzati
per i test si riferiscono ad un periodo di trend marcato e continuo
mentre gli altri due periodi sono relativi ad un mercato laterale,
allora differenze nel comportamento della strategia sono da
imputarsi anche a questa discrepanza nelle caratteristiche dei dati.
La situazione ideale è quella che permette l'individuazione della
porzione centrale dei dati in un periodo di mercato senza un trend
primario ma con ampie oscillazioni in crescita ed in diminuzione,
periodi di laterale a bassa volatilità e valori dello strumento
confrontabili all'inizio e alla fine del periodo; comportamento
similare nei periodi precedente e posteriore a quello di messa a
punto. Praticamente una situazione irrealizzabile, specialmente
quando vengono costruite strategie di investimento per particolari
strumenti finanziari il cui comportamento è unico (derivati
finanziari o sulle materie prime, ad esempio).
Per ovviare al problema della mancanza di dati e della differenza di
comportamento degli strumenti finanziari nel corso del tempo (dovuta
sia alla presenza di trend e volatilità differente sia alla
variazione delle regole di mercato e/o della tecnologia e dei mezzi
di transazione) è possibile utilizzare uno strumento statistico
estremamente efficace: la generazione di banche dati virtuali.
L'obiettivo di queste simulazioni è quello di riprodurre scenari
con caratteristiche di trend e volatilità simili a quelle dei dati
di partenza.
Viene selezionato un campione di una banca dati con particolari
caratteristiche; viene scomposto con metodi statistici; vengono
ricostruiti a partire dall'analisi del periodo campione un numero
teoricamente illimitato di scenari di prezzo ossia di curve di
prezzo/volume con caratteristiche di trend e volatilità derivate da
quelle del campione.
L'impiego di matrici di numeri casuali nella ricostruzione degli
scenari permette di non avere limiti temporali o per numero di
scenari e garantisce la mancanza di correlazione tra i diversi
scenari.
Ciascuno scenario rappresenta, in sintesi, uno dei possibili modi
con cui lo strumento finanziario può evolvere nel tempo se mantiene
le caratteristiche di volatilità e di trend insite nel campione.
Con questa metodologia è possibile costruirsi banche dati per
eseguire ottimizzazioni e soprattutto per verificare il
comportamento del Trading System senza apportarvi modifiche.
Una risposta positiva delle performance del Trading System su
scenari differenti aumenta la confidenza nello strumento creato o
impiegato e indica che il Trading System è capace di affrontare
mercati differenti in modo soddisfacente e quindi, probabilmente,
anche il mercato futuro, che è il vero obiettivo insito nello
sviluppo e nell'adozione di un Trading System.
Indice
|