Métricas da estratégia de negociação

Interpretando um Relatório de Desempenho Estratégico.
As plataformas de análise de mercado de hoje permitem que os traders revisem rapidamente o desempenho de um sistema de negociação e avaliem sua eficiência e lucratividade em potencial. Essas métricas de desempenho são normalmente exibidas em um relatório de desempenho de estratégia, uma compilação de dados com base em diferentes aspectos matemáticos do desempenho de um sistema. Seja olhando resultados hipotéticos ou dados reais de negociação, existem centenas de métricas de desempenho que podem ser usadas para avaliar um sistema de negociação.
Os comerciantes geralmente desenvolvem uma preferência pelas métricas que são mais úteis para seu estilo de negociação. Embora os comerciantes possam gravitar naturalmente em relação a um número - lucro líquido total, por exemplo - é importante compreender e analisar muitas das métricas de desempenho antes de tomar quaisquer decisões sobre a rentabilidade potencial do sistema. Saber o que procurar em um relatório de desempenho estratégico pode ajudar os operadores a analisar objetivamente os pontos fortes e fracos de um sistema. (Veja também: Tutorial de Sistemas de Negociação.)
Relatórios de desempenho da estratégia.
Um relatório de desempenho estratégico é uma avaliação objetiva do desempenho de um sistema. Um conjunto de regras de negociação pode ser aplicado aos dados históricos para determinar como ele teria sido realizado durante o período especificado. Isso é chamado de backtesting e é uma ferramenta valiosa para os comerciantes que desejam testar um sistema de negociação antes de colocá-lo no mercado. A maioria das plataformas de análise de mercado permite que os comerciantes criem um relatório de desempenho da estratégia durante o teste. Os comerciantes também podem criar relatórios de desempenho estratégico para resultados comerciais reais.
A Figura 1 mostra um exemplo de um resumo de desempenho de um relatório de desempenho da estratégia que inclui uma variedade de métricas de desempenho. As métricas estão listadas no lado esquerdo do relatório. os cálculos correspondentes são encontrados no lado direito, separados em colunas.
Além do resumo de desempenho apresentado na Figura 1, os relatórios de desempenho da estratégia também podem incluir listas de negociação, retornos periódicos e gráficos de desempenho. A lista de comércio fornece uma conta de cada troca que foi realizada, incluindo informações como tipo de comércio (longo ou curto), data e hora, preço, lucro líquido, lucro acumulado e lucro por cento. A lista de comércio permite que os comerciantes vejam exatamente o que aconteceu durante cada comércio.
A visualização dos retornos periódicos de um sistema permite que os comerciantes vejam o desempenho dividido em segmentos diários, semanais, mensais ou anuais. Esta seção é útil na determinação de lucros ou perdas por um período de tempo específico. Os comerciantes podem avaliar rapidamente o desempenho de um sistema em uma base diária, semanal, mensal ou anual. É importante lembrar que, na negociação, são os lucros (ou perdas) acumulados que importam. Olhando para um dia de negociação ou uma semana de negociação não é tão significativo quanto olhando para os dados mensais e anuais.
Um dos métodos mais rápidos de analisar o desempenho da estratégia é o gráfico de desempenho. Isso mostra os dados de comércio de várias formas, desde um gráfico de barras mostrando o lucro líquido mensal até uma curva de capital. De qualquer forma, o gráfico de desempenho fornece uma representação visual de todas as negociações no período, permitindo que os comerciantes avaliem rapidamente se um sistema está ou não em conformidade com os padrões. A Figura 2 mostra dois gráficos de desempenho: um como um gráfico de barras do lucro líquido mensal; o outro como uma curva de equidade. (Veja também: Traçando seu caminho para melhores retornos).
Métricas-chave.
Um relatório de desempenho da estratégia pode conter uma enorme quantidade de informações sobre o desempenho de um sistema comercial. Embora todas as estatísticas sejam importantes, é útil restringir o escopo inicial a cinco métricas principais de desempenho:
Lucro Líquido Líquido Fator de Lucro Percentual Rentável Média de Comércio Lucro Líquido Máximo Drawdown.
Essas cinco métricas fornecem um bom ponto de partida para testar um potencial sistema de negociação ou avaliar um sistema de negociação ao vivo.
Lucro líquido total: o lucro líquido total representa a linha inferior para um sistema de negociação durante um período de tempo especificado. Esta métrica é calculada subtraindo a perda bruta de todos os negócios perdidos (incluindo comissões) do lucro bruto de todas as negociações vencedoras. Na Figura 1, o lucro líquido total é calculado como:
Embora muitos comerciantes utilizem o lucro líquido total como o principal meio para medir o desempenho da negociação, a métrica pode ser enganosa. Por si só, esta métrica não pode determinar se um sistema de negociação está funcionando de forma eficiente, nem pode normalizar os resultados de um sistema de negociação com base na quantidade de risco que é sustentada. Embora seja uma métrica valiosa, o lucro líquido total deve ser visto em conjunto com outras métricas de desempenho. (Veja também: Lucrando em uma economia pós-recessão.)
Fator Lucro: O fator lucro é definido como o lucro bruto dividido pela perda bruta (incluindo comissões) para todo o período de negociação. Essa métrica de desempenho relaciona o valor do lucro por unidade de risco, com valores maiores que um indicando um sistema lucrativo. Como exemplo, o relatório de desempenho da estratégia mostrado na Figura 1 indica que o sistema de negociação testado tem um fator de lucro de 1,98. Isso é calculado dividindo o lucro bruto pela perda bruta:
Este é um fator de lucro razoável e significa que esse sistema específico produz lucro. Todos sabemos que nem todos os negócios serão um vencedor e que teremos de sustentar perdas. A métrica do fator de lucro ajuda os comerciantes a analisar o grau em que as vitórias são maiores do que as perdas.
A equação acima mostra o mesmo lucro bruto da primeira equação, mas substitui um valor hipotético pela perda bruta. Nesse caso, a perda bruta é maior que o lucro bruto, resultando em um fator de lucro menor que um. Este seria um sistema perdedor.
Porcentagem lucrativa: O percentual lucrativo também é conhecido como a probabilidade de vencer. Essa métrica é calculada dividindo-se o número de negociações vencedoras pelo número total de negociações por um período especificado. No exemplo mostrado na Figura 1, o percentual lucrativo é calculado da seguinte forma:
O valor ideal para a métrica percentual rentável variará de acordo com o estilo do comerciante. Os traders que normalmente optam por movimentos maiores, com lucros maiores, exigem apenas um baixo valor rentável para manter um sistema vencedor. Isso ocorre porque os negócios que ganham (que são lucrativos) geralmente são bastante amplos. Um bom exemplo disso é a tendência seguindo os comerciantes. Apenas 40% dos negócios podem ser rentáveis ​​e ainda produzem um sistema muito lucrativo porque os negócios que ganham seguem a tendência e geralmente conseguem grandes ganhos. Os negócios que não ganham são geralmente fechados por uma pequena perda.
Os comerciantes intraday, e particularmente os scalpers, que procuram ganhar uma pequena quantia em qualquer comércio, enquanto arriscam uma quantia similar, exigirão uma métrica rentável com maior porcentagem para criar um sistema vencedor. Isso se deve ao fato de que os negócios vencedores tendem a estar próximos em valor aos negócios perdedores; para "avançar", é necessário que haja um percentual significativamente mais alto lucrativo. Em outras palavras, mais trades precisam ser vencedores, uma vez que cada vitória é relativamente pequena. (Veja também: Scalping: Pequenos lucros rápidos podem ser adicionados.)
Média do lucro líquido comercial: o lucro líquido médio do comércio é a expectativa do sistema: representa o valor médio de dinheiro que foi ganho ou perdido por comércio. O lucro líquido médio do comércio é calculado dividindo-se o lucro líquido total pelo número total de negócios. No nosso exemplo da Figura 1, o lucro médio comercial líquido é calculado da seguinte forma:
Em outras palavras, ao longo do tempo, poderíamos esperar que cada comércio gerado por este sistema seja de US $ 452,79. Isso leva em consideração os negócios vencedores e perdidos, uma vez que se baseia no lucro líquido total.
Este número pode ser desviado por um valor de valor, um único comércio que cria um lucro (ou perda) muitas vezes maior do que um comércio típico. Um outlier pode criar resultados irrealistas, superinflando o lucro líquido médio comercial. Um outlier pode fazer um sistema parecer significativamente mais (ou menos) lucrativo do que é estatisticamente. O outlier pode ser removido para permitir uma avaliação mais precisa. Se o sucesso do sistema de negociação no backtesting depender de um outlier, o sistema precisa ser mais refinado.
Drawdown Máximo: A métrica de drawdown máximo refere-se ao "pior cenário" para um período de negociação. Ele mede a maior distância, ou perda, de um pico patrimonial anterior. Essa métrica pode ajudar a medir a quantidade de risco incorrido por um sistema e determinar se um sistema é prático com base no tamanho da conta. Se a maior quantia de dinheiro que um comerciante esteja disposta a arriscar seja menor que a redução máxima, o sistema de negociação não é adequado para o comerciante. Um sistema diferente, com uma redução máxima menor, deve ser desenvolvido.
Esta métrica é importante porque é uma verificação de realidade para os comerciantes. Apenas um comerciante poderia fazer um milhão de dólares - se eles pudessem arriscar 10 milhões. A métrica de retirada máxima precisa estar alinhada com a tolerância ao risco do comerciante e o tamanho da conta de negociação. (Veja também: Proteja-se da perda de mercado).
The Bottom Line.
Os relatórios de desempenho da estratégia, sejam aplicados a resultados históricos ou ao vivo, podem fornecer uma ferramenta poderosa para ajudar os traders a avaliar seus sistemas de negociação. Embora seja fácil prestar atenção apenas ao resultado final, ou ao lucro líquido total - todos queremos saber quanto dinheiro faz um sistema - métricas de desempenho adicionais podem fornecer uma visão mais abrangente do desempenho de um sistema. (Veja também: Crie suas próprias estratégias de negociação.)

métricas da estratégia de negociação
Obter através da App Store Leia esta publicação em nosso aplicativo!
Quais as métricas que uma estratégia de negociação deve encontrar para ser considerada rentável?
Digamos que você tenha uma estratégia de negociação que faça vitórias (ou seja, decisões de negociação rentáveis) x% do tempo. Existe um valor para x em que a estratégia pode ser considerada rentável? Esse valor deve ser superior a 50, e, em caso afirmativo, por quanto?
Se isso ajuda a simplificar a questão, suponha que não haja custos reais ou de oportunidade associados à negociação.
Para simplificar ainda mais, suponha que a taxa x% de ganhos nunca muda.
Você pode ter um sistema de negociação lucrativo, mesmo se a sua proporção de ganhos for inferior a 50%. Na verdade, minha atual estratégia de curto prazo tem uma proporção de ganhos de 44% e eu cresço 22% desde o início do ano.
O que determina se sua estratégia será lucrativa ou não é a expectativa do Sistema de Negociação.
Expectativa = relação de vitória x tamanho médio da vitória - relação de perda x tamanho de perda médio.
Então o segredo é manter suas perdas pequenas e deixar seus vencedores correrem.
Meu objetivo é um tamanho de ganho: proporção de perda de 5: 1, então se minha perda máxima for de 1% do meu capital total em cada negociação, então eu pretendo ganhar 5% das minhas vitórias.
Você precisa ser muito disciplinado e acreditar no seu sistema, uma vez que o tenha testado, e tenha estratégias de gerenciamento de risco e dinheiro adequadas. Tente manter suas emoções fora de sua negociação e aceitar que nem todas as suas negociações serão um vencedor, aprender a ter uma perda quando o mercado se mover contra você e seu sistema de comércio de expectativa positiva será rentável ao longo do tempo.
Eu acho que você está pensando sobre isso da maneira errada.
A rentabilidade não é sobre sua rentabilidade por transação "média de bate-papo", tanto quanto é o seu lucro total em relação à média ao longo do tempo.
Se você fizer uma transação, e você ganha lucro, por sua métrica, sua estratégia é "verdadeiramente lucrativa" porque você ganhou 100% do tempo. Não é uma boa métrica.
Em vez disso, o que você quer realmente pensar em primeiro lugar é qual é o seu lucro geral, e em segundo lugar, como isso parece relativo à média.
Em outras palavras, se eu fizer dez transações que me custassem cada $ 1, mas eu fiz uma transação que me faz $ 100, eu diria que minha estratégia seria rentável, já que agora estou $ 90. No entanto, se um fundo de índice me fizesse US $ 1000, eu diria que minha estratégia provavelmente era pobre, por causa do custo de oportunidade de outros investimentos (mesmo que minha estratégia fosse, por definição, rentável).
Agora, veja como sua estratégia funciona ao longo do tempo. É assim que você olha frequentemente para os fundos: se eu investisse $ X no MyStrategy vs IndexFund, e depois de alguns períodos de tempo eu teria $ Y no MyStrategy e $ Z no IndexFund, a medida do meu desempenho seria $ Y - $ Z.
Por último, e mais importante, lembre-se de que o desempenho passado não é garantia de desempenho futuro. Algumas boas transações não significam que seu próximo casal será bom.
Como outros observaram, o que importa não é a porcentagem do tempo em que você ganha, mas seu ganho líquido. Se você perder dinheiro 90% do tempo, mas 10% das vezes você ganhar muito, e as vitórias totais forem maiores que as perdas totais, você tem uma estratégia vencedora líquida.
Penso, por definição, se, no final de um determinado período de tempo, você tiver mais dinheiro do que você originalmente investiu, sua estratégia é lucrativa. Se você colocar US $ 1000 no mercado em 1º de janeiro, não invoque fundos adicionais, e em 31 de dezembro você tem $ 2000, sua estratégia foi lucrativa. Se você tem $ 1001, sua estratégia foi lucrativa.
Antes de celebrar, você gostaria de compará-lo com outras estratégias possíveis. Se a sua estratégia deu um lucro líquido de 10%, mas investir no Foobar Mutual Fund teria dado a você um lucro de 20%, então seria melhor investir em Foobar. Com todas as precauções habituais sobre tolerância ao risco e assim por diante.

métricas da estratégia de negociação
Métodos para a construção de estratégias baseadas em métricas.
por Michael R. Bryant.
A construção de estratégia baseada em métricas se refere à criação de estratégias de negociação, especificando as características desejadas da estratégia em termos de um conjunto de métricas de negociação. O algoritmo de construção de estratégia é responsável por criar as regras de negociação e a lógica para satisfazer os requisitos e / ou objetivos baseados em métricas especificados. Isso está em contraste com a abordagem tradicional de especificar as regras e a lógica e testar a estratégia resultante para ver se o desempenho é aceitável. Como o universo de métricas de negociação é muito menor do que o universo de possíveis regras e lógica de negociação, é mais fácil especificar uma estratégia em termos da primeira e deixar que o computador execute a tarefa mais difícil de criar a segunda. A adoção dessa metodologia inversa geralmente resulta em menos falsos inícios e converge para uma estratégia aceitável muito mais rapidamente do que a abordagem tradicional.
Como o sucesso de uma abordagem de construção baseada em métricas depende da escolha das métricas corretas, este artigo discutirá três métodos possíveis para selecionar um conjunto de métricas de negociação. Nas circunstâncias certas, qualquer um desses métodos - minimalista, baseado em destino e iterativo - pode ser usado com sucesso. As vantagens e desvantagens de cada método serão discutidas.
Considerações Gerais para Selecionar Métricas de Construção.
Para usar um método baseado em métricas para construir estratégias de negociação, o software de construção de estratégias deve conter um algoritmo para desenvolver automaticamente a lógica de negociação da estratégia com base nas métricas escolhidas. A estratégia gerada é então avaliada em relação às métricas para determinar a adequação. Alguns programas utilizam uma abordagem ad hoc para combinar regras e / ou padrões de preços. Em um artigo anterior, demonstrei que tipos simples de lógica estratégica poderiam ser criados usando um método de seleção aleatória. No entanto, a criação de tipos mais complexos de regras de entrada e saída requer uma abordagem mais sofisticada, como a programação genética. Esta é a base do Adaptrade Builder, que será usado para ilustrar as idéias apresentadas aqui.
Embora o universo das métricas de negociação seja muito menor do que o universo da lógica de negociação, ainda existe uma grande variedade de métricas para escolher ao especificar os requisitos para uma estratégia de negociação. Um dos desafios é que muitas das métricas estão relacionadas umas com as outras. Isso torna possível especificar demais os requisitos. Por exemplo, suponha que você queria valores específicos para o lucro líquido total e o número de negociações e também tinha em mente um valor para o comércio médio. Especificar valores para cada métrica seria sobre-especificando os requisitos porque o lucro líquido é igual ao comércio médio multiplicado pelo número de negócios. Por conseguinte, é redundante especificar valores para as três métricas e, se os valores não forem consistentes, poderá dificultar o processo de otimização para encontrar uma solução.
As seguintes equações relacionam algumas das métricas mais comumente usadas entre si:
A equação (1) relaciona o comércio médio (A T) com a média de ganhos (A W), perda média (A L) e porcentagem de negociações vencedoras (P W). A Equação (2) simplesmente afirma que o lucro líquido (NetProf) é o produto do comércio médio e do número total de negócios (N T). A equação (3) afirma que o número total de barras de dados (N BARS) deve ser pelo menos tão grande quanto o produto do número de negociações e o número médio de barras em negociações (N BARS, T).
Para evitar uma especificação excessiva dessas métricas, devem ser especificadas menos métricas do que o número de métricas nas duas equações (1) ou (2). Por exemplo, não mais do que três das quatro métricas em (1) devem ser especificadas. Se os requisitos forem especificados para as quatro métricas, os requisitos serão sobre-especificados uma vez que cada uma das quatro variáveis ​​em (1), a quarta pode ser determinada a partir de (1). Da mesma forma, em (2), quaisquer dois dos três podem ser especificados, mas a definição de requisitos para todos os três seria excessivamente específica.
A equação (3) é um pouco diferente porque é uma condição de desigualdade e porque envolve o número total de barras de dados, que não é uma métrica de negociação. No entanto, é importante ter em mente que, ao especificar o número total de negociações e o número médio de barras nas negociações, as duas são restringidas pelo número total de barras de dados. Seria contraproducente, por exemplo, solicitar 1000 negócios e um comprimento de comércio médio de 50 barras, se você estiver construindo menos de 50.000 barras de dados.
Na mesma linha, seria excessivamente específico definir uma exigência para a mesma métrica expressa em termos de dólar e porcentagem, como a especificação de um tamanho médio de negociação maior que US $ 100, bem como o tamanho médio de negociação percentual maior que 2%. Essas duas métricas estão relacionadas, portanto, apenas uma ou outra deve ser usada como requisito ou condição de construção.
Outra consideração geral na seleção de métricas de criação é que algumas métricas representam a qualidade geral da estratégia e podem ser aplicadas a qualquer estratégia. Eu discuti isso anteriormente no artigo Constraint-Driven Strategy Design. Exemplos de condições ou requisitos envolvendo esses tipos de métricas incluem um valor de significância estatística maior que 98% e o coeficiente de correlação maior que 0,95. Outras métricas desse tipo incluem o fator de lucro, a relação de Sharpe e a fração de Kelly.
A maioria das outras métricas, no entanto, são mais específicas para o tipo de estratégia que deseja. Por exemplo, o número de negócios por dia, barras médias em trades, porcentagem de vencedores e ganhos médios serão diferentes para diferentes tipos de estratégias. Uma estratégia de acompanhamento de tendência a longo prazo nas barras diárias, por exemplo, pode ter menos de 50% de vencedores com uma relação de ganhos / perdas maior que 2 e talvez uma dúzia de negócios por ano por mercado. Uma estratégia de negociação no dia, por outro lado, pode ter mais de 60% de negociações vencedoras, um índice de ganhos / perdas próximo a 1, com vários negócios por dia.
Por último, uma consideração importante para a escolha de métricas é se os valores escolhidos são razoáveis ​​ou não. Só porque você define um requisito para sua estratégia não significa que esse requisito possa ser cumprido. Como um exemplo extremo, você pode estabelecer um requisito para que o lucro líquido mensal médio seja superior a US $ 1.000.000 em uma base de 1 contrato para uma estratégia E-mini S & amp; P. Obviamente, definir essa condição não garante esse resultado. Mais comumente, uma série de condições pode parecer razoável, mas está além do potencial de lucro do mercado. Para evitar isso, construções preliminares e testes podem ser realizados para ter uma melhor idéia do potencial de lucro do mercado.
Em uma extremidade do espectro de métodos para a construção de estratégia baseada em métricas, há uma abordagem minimalista. Aqui, a única métrica que você usa é o lucro líquido, e o objetivo é simplesmente maximizar o lucro líquido. No Adaptrade Builder, a janela Métricas apareceria como mostrado abaixo na Figura 1.
Figura 1. Construir métrica para um método minimalista de construção de estratégia baseada em métricas.
O valor de peso neste caso é arbitrário. A idéia por trás dessa abordagem é que, ao maximizar o lucro líquido, todas as outras métricas serão definidas. Em outras palavras, se o lucro líquido da estratégia for maximizado, ele também terá o fator de lucro mais alto, o menor rebaixamento, a curva de capital mais direta (com base no contrato fixo / ação) e assim por diante.
Este método está na extremidade oposta do espectro a partir da abordagem minimalista. Em vez de usar um conjunto muito simples de métricas, nessa abordagem, você define um conjunto detalhado de requisitos para segmentar exatamente o que deseja. Eu discuti essa abordagem anteriormente no artigo Engenharia reversa de uma estratégia de negociação. * Nesse artigo, usei os resultados de uma estratégia de negociação existente que tinha sido lucrativa em rastreamento em tempo real para estabelecer um conjunto de condições de construção. A Fig. 2 abaixo ilustra como essa estrat�ia de engenharia reversa ("MiniMax Clone") resistiu desde que o artigo foi publicado em 2011. Os resultados desde que a estrat�ia foi criada usando a abordagem baseada no alvo s� positivos, como mostrado pela curva à direita da linha vermelha.
Figura 2. Curva de capital da estratégia MiniMax Clone. Os resultados desde a versão são mostrados ao lado direito da linha vermelha.
Outro exemplo da abordagem baseada em metas é mostrado na Figura 3 abaixo usando métricas dos resultados reais de uma estratégia de negociação que encontrei postada online.
Figura 3. Exemplo de métricas de construção para um método baseado em destino de construção de estratégia baseada em métrica.
Os objetivos de construção na caixa superior da Fig. 3 são muito simples. Estas são as métricas que você está minimizando ou maximizando. As condições de compilação na caixa do meio são onde você segmenta as métricas. Neste exemplo, as métricas foram direcionadas ao lucro líquido, ao número de negócios, à porcentagem de ganhos, ao índice de ganhos / perdas e à redução máxima. Observe que um intervalo de valores é usado para cada métrica porque é improvável a obtenção de uma duplicação exata.
Se você não tiver um conjunto específico de resultados de negociação para duplicar e quiser ter mais controle sobre os resultados da estratégia do que obter de uma abordagem minimalista, provavelmente será necessária uma abordagem iterativa. É nesse local que você executaria uma ou mais construções preliminares usando um conjunto de métricas, como as predefinidas fornecidas no Adaptrade Builder, e usaria os resultados dessa compilação, juntamente com quaisquer requisitos específicos que você tivesse, para selecionar Conjunto completo de métricas. Depois de criar essas métricas, você examinaria os resultados e alteraria as métricas conforme necessário para abordar qualquer coisa de que não gostasse nos resultados. Por exemplo, se as principais estratégias tivessem transações consistentes com grandes perdas abertas, você poderia adicionar uma condição para a excursão adversa máxima (Max MAE). O processo pode então ser repetido até que os resultados atendam aos seus requisitos.
Um exemplo dessa abordagem foi seguido no recente artigo Estratégias Baseadas em Lucro a Curto Prazo. A figura abaixo é copiada da Fig. 3 desse artigo e mostra as métricas usadas na compilação final para uma estratégia E-mini S & amp; P de curto prazo.
Figura 4. Exemplo de métricas de construção para um método iterativo de construção de estratégia baseada em métrica.
Tal como acontece com a abordagem baseada em alvo (Fig. 3), os objetivos de construção na Fig. 4 são bastante simples e consistem em métricas básicas que podem ser aplicadas a qualquer projeto de construção de estratégia. As condições de construção, por outro lado, consistem em uma combinação de métricas gerais (coeficiente de correlação e significância) e aquelas que são mais específicas para a estratégia que está sendo construída (fator de lucro, Max MAE e barras médias em perdas). A Fig. 4 também ilustra o uso de & quot; Condições para Selecionar Principais Estratégias & quot ;, que fornece um conjunto de condições para filtrar as estratégias que satisfazem todas as métricas desejadas.
A construção de estratégia baseada em métricas pode ser uma maneira altamente eficaz de construir estratégias de negociação, mas a escolha de um bom conjunto de métricas requer algum pensamento. Este artigo analisou três métodos diferentes para escolher as métricas. A abordagem minimalista é provavelmente a melhor para quando você não tem requisitos específicos e deseja a melhor estratégia geral para o mercado ou mercados, embora cuidados especiais devam ser tomados para minimizar o risco de ajuste excessivo. Uma abordagem baseada em destino ou engenharia reversa pode ser eficaz se você tiver ou puder encontrar resultados comerciais adequados em tempo real para replicar. A abordagem iterativa tende a ser o método padrão quando você quer mais controle sobre as estratégias resultantes, mas não tem conhecimento prévio de valores específicos para requisitos de métrica.
Qualquer um dos métodos discutidos aqui pode ser usado para construir com sucesso estratégias de negociação usando uma ferramenta como o Adaptrade Builder. Independentemente da abordagem que você segue, a seção & quot; Considerações gerais para a seleção de métricas de criação & quot; deve fornecer algumas orientações básicas.
Embora a construção de estratégias especificando as métricas de negociação e permitindo que um algoritmo construa a lógica de negociação seja o inverso da abordagem usual para a construção de estratégia, as mesmas advertências se aplicam: cuidado com ajuste excessivo e teste fora de amostra e rastreamento em tempo real para validar o desempenho antes da negociação.
Boa sorte com sua negociação.
* Embora o método baseado em alvo possa ser considerado como um "engenheiro reverso" abordagem, a duplicação dos resultados de uma estratégia de negociação existente não significa que você está necessariamente duplicando a lógica interna. Com toda a probabilidade, existem muitos conjuntos diferentes de regras de negociação que são funcionalmente equivalentes e, portanto, geram os mesmos resultados.
Este artigo apareceu na edição de outubro de 2014 do boletim informativo do Adaptrade Software.
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, DESDE QUE OS NEGÓCIOS NÃO SEJAM REALMENTE EXECUTOS, OS RESULTADOS PODEM TENER SOB OU COMENTÁRIOS COMPLEMENTARES PARA O IMPACTO, SE HAVER, DE CERTOS FATORES DE MERCADO, TAL COMO 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 FAZENDO QUE QUALQUER CONTA VÁ OU SEJA PROBABILITÁVEL PARA ALCANÇAR LUCROS OU PERDAS SIMILARES ÀOS MOSTRADOS.
Se você quiser ser informado de novos desenvolvimentos, novidades e ofertas especiais do Adaptrade Software, por favor, junte-se à nossa lista de e-mail. Obrigado.
Copyright © 2004-2015 Adaptrade Software. Todos os direitos reservados.

Métricas de negociação.
O índice de Sharpe caracteriza heuristicamente a relação recompensa / risco da estratégia. Quantifica quanto retorno você consegue para o nível de volatilidade sofrido pela curva patrimonial. Naturalmente, precisamos determinar o período e a frequência em que esses retornos e volatilidade (ou seja, o desvio padrão) são medidos. Uma estratégia de freqüência mais alta exigirá maior taxa de amostragem do desvio padrão, mas um período de tempo geral mais curto, por exemplo.
Maximum Drawdown.
O rebaixamento máximo é a maior queda percentual global de pico a vale na curva de capital da estratégia. As estratégias de Momentum são bem conhecidas por sofrerem períodos de redução prolongada (devido a uma série de muitos negócios perdidos incrementais). Muitos comerciantes vão desistir em períodos de redução prolongada, mesmo que os testes históricos sugeriram que este é "business as usual" para a estratégia. Você precisará determinar qual porcentagem de redução (e em que período de tempo) você pode aceitar antes de deixar de negociar sua estratégia. Esta é uma decisão altamente pessoal e, portanto, deve ser considerada com cuidado.
Volatilidade.
A volatilidade está fortemente relacionada ao "risco" da estratégia. A proporção de Sharpe caracteriza isso. A maior volatilidade das classes de ativos subjacentes, se não coberta, muitas vezes leva a uma maior volatilidade na curva patrimonial e, portanto, menores índices de Sharpe. Naturalmente, suponho que a volatilidade positiva seja aproximadamente igual à volatilidade negativa. Algumas estratégias podem ter maior volatilidade negativa. Você precisa estar ciente desses atributos.
Relação Ganho-Perda.
Tecnicamente, esta é a proporção dos negócios perdidos médios e das tradições vencedoras médias. Esta proporção dá uma idéia louvável sobre comerciabilidade e ajuda você a identificar se você está no caminho certo. Se a proporção indicar que você está ganhando mais do que está perdendo, você está fazendo um bom trabalho. No entanto, uma limitação aqui é que você não pode tomar essa métrica como uma abordagem à prova de falhas, porque não indica o tamanho de seus negócios vencedores e perdedores, o que é crucial para avaliar o desempenho do seu comércio.
Expectativa.
Quando se trata de métricas sobre desempenho comercial, a expectativa é uma das métricas mais eficientes e poderosas, pois estima um retorno para cada quantidade de caixa arriscada em um negócio. Em suma, isso mostra o quanto você pode esperar para a soma que você investiu na negociação em uma instância particular. Muitas vezes, há muitos equívocos entre a expectativa de um sistema de negociação e ganhos médios para perdas e recompensas: razão de risco. Mas o que torna a expectativa distinta reside no fato de que ela quantifica o desempenho de um sistema independente do capital comercial.
Ao bater palmas mais ou menos, você pode nos indicar quais são as histórias que realmente se destacam.
Equipe Auquan.
A Auquan pretende envolver pessoas de diversas origens para aplicar as habilidades de seus respectivos campos para desenvolver estratégias de negociação de alta qualidade. Acreditamos que pessoas extremamente talentosas equipadas com conhecimento e atitude adequados podem projetar algoritmos de negociação bem-sucedidos.

Medindo o sucesso: principais métricas de desempenho.
Quando você vê o desempenho de um sistema de negociação, como você sabe que é bom? Como você sabe que é o sistema certo para você? Muitas pessoas simplesmente olham o lucro líquido assumindo que o sistema com mais lucro deve ser o melhor sistema. Isso muitas vezes está longe de ser uma boa idéia. Ao comparar os sistemas de negociação durante o processo de desenvolvimento ou ao comparar sistemas antes de fazer uma compra, é bom ter algumas métricas disponíveis que permitirão comparar o sistema com um benchmark hipotético ou com outro sistema. Não há uma única pontuação que você possa usar, que funcionará para todos, já que todos nós temos tolerâncias de risco e definições únicas sobre o que consideramos negociável. Da mesma forma, nem todos os sistemas de pontuação são iguais ou realizados em todas as circunstâncias. No entanto, neste artigo, vou falar sobre meus métodos favoritos usados ​​para pontuar e classificar os sistemas de negociação. Estas são as principais métricas de desempenho do sistema que uso durante o processo de desenvolvimento do sistema.
Número de operações.
Qualquer sistema comercial deve ter um & # 8220; significativo & # 8221; número de negócios. O que é significativo? Bem, isso varia. Para um sistema de swing que não leva mais de 10 negócios por ano, ter 100 trocas é bom. Isso representa cerca de 10 anos de testes históricos. Como um determinado sistema de negociação começa a produzir mais negócios por ano, espero ver mais trades utilizados durante o teste de backtesting.
Fator de lucro.
Embora o lucro líquido possa ser um fator na sua decisão sobre um determinado sistema de negociação, o fator lucro geralmente é ainda mais importante na minha opinião. Fator de lucro mede a eficiência do seu sistema de negociação. O fator de lucro é calculado dividindo o lucro gerado pelas perdas geradas. Um fator de lucro de 1,5 indica por cada dois dólares perdidos, ganham três dólares ($ 3 vitórias / $ 2 perdidos = 1,5). Obviamente, um número acima de 1.0 significa que você está ganhando dinheiro. Eu gosto de ver um fator de lucro de 1,5 ou superior.
Lucro médio por comércio.
Como fator de lucro, o lucro médio por comércio me diz se um sistema está fazendo dinheiro suficiente em cada comércio. Ao projetar um sistema de negociação, eu gosto de ver um comércio médio lucrativo acima de US $ 50 antes que as comissões e as devoluções sejam deduzidas em um mínimo absoluto. Se o lucro líquido médio for superior a US $ 50 com comissões e derrapagens deduzidas, isso é ainda melhor. Quanto maior o lucro médio por comércio, melhor.
Porcentagem de negócios vencedores.
Eu não acompanho isso demais. Eu tomo nota disso, mas isso não é tão importante para mim. A porcentagem de negociações vencedoras é simplesmente o número de negócios que geraram um lucro líquido positivo dividido por todas as negociações realizadas. Este fator pode ser importante se você não quiser ter uma grande série de perdedores. Por exemplo, muitas vezes, os sistemas de acompanhamento de tendências de prazo mais longo podem ser muito lucrativos, mas somente têm uma taxa de ganho de 40% ou menos. Você consegue muitos negócios perdidos? Talvez você esteja confortável apenas com sistemas que tendem a produzir mais negócios vencedores do que perder trocas. Se assim for, um sistema com uma taxa de ganhos de 60% ou mais seria melhor para você. Por cento de negociações vencedoras é um indicador de tolerância psicológica que irá variar entre as pessoas.
Taxa de Crescimento Anual Composto (CAGR)
Isso descreve o crescimento como se fosse uma taxa de retorno fixa e estável. Obviamente, isso não acontece ao negociar, pois seu sistema comercial produz uma curva de equidade irregular ao longo do tempo. No entanto, esta é uma maneira de facilitar seu retorno ao longo do mesmo período de negociação. Vamos dizer que o seu sistema de negociação produz um CAGR de 5% ao longo de um período de 10 anos. Durante esse mesmo período, você possui um CD do banco que também produz um retorno de 5% no mesmo período. Isso faz do CD um investimento melhor? Talvez. Uma coisa a ter em mente é a seguinte: o cálculo do CAGR não leva em conta o tempo em que seu dinheiro está em risco. Por exemplo, enquanto o sistema de negociação pode retomar 5% de CAGR ao longo de 10 anos, seu dinheiro está ativamente no mercado por uma fração do tempo. Na maioria das vezes, está sentando ocioso em sua conta de corretagem ou futuro aguardando o próximo sinal de negociação. A CAGR não leva em consideração o tempo em que seu dinheiro está em risco. Lembre-se, um retorno de 5% no CD é percebido somente se seu dinheiro for trancado 100% do tempo. Com o nosso sistema de troca de exemplo, nosso dinheiro também é liberado para ser usado em outros instrumentos.
Retorno ajustado ao risco (RAR)
Este cálculo leva em conta o tempo que seu dinheiro está em risco no mercado. Isso é feito tomando o CAGR e dividindo-o pela exposição. A exposição é a porcentagem de tempo (durante o período de teste) de que seu dinheiro estava ativamente no mercado. Eu gosto de ver um valor de 50% ou melhor.
Maximum Intraday Drawdown e The Equity Curve.
Quão grandes são esses levantamentos? Posso lidar mentalmente com essa redução? Nessa linha, também vejo a forma da curva patrimonial. Ele sobe com retrocessos rasos ou tem retrocessos íngremes? Há longos períodos prorrogados sem novos aumentos de capital? Idealmente, a curva de equidade deve crescer à medida que o tempo passa, criando novos níveis de capital com retrocessos pouco profundos.
Este é aquele que você não vê muito. O t-Test é um teste estatístico usado para avaliar a probabilidade de os resultados do seu sistema comercial terem ocorrido por acaso sozinhos. Você gostaria de ver um valor superior a 1,6, o que indica que os resultados da negociação são mais prováveis ​​de não se basear no acaso. Qualquer outro valor abaixo indica que os resultados da negociação podem ser baseados em chance. O valor do teste t deve ser calculado com pelo menos 30 negócios. Abaixo está o cálculo do teste t.
t = raiz quadrada (número de negócios) * (lucro médio por comércio / desvio padrão de negócios)
Expectativa.
A expectativa é um conceito que foi descrito no livro de Van Tharps # 8220; Trade Your Way To Financial Freedom & # 8221 ;. A expectativa diz-lhe, em média, o quanto você espera fazer por dólar em risco. Expectativa também pode ser um valor que você otimiza ao testar diferentes combinações de entrada de estratégia. Enquanto a computação da verdadeira expectativa de um sistema de negociação está além deste artigo, pode ser estimada com a seguinte fórmula simples.
Expectativa = lucro líquido médio por comércio / | Perda média de troca em dólares |
Para aqueles que não estão familiarizados com a matemática, as linhas verticais em torno do & # 8220; Perda média de troca em dólares & # 8221; indica que o valor absoluto deve ser usado. Isto significa simplesmente se o número é um valor negativo, deixamos o sinal negativo, tornando o valor positivo.
Pontuação de Expectativa.
Esse valor é um valor de expectativa anualizada que produz um número objetivo que pode ser usado na comparação de vários sistemas de negociação. Essencialmente, os fatores da Pontuação de Expectativa em & # 8220; oportunidade; # 8221; no valor, levando em consideração a freqüência com que o sistema de negociação fornecido produz negócios. Assim, essa pontuação permite comparar sistemas de negociação muito diferentes. Quanto maior a expectativa, mais lucrativo será o sistema.
Pontuação de Expectativa = Expectativa * Número de Negociações * 365 / Número de dias de negociação da estratégia.
Conclusão.
Com os valores acima, podemos obter uma imagem decente de como o sistema funcionará. Há, é claro, outros valores que você poderia avaliar e ainda mais você pode fazer, como passar os negócios históricos através de um simulador de Monte Carlo. Mas esses valores discutidos neste artigo são os valores importantes que eu utilizo ao projetar um sistema ou ao avaliar um sistema de comércio de terceiros.
Sobre o Autor Jeff Swanson.
Jeff é o fundador do System Trader Success - um site e uma missão para capacitar o comerciante de varejo com os conhecimentos e ferramentas adequados para se tornar um comerciante rentável no mundo da negociação quantitativa / automatizada.
Posts Relacionados.
A temporada de Natal é alcista para os mercados dos EUA?
Estratégia quebrada ou mudança de mercado: investigação de desempenho insuficiente.
Descobrindo o que funciona, e o que não funciona.
você colocou corretamente & # 8220; número de negociações & # 8221; no topo da sua lista, porque todas as outras métricas dependem da validade da sua amostra.
Infelizmente, você parece seguir uma linha de raciocínio (como muitos outros fazem) que eu acredito ser falso: isso está dando importância ao período de tempo que a amostra é derivada. Você argumentou que 100 negócios são bons se eles cobrem 10 anos.
Bem, 100 trades são 100 comércios independentemente do período. Portanto, a questão importante é se uma amostra de 100 tem ou não validade.
Para uma leitura com abertura de olho eu recomendo fortemente: Kahneman, & # 8220; Thinking Fast And Slow & # 8221 ;, pg. 109ff.
O ponto que ele faz é que pequenas amostras podem ser facilmente impactadas por outliers (raros). Este efeito não é de forma alguma reduzido simplesmente porque a sua amostra cobre um período de tempo mais longo!
Apenas como exemplo: como são válidos os resultados do sistema com base em 1000 anos de trades? Muito válido?
Bem, e se as regras forem comprar o maior índice de ações no final do último dia do século e vender no horário aberto no dia seguinte? Isso lhe daria uma enorme quantidade de 10 negociações para basear sua análise. Agora, como é válido isso?
Então, como podemos lidar com o problema do outlier?
Minha sugestão é cortar o x% superior de seus negócios vencedores (5% -10% parece razoável para mim) e examinar o quanto seu desempenho se degrada (medido por qualquer métrica que você deseja aplicar). Isso é chamado de análise de sensibilidade e mostra o quanto o seu desempenho total depende de alguns grandes negócios (prováveis ​​ser outliers que não se repetirão muito ou no futuro).
Um segundo método é o teste t que você mencionou. A única diferença que eu faria é aplicá-la no lucro ajustado pelo risco (ou perda) por comércio, não no P / L absoluto. Basicamente, você divide o resultado (em quantidade de dólares) pelo risco conforme definido pela parada inicial (também em quantidade de dólares). A partir desses números, você calcula a média e o desvio padrão que se inserem na fórmula que você mostra acima.
De qualquer forma, tente obter uma cópia desse livro, que eu recomendo a todos os comerciantes!
Eu geralmente concordaria com o que você diz sobre o tamanho da amostra, e uma questão que eu gostaria de dirigir para Jeff era se, como a maioria dos procedimentos estatísticos transferidos para análise de dados de mercado, não é necessário um tamanho de amostra maior que 10 para o T - Teste?
No que diz respeito à sua sugestão acima (& # 8220; cortar os primeiros x% de suas negociações vitoriosas & # 8221;), isso não depende da natureza da estratégia em questão? Por exemplo, dado um tamanho de amostra de 100 e uma estratégia exreme dependente de outontes com uma taxa de ganhos de 10%, então cortar os 10% superiores significa desconsiderar um único comércio. No entanto, em uma média de 10.000 negócios, o X% superior pode, em média, ser apenas um pouco mais rentável do que o X + n% superior, no caso do tamanho da amostra de 100 o comércio X% superior (ou seja, o único comércio selecionado ), podem ser muitos múltiplos mais lucrativos do que o X + n% restante.
Em outras palavras, o que você descreve, com certos tipos de sistemas e sem um tamanho de amostra muito grande, cria riscos para um contra-produtivo “cisne negro” # 8221; exclusão de estilo que não é representativa do efeito pretendido desse processo. Em vez de mitigar o impacto de outliers, você arrisca a introduzir uma nova contramedida outlier.
Estaria interessado em ouvir seus pensamentos sobre isso se eu tiver me explicado bem o suficiente.
Claro, acima deveria ter lido X-n% & # 8211; Não existe & # 8220; edite & # 8221; botão como no fórum!
Obrigado novamente pela resposta pensativa. Desculpe por voltar a este tópico dias depois. Foi uma semana agitada na semana passada. Eu ouvi muitas coisas boas sobre o & # 8220; Thinking Fast and Slow & # 8221 ;. Eu estou lendo atualmente "The Big Short & # 8221; e adicionará sua recomendação à minha lista de leitura.
Não tenho a certeza se eu entendi seu comentário corretamente, então perdoe-me se a minha resposta não deve corresponder ao que quis dizer.
O objetivo do procedimento de corte & # 8220; & # 8221; é descobrir em que medida os resultados dos testes foram impactados por outliers. Se houver um grande impacto, você tem um alto risco de que os resultados do SAMPLE (teste) NÃO sejam representativos do desempenho da vida real mais tarde.
& gt; & gt; & # 8221; & # 8230; isso não depende da natureza da estratégia em questão? & # 8221; & lt; & lt; curva de equidade robusta com alta variação).
& gt; & gt; & gt; & # 8221; Por exemplo, dado um tamanho de amostra de 100 e uma estratégia extrema dependente de um outlier com uma taxa de ganho de 10%, cortar os 10% superiores significa desconsiderar um único negócio. No entanto, em uma média de 10.000 negócios, o X% superior pode, em média, ser apenas um pouco mais rentável do que o X + n% superior, no caso do tamanho da amostra de 100 o comércio X% superior (ou seja, o único comércio selecionado ), pode haver muitos múltiplos mais lucrativos do que os X + n% restantes. & # 8221; & lt; & lt; & gt; & # 8221; Em outras palavras, o que você descreve, com certos tipos de sistemas e sem um grande número Tamanho da amostra, corre o risco de criar uma exclusão contraproducente de estilo "cisne negro" que não seja representativa do efeito pretendido desse processo. Em vez de mitigar o impacto de outliers, corre o risco de introduzir uma outra medida contrária do valor atípico. & # 8221; & lt; & lt; & lt;
Não tenho certeza do que você quis dizer com este parágrafo. O que eu falo é eliminar as negociações das avaliações estatísticas. Claro que NÃO DEVE introduzir nenhuma regra no seu sistema que corta "home runs & quot; curto se eles realmente acontecerem. Meu objetivo é ver se o sistema pode aguentar se os excelentes negócios são muito menos freqüentes (na vida real) do que a amostra pode fazer você acreditar que eles podem ser.
Ansioso por sua resposta,
Algum comentário sobre o período de lookback versus o tamanho da amostra? A propósito: o sistema que descrevi é denominado "Millenium Bull" e disponível para alguns créditos galácticos em JabbaTheHut =: p.
Desculpe, parece haver um problema. Tento inserir a seção perdida agora:
& # 8221; & # 8230; isto não depende da natureza da estratégia em questão? & # 8221;
Na verdade, este procedimento REVELA a natureza do sistema. É constituído por lucros de tamanho uniforme (pequeno impacto de outliers = curva de patrimônio suave com pouca variação) ou alguns "homeruns" e # 8221; (grande impacto de outliers = & gt; curva de equidade robusta com alta variação).
P. S. Jeff, fique à vontade para deletar o primeiro repost.
E quanto a avaliar o desempenho da OOS ou verificar se algum desempenho da OOS foi feito?
Embora este artigo não fale especificamente sobre o fora da amostra vs na amostra, as mesmas métricas se aplicam. Não durante todos os casos, o desempenho da OOS disponível quando se procura comprar um sistema, no entanto, este é um passo importante no teste. Se você está desenvolvendo um sistema, você deve sempre testar os dados do OOS, pois isso dá uma idéia melhor de como o sistema funciona. O próximo passo é testá-lo em dados ao vivo. Muitas pessoas ficam chocadas ao ver seu sistema não funcionar no mercado ao vivo enquanto as barras se formam em tempo real. Muitas vezes isso é devido a uma compreensão incompleta sobre como as barras são criadas tick-by-tick e como o código comercial é executado contra esses dados. Isso é muito importante para os sistemas de negociação intradia.
Publicações populares.
Connors 2-Period RSI Update para 2013.
Este indicador simples faz dinheiro novamente e novamente.
The Ivy Portfolio.
Melhorando a Estratégia de Identidade Simples, Parte 1.
Copyright © 2011-2018 pela Capital Evolution LLC. - Projetado por temas Thrive | Powered by WordPress.
Por favor faça login novamente. A página de login será aberta em uma nova janela. Depois de efetuar o login, você pode fechá-lo e retornar a esta página.

Métricas de negociação: como medir o sucesso comercial.
Depois de ter negociado durante um determinado período de tempo, gravando seus negócios e criando um histórico de desempenho, você está pronto para avaliar seus resultados. Mas como você define & ldquo; bom sistema de comércio & rdquo; vs & ldquo; sistema de comércio ruim & rdquo ;? E como você pode mostrar seus resultados, para atrair capital ou investidores? Muitas pessoas simplesmente olham o lucro líquido assumindo que o sistema com mais lucro deve ser o melhor sistema. É como um médico dizendo: "Este homem parece mais saudável do que o próximo". sem fazer testes adequados. Neste artigo, exploraremos algumas métricas sólidas para avaliar seus resultados comerciais que podem lhe contar muito mais sobre sua negociação do que a mera margem de lucro pode.
1. Por que precisamos de métricas de desempenho?
Imagine querer alocar capital para um comerciante que tenha uma estratégia comprovada. Você tem muitos comerciantes para escolher, que trocam muitos sistemas diferentes & ldquo; systems & rdquo; eles criaram. Qual você escolhe? Não há uma única pontuação que você possa usar, que funcionará para todos, já que todos nós temos tolerâncias de risco e definições únicas sobre o que consideramos negociável. Da mesma forma, nem todos os sistemas de pontuação são iguais ou realizados em todas as circunstâncias. No entanto, existem métricas de desempenho do sistema chave que você deve usar durante o processo de desenvolvimento do sistema, e à medida que você progride como comerciante, isso irá mostrar-lhe mais informações sobre sua negociação e ndash; tipicamente de forma ajustada ao risco.
Os grandes lucros acumulados por riscos iguais ou maiores não são tão palatáveis ​​quanto os lucros ligeiramente menores acumulados por pequenos riscos. Além disso, grandes lucros misturados com grandes perdas são menos palatáveis ​​do que balanços P & amp; Isto é o que queremos medir: quão consistente estamos em assumir o risco que produz recompensa igual ou maior. As métricas que vamos explorar neste artigo são:
Outra métrica de desempenho chave é a expectativa do seu sistema, que cobrimos em um artigo anterior.
2. O que é desvio padrão?
O desvio padrão é uma medida de dispersão estatística. Em linguagem simples, é uma maneira de descrever como distribuir um conjunto de valores em torno da média desse conjunto de dados. Por exemplo, se você tiver um conjunto de resultados de negociação (em termos P & amp; L ou termos% R), poderá calcular facilmente a média aritmética (basta somar todos os valores e depois dividir pelo número de negociações). No entanto, conhecendo a média (ou a média, como ela é mais comumente chamada), não diz nada sobre a forma como os resultados são ordenados. Foram todos os seus negócios mais ou menos 2R? Você teve trocas 3-4R e perdas de 1-2R? Você teve negócios 10R e 10R perdas? Você pode ter exatamente a mesma média P & amp; L com características de distribuição muito diferentes. Veja o gráfico abaixo.
No gráfico acima, temos 2 distribuições de amostras de conjuntos p / l hipotéticos. No eixo X, estaríamos visualizando todos os $ ganhos / perdidos que os negócios experimentaram, desde a maior perda até o maior lucro. No eixo Y, teríamos o número de negociações que tiveram um resultado idêntico.
O que o gráfico está nos dizendo visualmente, é que, embora os dois comerciantes tenham tido um desempenho médio igual (valor médio), o comerciante representado com a distribuição p / l vermelha teve um spread muito mais amplo de retornos. Ele teve maiores perdas e ganhos maiores do que o comerciante representado com a distribuição azul. O que acharemos é que o desvio padrão da distribuição vermelha seria maior do que a distribuição azul. Preferimos negociar com um desvio padrão menor em relação ao nosso retorno médio.
Como faço para calcular?
A idéia básica do desvio padrão é que você está avaliando variações em torno do valor médio. Alguns desses valores estarão abaixo da média, alguns acima e às vezes você terá alguns que são iguais à média. Em outras palavras, algumas das diferenças entre as medições individuais serão positivas (mais do que a média), algumas serão negativas (abaixo da média) e algumas serão zero (diretamente iguais à média). Agora, apenas adicionar essas diferenças é inútil porque os valores positivos e negativos se cancelarão. Por exemplo, para tomar um caso incrivelmente simplista: se você tiver dois negócios que deram lucro de US $ 100 e lucro de US $ 50, a média é igual a ((100 + 50) / 2) = $ 75. As diferenças são [(100-75) = 25] e [(50-75) = -25]. Adicionando estes juntos nos dá uma variação total de 0. Mas sabemos que não há variação zero em torno desse valor médio!
Então, para contornar este problema, cada uma das variações em torno da média é quadrada. Quando você marca um valor negativo, você obtém um valor positivo. Assim, para calcular o desvio padrão, ajustamos todas as diferenças em relação à média, somamos todas e dividimos por um a menos que o número de valores em nosso conjunto. Este novo número é chamado de variância. Agora, nós tomamos a raiz quadrada da variância (que está a reverter o quadrado que fizemos anteriormente, de modo que nosso número se aproxima das diferenças originais), e esse é o desvio padrão.
Aqui, um exemplo de como você pode calcular a função (St. Dev ou Dev. St no Excel ou OpenOffice):
Na parte inferior também adicionei outro cálculo: o Coeficiente de Variação. Esta medida é o desvio padrão dividido pela média p / l, e basicamente é um "ruído" para o sinal & rdquo; proporção. Isso mostra quão bom a sua média p / l pode prever seu desempenho futuro. Valores próximos ou inferiores a 1 são o que você deve apontar.
Qual é o alarido sobre a distribuição normal & # 8217; em estatísticas?
Se o seu conjunto p / l for & ldquo; normalmente distribuído & rdquo; , em outras palavras, você obteve a maioria dos dados perto da média e quanto mais longe você obtém da média, menos medições você tem, então o desvio padrão fornece informações extras:
& middot; Cerca de 68% dos dados estão dentro de um desvio padrão da média.
& middot: Cerca de 95% dos dados estão dentro de dois desvios padrão da média.
e cerca de 99% dos dados estão dentro de três desvios padrão da média.
Portanto, tire os valores de cima: se o P / L médio for 23 e o desvio padrão for 25, você pode esperar ver cerca de 68% dos valores no intervalo de -2 a 48 e 95% na faixa -27 para 73. E qualquer coisa abaixo de -27 ou acima 73 será muito rara (área do Cisne Negro).
Confusão entre desvio absoluto médio e desvio padrão.
Alguns pacotes de gráficos incluem um desvio padrão & ldquo; rdquo; indicador. Não devemos confundir esta medida com o desvio padrão em que estamos falando neste artigo. Para dizer que "o activo se move em média 1% ao dia em valor absoluto & rdquo; é diferente de dizer & ldquo; o desvio padrão do recurso é de 1% & rdquo ;. Houve muita confusão no setor financeiro neste ponto, e Nassim Taleb realmente escreveu um breve ensaio sobre isso, em 2007.
Se um instrumento tiver um desvio padrão diário de 1%, ele não se move em média 1% por dia. Em uma "distribuição normal", a razão do desvio padrão para o desvio absoluto médio é de 1,25. Então, se o desvio médio for 1%, então o desvio padrão é de 1,25%. Se o desvio padrão for de 1%, o desvio médio é de 0,8%. Além disso, ao anualizar o desvio padrão de um determinado conjunto de dados, lembre-se de multiplicar pela raiz quadrada do tempo: então, para anualizar uma medida diária de desvio padrão, certifique-se de multiplicar pela raiz quadrada de 365.
Além disso, o desvio padrão de certos instrumentos aumentará / diminuirá em consonância com o valor do instrumento. O desvio padrão da Apple ou do Google será muito diferente do desvio padrão do EURUSD. Portanto, seria útil dividir o desvio padrão pelo preço da segurança para obter uma porcentagem de leitura que poderia tornar possíveis comparações através de várias classes de ativos.
Finalmente, o desvio padrão também é chamado de "volatilidade". e você encontrará frequentemente citado como & sigma ;.
3. Relação de Sharpe.
Agora que entendemos os principais conceitos de média (média) e volatilidade (& sigma;), podemos continuar a calcular outras medidas de risco que usam as mesmas métricas. Cerca de 50 anos atrás, W. Sharpe [1966], introduziu uma medida para o desempenho de fundos mútuos e propôs o termo "ldquo; razão de recompensa / variação"; para descrevê-lo. Enquanto a medida ganhou popularidade considerável, o nome não tem. O termo & ldquo; Sharpe Ratio & rdquo; tornou-se o mais popular (Morningstar [1993, p. 24]).
O índice de Sharpe é criado da seguinte maneira:
Rft = retorno do comerciante no período t.
Rbt = retornar no benchmark no período t, que é freqüentemente o & ldquo; risk-free & rdquo; taxa de retorno (como o retorno disponível em títulos públicos)
Como Dt = Rft & # 8211; Rbt.
Dt = retorno diferencial no período t.
Em seguida, calcule o valor médio de Dt (que chamaremos AvgD) durante o período histórico de t = 1 a T e o desvio padrão de Dt (que chamamos e sigma; D) ao longo do período histórico. Neste ponto, podemos calcular a Ratio Sharpe:
A relação indica o retorno diferencial médio histórico por unidade de variabilidade histórica do retorno diferencial.
É uma questão simples de calcular a Razão de Sharpe usando Excel ou OpenOffice. Os retornos do trader são listados em uma coluna e os do benchmark desejado na próxima coluna. As diferenças são calculadas em uma terceira coluna. As funções padrão são então utilizadas para calcular os componentes da relação. Por exemplo, se os retornos diferenciais fossem nas células C1 a C10, uma fórmula forneceria a Ratio Sharpe usando o Excel:
Quanto maior o índice Sharpe de um comerciante, melhor os seus retornos foram relativos à quantidade de risco que ele tomou. Vice-versa, quanto maior o desvio padrão de um comerciante, maior será o retorno para obter uma alta taxa de Sharpe. Por outro lado, os comerciantes com desvios padrão mais baixos podem ter uma proporção de Sharpe mais alta se tiverem rendimentos consistentemente decentes. Tenha em mente que, embora um índice maior de Sharpe indique um melhor desempenho ajustado ao risco histórico, isso não se traduz necessariamente em um sistema de negociação de baixa volatilidade. Uma razão Sharpe mais alta significa que a relação risco / retorno do comerciante é mais proporcional.
É mais fácil comparar retornos de todos os tipos usando o índice de Sharpe baseado no desvio padrão do que com o conceito alfa baseado em beta (alfa é uma medida de quanto o investimento superou o benchmark devido ao gerenciamento ativo). Ao contrário do beta & mdash; o montante da exposição ao risco de mercado que teve um investimento, que geralmente é calculado usando diferentes benchmarks para estoque e fundos de obrigações, o desvio padrão é calculado da mesma forma para qualquer tipo de desempenho, seja ele de ações, obrigações ou retornos de moeda. Por conseguinte, podemos usar o índice Sharpe para comparar os retornos ajustados ao risco dos comerciantes de ações com os de comerciantes de títulos e comerciantes de moeda.
Tal como acontece com alfa, a principal desvantagem do rácio de Sharpe é que ele é expresso como um número bruto - claro, quanto maior o rácio de Sharpe, melhor - mas nenhuma outra informação, você não pode dizer se um rácio de Sharpe 1,5 é bom ou ruim. Somente quando você compara uma razão Sharpe de um comerciante com a de outro comerciante (ou índice de comerciantes na mesma classe de ativos), você percebe seu retorno ajustado ao risco em relação aos outros.
Os valores ideais para o Índice de Sharpe seriam acima de 1. Um índice de 2 é muito bom e um índice de 3 é excepcional.
Another debate regards the correct benchmark to choose when creating the Sharpe ratio. For many investments, the risk-free rate of return might be an ideal choice (i. e., the annual return that you could get on a long term government bond). But for traders, which are active managers, other benchmarks would probably be more adequate. We will talk about benchmarks in a separate article, but ideally when comparing your performance as a trader to a benchmark, the risk-free rate is not as satisfactory as it is for other types of investments.
4. Sortino Ratio.
Both the Sortino and the Sharpe ratio were designed to help investors compare returns from different sources. The Sharpe ratio, as we have seen, subtracts the performance of the investment from a benchmark – that in many cases is called the “risk free rate”. Sortino starts by denying the availability of any “risk-free” investimento. After all, if there is no risk, there is no reward. His assumption may be open to debate, but his logic can take us a step further along the path of “risk”. After all, the Sharpe ratio “unfairly” penalizes volatility: upside volatility and downside volatility are given the same importance. But to investors, upside volatility is actually good!
Just imagine having to explain your trading records to someone: “yeah, the performance was much more volatile than expected…we had a 5% return in January, a 10% return in February, a 3% return in March, and a 40% return in April…” Not exactly a bad thing to have upside volatility now, is it?
Usually investments have a symmetrical volatility profile…..
Sortino overcomes this, by looking only at the downside deviations – the ones that we do not like. The caveat to this logic is that most (not all) investments have a symmetrical volatility – wild to the upside AND to the downside or calm to the upside AND to the downside.
….but certain trading strategies can have the same Sharpe Ratio but different risk profile.
For Sortino, “risk” is defined not as the variability of an investment, but as the failure to meet your investment objectives. The definition of “risk” has important consequences for each one of us and there is not a uniform way to define it, so it’s also quite instructive to see two different interpretations (Sharpe vs. Sortino) one against the other. In the above graph, the two strategies can have the same Sharpe Ratio, but the positive skew for trend following actually means that the trader is taking on less risk than the Sharpe ratio predicts, while the negative skew of the option selling strategy means that the trader is taking on more risk than the Sharpe ratio predicts.
Just as a side-note, skewness is the degree to which the return distribution is spread around the average return. A trend following strategy that has fewer losses of larger magnitude and frequent winners of smaller magnitude could have a positive skew, meaning that the returns are not equally balanced between profits and losses. In this lies the importance of money management for a trader: you can have a positive skew in your trading, as long as you cut your losses to 1R, and have a wide range of profitable trades that will give you the positive skew characteristic.
So the Sortino ratio is actually a better choice than the Sharpe Ratio, when measuring returns that could have a non-neutral skewness. Here is how it’s defined mathematically:
R = average return over the time period selected.
T= Target or required rate of return for the strategy, which was initially the Minimum Accepted Return and then changed to the Desired Target Return.
TDD = Target Downside Deviation, which is the root-mean-square of the deviations of the realized return’s underperformance from the target return where all returns above the target return are automatically set to 0.
Below we have 2 spreadsheet examples calculating our ratios using %R as the return variable. In the first example, we have imposed a strict 1R minimum target return. In the second example, we have imposed a loose 0R target return (so as long as you’re not losing money you’re ok). These returns are arbitrary and are not the only example (or the best for that matter) of what can be used as a target return. Also, we are not using annualized % returns here, in an attempt to make the example clear and adequate for trading purposes.
1R target return. We are net profitable, but our ratios look bad.
Zero-R target return. We are net profitable and our ratios are acceptable.
The K-Ratio is completely different than the previous ratios. Like the other metrics, it’s a return vs. risk metric, where the numerator is an expression of return and the denominator an expression of risk. The numerator is the slope of the best-fit regression line superimposed over a cumulative return series. The steeper the slope, the faster the growth rate of the account. The denominator is the standard error of that best-fit regression line.
A visual representation of the Best Fit Regression Line.
The ratio was invented by Lars Kestner in 1996 in his article “Measuring System Performance” for Stocks & Commodities Magazine. It’s an interesting ratio because it’s basically a measure of how consistent a trader is performing over time. The ratio should be above zero, which means that you are constantly making progress on your account.
Higher values of the K-Ratio can be obtained by having a small volatility of returns, and a higher hit rate. Having a 70% hit rate, a 1.5R average profit and 1R average loss will be much smoother than a 50% hit rate with a 2R average profit and 1R average loss. The K ratio rewards steady, consistent gains, rather than infrequent, yet huge gains.
Here is how to calculate the K Ratio:
Slope of best fit regression line upon cumulative return line/ standard error of best fit line.
which on a spreadsheet means:
Column A = trade number 1,2,3….100.
Column B = cumulative equity curve from line 1 to ….100.
K-ratio = (SLOPE(column B, Column A)*SQRT(DEVSQ(column A))/(STEYX(column B, Column A)*SQRT(N° Trades))
Kestner, in 2002, upgraded his formula to account for a small error regarding the scale of the K-Ratio.
The 2003 ratio = original K Ratio / Square root of number of observations.
To sum up: if you should retain anything at all from this article, retain the fact that if you plan on presenting your trading results to potential investors, or seeking out funding, you will most likely be required to present similar statistics. Investors do not really care about how profitable you are: they care about your risk-adjusted profile. It doesn’t take an immense knowledge in statistics to compile a good-looking trading record with some fancy ratios in it, and this article can help you present your records better. The bottom line on all risk-adjusted ratios is this: if you can manage to make steady profits of 1R or more, contain your losses and keep them as close as possible to 1R (or less) and get over a 50% win ratio, then your statistics will automatically be good.
Ready to improve your trading performance?
Enter your name and e-mail below for details on our comprehensive trader education program:
References:
Goldstein & Taleb 2007 – We don’t quite know what we are talking about when we talk about volatility. Journal of Portfolio Management.
William Sharpe “The Sharpe Ratio” Journal of Portfolio Management, Fall 1994.
Reilly, Frank K. Investment Analysis and Portfolio Management, 3d edition.
Sharpe, William F. “Mutual Fund Performance.” Journal of Business, January 1966.