Pesquisas acadêmicas sobre trading
Optimal Step-wise Parameter Optimization of a FOREX Trading Strategy
1) Autores
- Alberto De Santis
(desantis@dis.uniroma1.it)
(Department of Computer, Control and Management Engineering, Universita' degli Studi di Roma "La Sapienza") - Umberto Dellepiane
(dellepiane@dis.uniroma1.it)
(Department of Computer, Control and Management Engineering, Universita' degli Studi di Roma "La Sapienza") - Stefano Lucidi
(lucidi@dis.uniroma1.it)
(Department of Computer, Control and Management Engineering, Universita' degli Studi di Roma "La Sapienza") - Stefania Renzi
(renzi@dis.uniroma1.it)
(Department of Computer, Control and Management Engineering, Universita' degli Studi di Roma "La Sapienza")
2) Data de publicação
24 de Abril de 2014
3) Resumo (em inglês)
The goal of trading simply consists in gaining profit by buying/selling a security: the difference between the entry and the exit price in a position determines the profit or loss of that trade. A trading strategy is used to identify proper conditions to trade a security. The role of optimization consists in finding the best conditions to start a trading maximizing the profit. In this general scenario, the strategy is trained on a chosen batch of data (training set) and applied on the next batch of data (trading set). Given a strategy, there are different issues to deal with, to obtain the best performances from the optimization. First of all, among all the parameters that define the strategy, it is important to identify and select the most relevant ones that become the optimization problem variables. In this way the problem complexity is reduced and the overfitting on the training set is avoided. Once the variables are chosen, the focus is on the time period used for the training and the trading sets. Accordingly, for any parameter, a proper box constraint is fixed taking into account the frequency of the given trading strategy (time scale, reactivity, etc.). Since the objective function is not defined in closed form but through an algorithm, the problem lies within the framework of black-box optimization.
4) Link
http://www.dis.uniroma1.it/~bibdis/RePEc/aeg/report/2014-06.pdf
Algoritmos Evolutivos
1) Autor
Roberto Pontes
2) Data da Publicação
10 de outubro de 2014
3) Resumo
A aquisição automática de conhecimento é uma das linhas de pesquisa da Inteligência Artificial mais estudada e que tem grande aplicação na área de investimentos. A partir de um conjunto de dados históricos contendo o comportamento dos ativos financeiros do mercado de ações, por exemplo, é possível desenvolver-se um algoritmo automático para extrair as regras vencedoras de compra e venda desses ativos. Essa extração de regras a partir de exemplos é um dos benefícios proporcionados pelos algoritmos evolutivos, que são tratados neste artigo.
4) Link
http://www.neuroinvest.com.br/algoritmos_evolutivos.pdf
Algoritmos Evolutivos
1) Autor
Roberto Pontes
2) Data da Publicação
10 de outubro de 2014
3) Resumo
A aquisição automática de conhecimento é uma das linhas de pesquisa da Inteligência Artificial mais estudada e que tem grande aplicação na área de investimentos. A partir de um conjunto de dados históricos contendo o comportamento dos ativos financeiros do mercado de ações, por exemplo, é possível desenvolver-se um algoritmo automático para extrair as regras vencedoras de compra e venda desses ativos. Essa extração de regras a partir de exemplos é um dos benefícios proporcionados pelos algoritmos evolutivos, que são tratados neste artigo.
4) Link
http://www.neuroinvest.com.br/algoritmos_evolutivos.pdf
Olá Roberto, obrigado por compartilhar, ótimo artigo e pesquisa.
É muito bom ver no nosso país uma nova geração fazendo o estudo aprofundado de tecnologias para finanças quantitativas, o que para muitos não passaria de pura especulação no passado.
Desconhecem muitos críticos que os robôs e seus algoritmos automáticos são hoje os principais formadores de mercado, garantindo liquidez e capital de giro para muitas empresas, principalmente nos piores momentos da economia.
Além disso, o mercado financeiro é um excelente campo para a pesquisa aplicada, principalmente para validar vários elementos de pesquisa de base, como pode ser constatado no artigo.
Isso acontece, a meu ver, porque o resultado é medido diretamente pelo ganho final dos sistemas e não por outros critérios subjetivos. Ou seja, em outras palavras, ninguém gosta de perder dinheiro.
E toda tecnologia gerada a partir do desafio de explorar o futuro e medir com precisão os resultados, como fazemos nessa área, pode ser utilizada para as mais variadas áreas do conhecimento.
Cooperative Trading Strategies
1) Autor
Roberto Pontes
2) Data da Publicação
03 de novembro de 2014
3) Abstract
There are various strategies conceived to buy and sell assets in the financial markets. Each one has individual good and bad characteristics. This paper studies the use of different strategies used together with individual different weights, working as a Probabilistic Expert System. The result system is built with the objective of obtaining cooperation among the various strategies, in order to achieve a better final result. The calculation of each strategy weight is optimized by a dedicated genetic algorithm.
4) Link
http://www.neuroinvest.com.br/Cooperative_Trading_Strategies.pdf
Cooperative Trading Strategies
1) Autor
Roberto Pontes
2) Data da Publicação
03 de novembro de 2014
3) Abstract
There are various strategies conceived to buy and sell assets in the financial markets. Each one has individual good and bad characteristics. This paper studies the use of different strategies used together with individual different weights, working as a Probabilistic Expert System. The result system is built with the objective of obtaining cooperation among the various strategies, in order to achieve a better final result. The calculation of each strategy weight is optimized by a dedicated genetic algorithm.
4) Link
http://www.neuroinvest.com.br/Cooperative_Trading_Strategies.pdf
Olá Roberto, outro ótimo artigo.
A mais de 5 anos trabalho com vários desses últimos conceitos na área de robôs. O desafio e objetivo, no meu caso, é como modelar a visão estratégica e de futuro do gestor humano em robôs.
Ou seja, construir robôs com visão de gestores.
Uma possível forma de fazer isso, que acredito ser um bom caminho, é através da união de duas linhas de pesquisa: Coevolutionary Algorithms (CEAs) e Evolutionary Multi-agent Systems (EMAs).
O conceito de Cooperative Coevolutionary Algorithms (CCAs) também me parece muito relevante para criar bons trading systems nos mercados atuais, apesar de ser uma abordagem muito antiga na área de algoritmos.
Esses teus dois artigos publicados aqui também me parecem estar alinhados com esses conceitos.
Entretanto, acredito que a capacidade de visão do trader discricionário ainda é muito mais eficaz que qualquer modelo, e temos muito a avançar nessa área.
Artigos muito bacanas! gostei demais!
Uma dúvida Roberto, vi nos seus artigos que trata sempre de analisar a performance em termos de lucro e drawdown, confesso que nos meus testes também uso isso como referencia, mas algo sempre me martela a cabeça em dizer que a métrica mais adequada seria a taxa de trades com lucro não concorda? já vi em alguns algoritmos meus acontecer de ter 30% de trades com lucros, mas ser mais lucrativos que outros com 70~80% de trades com lucros, não seria essa outra métrica mais adequada para definir qual seria mais confiável?
abraços! a obrigado a todos pela excelente contribuição com os artigos e comentários!
Artigos muito bacanas! gostei demais!
Uma dúvida Roberto, vi nos seus artigos que trata sempre de analisar a performance em termos de lucro e drawdown, confesso que nos meus testes também uso isso como referencia, mas algo sempre me martela a cabeça em dizer que a métrica mais adequada seria a taxa de trades com lucro não concorda? já vi em alguns algoritmos meus acontecer de ter 30% de trades com lucros, mas ser mais lucrativos que outros com 70~80% de trades com lucros, não seria essa outra métrica mais adequada para definir qual seria mais confiável?
abraços! a obrigado a todos pela excelente contribuição com os artigos e comentários!
Olá Rodrigo, não sei quanto ao Roberto, mas para mim a análise de performance ajustada ao risco medido pelo drawdown é o princípio básico do Índice Sterling, bem menos popular que o Índice Sharp, principalmente no nosso país.
Seja como for, gostei da tua questão sobre a taxa de trades, pois na prática trading systems com maior número de trades com lucro geralmente possuem um alvo menor, e a recíproca é verdadeira, ou seja, com menor número de trades com lucro o alvo é maior.
Então qual escolher? Na minha opinião, quando se trata de EAs, as duas abordagens são confiáveis e válidas, o que interessa mesmo é a que gera maior resultado no final. Entretanto, o emocional de quem vê um robô errar mais que acerta é o que provavelmente faz muita gente descartar estratégias e/ou setups com baixa taxa de trades com lucro (um desperdício, na minha opinião).
Da mesma forma, o uso do trailing stop ou do break even point muitas vezes também é puramente por questões emocionais, e muito menos por eficácia.
Mas em cópia de trades, como no caso de sinais de investimento, já considero a opção de alvo maior sempre a mais adequada para quem está copiando, pois o slippage terá menor influência nos resultados. Esse na verdade é o problema da maior parte dos scalpers usados para essa aplicação.
Improving Pairs Trading
1) Autor
Tiago Almeida
2) Data da Publicação
04 de maio de 2014
3) Abstract
This paper tests the Pairs Trading strategy as proposed by Gatev, Goetzmann and Rouwenhorts (2006). It investigates if the profitability of pairs opening after an above average volume day in one of the assets are distinct in returns characteristics and if the introduction of a limit on the days the pair is open can improve the strategy returns. Results suggest that indeed pairs opening after a single sided shock are less profitable and that a limitation on the numbers of days a pair is open can significantly improve the profitability by as much as 30 basis points per month.
4) Link
http://dx.doi.org/10.2139/ssrn.2432061
- papers.ssrn.com
Olá Roberto, obrigado por compartilhar, ótimo artigo e pesquisa.
É muito bom ver no nosso país uma nova geração fazendo o estudo aprofundado de tecnologias para finanças quantitativas, o que para muitos não passaria de pura especulação no passado.
Desconhecem muitos críticos que os robôs e seus algoritmos automáticos são hoje os principais formadores de mercado, garantindo liquidez e capital de giro para muitas empresas, principalmente nos piores momentos da economia.
Além disso, o mercado financeiro é um excelente campo para a pesquisa aplicada, principalmente para validar vários elementos de pesquisa de base, como pode ser constatado no artigo.
Isso acontece, a meu ver, porque o resultado é medido diretamente pelo ganho final dos sistemas e não por outros critérios subjetivos. Ou seja, em outras palavras, ninguém gosta de perder dinheiro.
E toda tecnologia gerada a partir do desafio de explorar o futuro e medir com precisão os resultados, como fazemos nessa área, pode ser utilizada para as mais variadas áreas do conhecimento.
Artigos muito bacanas! gostei demais!
Uma dúvida Roberto, vi nos seus artigos que trata sempre de analisar a performance em termos de lucro e drawdown, confesso que nos meus testes também uso isso como referencia, mas algo sempre me martela a cabeça em dizer que a métrica mais adequada seria a taxa de trades com lucro não concorda? já vi em alguns algoritmos meus acontecer de ter 30% de trades com lucros, mas ser mais lucrativos que outros com 70~80% de trades com lucros, não seria essa outra métrica mais adequada para definir qual seria mais confiável?
abraços! a obrigado a todos pela excelente contribuição com os artigos e comentários!
Com relação à sua dúvida sugiro buscar textos e vídeos de Howard Bandy. Segundo esse autor, o percentual maior de sucesso é esperado em estratégias que exploram o retorno à média; em compensação, os ganhos com os lucros, em média, são menores do que as perdas com as operações em que há prejuízo. Ao contrário, nas estratégias de "rompimento", o percentual de operações em que ocorre sucesso (lucro) é menor; em compensação, os ganhos com os lucros, em média, são maiores.
Você pode procurar no YouTube por Howard Bandy.
Um abraço.
Edilson
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Você concorda com a política do site e com os termos de uso
Olá pessoal,
Gostaria de abrir esse tópico no fórum MQL5.com em Português para discutir pesquisas acadêmicas e artigos sobre quaisquer aspectos relacionados a trading.
Ao postar sobre a pesquisa, por favor não esqueça de informar:
1) Autores
2) Data de publicação
3) Resumo
4) Link para a pesquisa / artigo
Por fim, seria interessante postar também sua opinião sobre o artigo e, mais importante, como ele poderia ser utilizado dentro de expert advisors / indicadores e também no MetaTrader 5.
Aguardo suas contribuições!
Abraço a todos!
Malacarne