Muito antes do surgimento dos computadores, os traders já atuavam nos mercados financeiros e desenvolviam regras práticas para orientar suas decisões. Neste artigo, voltaremos a examinar uma conhecida estratégia de rompimento para avaliar se essa lógica de mercado, adquirida por meio da experiência, pode competir com abordagens sistemáticas. Nossos resultados mostram que, embora a estratégia original apresentasse uma elevada taxa de acerto, seus resultados eram instáveis e sua gestão de risco era deficiente. Ao aperfeiçoar essa abordagem, demonstraremos como o conhecimento acumulado pelos traders discricionários pode ser incorporado a estratégias de trading algorítmico mais robustas.
Como já mencionamos, normalmente utilizamos algoritmos de aprendizado de máquina para aprender relações que permitam fazer previsões futuras a partir de dados passados. Entretanto, quase sempre partimos do pressuposto de que essas relações existem e podem ser aprendidas a partir dos dados. Raramente dedicamos tempo a comprovar sua existência. Já os traders discricionários, por uma questão de sobrevivência profissional, precisavam identificar relações confiáveis que lhes permitissem manter uma carreira nos mercados. Sob essa perspectiva, podemos argumentar que esses traders realizaram manualmente um trabalho de investigação que pode servir de base para o desenvolvimento de nossos modelos de aprendizado de máquina.
Por isso, buscamos aproximar o aprendizado de máquina do trading nos mercados financeiros, aproveitando as heurísticas e regras empíricas desenvolvidas pelos traders ao longo de muitos anos de experiência. Essas regras, que os traders aprenderam a seguir na prática, podem fornecer uma base para que nossos modelos estudem os mercados financeiros de maneira mais estruturada. Em vez de exigir que os modelos comprovem essas relações desde o início, podemos partir de princípios que já resistiram ao teste do tempo. Dessa forma, nossos modelos passam a contar com uma vantagem inicial, sem precisar construir todo esse conhecimento do zero.
O aspecto mais importante do nosso teste é comprovar a validade da estratégia que adotamos como ponto de partida. Por isso, nossa estratégia de trading se baseia em um conhecido método de rompimento que considera a relação entre dias de negociação consecutivos. Na prática, trata-se de uma estratégia bastante simples.
No início de cada pregão, identificamos a máxima e a mínima do dia anterior.
Novo artigo Repensando as estratégias clássicas (Parte 15): Estratégia de rompimento da faixa de preços do dia anterior foi publicado:
Como já mencionamos, normalmente utilizamos algoritmos de aprendizado de máquina para aprender relações que permitam fazer previsões futuras a partir de dados passados. Entretanto, quase sempre partimos do pressuposto de que essas relações existem e podem ser aprendidas a partir dos dados. Raramente dedicamos tempo a comprovar sua existência. Já os traders discricionários, por uma questão de sobrevivência profissional, precisavam identificar relações confiáveis que lhes permitissem manter uma carreira nos mercados. Sob essa perspectiva, podemos argumentar que esses traders realizaram manualmente um trabalho de investigação que pode servir de base para o desenvolvimento de nossos modelos de aprendizado de máquina.
Por isso, buscamos aproximar o aprendizado de máquina do trading nos mercados financeiros, aproveitando as heurísticas e regras empíricas desenvolvidas pelos traders ao longo de muitos anos de experiência. Essas regras, que os traders aprenderam a seguir na prática, podem fornecer uma base para que nossos modelos estudem os mercados financeiros de maneira mais estruturada. Em vez de exigir que os modelos comprovem essas relações desde o início, podemos partir de princípios que já resistiram ao teste do tempo. Dessa forma, nossos modelos passam a contar com uma vantagem inicial, sem precisar construir todo esse conhecimento do zero.
O aspecto mais importante do nosso teste é comprovar a validade da estratégia que adotamos como ponto de partida. Por isso, nossa estratégia de trading se baseia em um conhecido método de rompimento que considera a relação entre dias de negociação consecutivos. Na prática, trata-se de uma estratégia bastante simples.
No início de cada pregão, identificamos a máxima e a mínima do dia anterior.
Autor: Gamuchirai Zororo Ndawana