Backtesting Del Dr. Ernie Chan

Backtesting por el Dr. Ernie Chan Backtesting por el Dr. Ernie Chan Backtesting es el proceso de alimentar los datos históricos a una estrategia de negociación automatizada y ver cómo se habría realizado. Estudiaremos varias métricas comunes de rendimiento de backtest. El rendimiento de Backtest puede hacerse fácilmente irrealista y no predictivo de los futuros rendimientos debido a una larga lista de trampas, que serán examinados en este curso. La elección de una plataforma de software para backtesting también es importante, y los criterios para esta elección serán discutidos. Ejemplos ilustrativos se extraen de una estrategia de futuros y una estrategia de negociación de cartera de acciones. Este es un taller pregrabado realizado en Adobe Connect por Ernest Chan (epchan). Este taller se centra en las diversas prácticas y trampas de backtesting estrategias de negociación algorítmica. Las licencias de prueba MATLAB gratuitas serán organizadas para ejercicios extensos en clase. No se asume ningún conocimiento previo de MATLAB, pero es necesaria alguna experiencia de programación. El requisito de matemáticas asumido es estadística básica a nivel universitario. Esquema del curso: A. Visión general de Backtesting 1. ¿Qué es el backtesting y cómo difiere de las "simulaciones"? 2. La importancia de backtesting: ¿Por qué backtesting un paso necesario para el comercio automatizado rentable? 3. Las limitaciones de backtesting: ¿Por qué backtesting no es un paso suficiente para asegurar la rentabilidad en el comercio automatizado? 4. Lo que podemos hacer para aumentar el poder predictivo de los resultados de nuestro backtest: evitar los escollos. 5. Cómo identificar buenas / malas estrategias incluso antes de un backtest: una vista previa de varios errores a través de una serie de ejemplos. B. Elegir una plataforma de prueba 1. Criterios para elegir una plataforma de backtest adecuada. 2. Una lista de plataformas de backtesting. 3. Discusión de los pros y los contras de cada plataforma. 4. Nota especial: backtesting integrado y plataformas de ejecución automatizadas. 5. ¿Por qué elegimos MATLAB? C. Tutorial para MATLAB 1. Encuesta de sintaxis. 2. Ventaja del procesamiento de array. 3. Ejercicios: Construir funciones de utilidad útiles para backtesting. 4. Uso de cajas de herramientas. D. Backtesting de una estrategia de un solo instrumento 1. Ejercicio: Una estrategia Bollinger-band para E-mini SP500 Futures (ES) como prototipo de estrategia de reversión de media. E. Medición del rendimiento 1. La curva de equidad. 2. Rendimientos excesivos y la importancia de la proporción de Sharpe. 3. Riesgos de cola y duración máxima de la retirada y de la retirada. 4. La importancia de las estimaciones de costos de transacción. F. Elección de una base de datos histórica 1. Criterios para elegir una buena base de datos histórica. 2. Datos de renta variable: ajustes de dividendo / dividendos, sesgo de supervivencia. 3. Datos futuros: construcción de contratos continuos, liquidación frente a precios de cierre. 4. Problemas con la sincronicidad de los datos. 5. Problemas con datos intradía / tick. G. Retroexamen de una estrategia de cartera 1. Ejercicio: Una estrategia de cartera de corto plazo de acciones en el SP 500. 2. Pertinencia de la estrategia para la fusión de los fondos de 2007. 3. La importancia de la selección del universo: impacto de la capitalización de mercado, liquidez y costos de transacción en las estrategias. 4. Refinamiento de la estrategia: cómo pequeños cambios pueden hacer grandes diferencias en el rendimiento. H. Detección y eliminación de las trampas y prejuicios de backtesting 1. ¿Cómo detectar el sesgo prospectivo? 2. ¿Cómo evitar el sesgo prospectivo? 3. Tendencia a la vigilancia de datos: por qué la prueba fuera de la muestra no es una panacea. 4. El comercio Parameterless. 5. El uso de modelos lineales o "promediar-in": pros y contras. 6. Ejercicio: linealización de la estrategia de la banda ES Bollinger. 7. Impacto de los datos ruidosos sobre diferentes tipos de estrategias.