Hipótese da estratégia de negociação

Gerenciamento de Propofio.

Financiamento Quantitativo | Gestão de Portfólio | Negociação Sistemática.

Postagens recentes.

Comentários recentes.

Categorias.

Uma estratégia de negociação EMA para um portfólio de baixa volatilidade.

Introdução.

O processo que vou seguir é baseado no conteúdo do curso Advanced Trading System Design da CFRM561 da Universidade de Washington. “Desenvolvimento dirigido por hipóteses” é o princípio central deste curso, onde cada passo no processo de desenvolvimento envolve a hipótese de idéias testáveis ​​e a verificação dessas idéias antes de passar para o próximo estágio. As etapas envolvem a identificação de um ou mais indicadores de mercado, testando se os indicadores realmente medem os fenômenos pretendidos do mercado, hipotetizando sinais de entrada e saída baseados no (s) indicador (es) de mercado, confirmando se os sinais têm poder preditivo e definindo entrada e saída regras baseadas nos sinais.

Pessoalmente, sou um fã de investimentos de baixa volatilidade, na medida em que proporciona retornos ajustados ao risco aumentados em comparação com os índices tradicionais de mercado ponderados por limite de capitalização. Assim, reconstruí o portfólio de decil de menor volatilidade da CRSP usando dados do Yahoo! Finanças e usará esse índice como linha de base para avaliar a estratégia de negociação. O objetivo aqui é verificar se uma estratégia de negociação Média Móvel Exponencialmente Pesada [EMA] pode aumentar ainda mais os retornos ajustados ao risco aumentando os retornos sem aumentar o risco, diminuindo o risco sem impactar os retornos, ou ambos.

Este post é uma versão significativamente condensada do relatório completo. O relatório de versão completa, que é a tarefa que enviei, pode ser encontrado aqui. Ele contém todos os detalhes de cada etapa, resultados dos testes de hipóteses, incluindo a intensidade do sinal, bem como as etapas de otimização de parâmetros provisórios.

A primeira questão relacionada ao indicador que precisamos nos perguntar é: "o que achamos que estamos medindo?"

Pode-se argumentar que a EMA está medindo o “verdadeiro nível de preço desonerado”, em que o pensamento é que a média móvel “calcula” o ruído, revelando o nível real.

Também pode-se argumentar que, supondo que a EMA esteja medindo o nível “verdadeiro”, também está medindo a tendência dos preços. A lógica aqui é que, se houver um verdadeiro nível revelado, então a tendência pode ser inferida a partir da série temporal de "níveis verdadeiros".

Para testar se o EMA está medindo o nível real, a correlação entre o nível de índice de baixo volume e o indicador de EMA é testada quanto à força e significância estatística. Para testar a tendência, ela é comparada com uma medida de inclinação "verdadeira", testando-se correlação e cointegração alta e estatisticamente significativa.

Antes de definir qualquer sinal, a previsão principal que pode ser possível com um EMA está indicando se o nível de índice futuro será maior ou menor que o nível de índice atual, em vez de gerar uma previsão de ponto. Para essa ferramenta, as matrizes de confusão são usadas para medir se as previsões de nível de índice futuro são classificadas corretamente como níveis de índice mais altos ou mais baixos que os atuais. A significância estatística das matrizes de confusão também é verificada para garantir que haja algum conteúdo de informação.

Em termos do sinal real, o pensamento por trás disso é que, se o nível do índice atual exceder o nível EMA, isso aumentará o valor EMA subsequente (que foi verificado como uma medida do nível de preço "verdadeiro"), o que aumentará Tendência de EMA. Isso seria então interpretado como um sinal potencial de que o nível do índice aumentaria.

A justificativa para os argumentos contrários é que, se o nível do índice atual for menor que o nível da EMA, isso diminuirá o valor EMA subsequente (que é uma medida do nível de preço “verdadeiro”), indicando que o nível do índice diminuir.

As regras são simples: se é provável que o preço aumente com base na relação entre o indicador e o índice (ou seja, o nível do índice excede o nível de EMA), então uma posição longa deve ser iniciada. Por outro lado, se é provável que o preço diminua com base no mesmo relacionamento, qualquer posição longa deve ser fechada.

Referências e Objetivos da Estratégia.

Objetivos.

O objetivo principal é verificar se os retornos ajustados ao risco para o índice de baixa volatilidade podem ser melhorados. Assim, a maximização de uma medida de desempenho ajustado ao risco é o objetivo dessa estratégia, já que a alavancagem sempre pode ser aplicada para aumentar os retornos absolutos.

Dado que o objetivo é maximizar os retornos ajustados ao risco, as seguintes estatísticas podem ser usadas para quantificar os retornos ajustados pelo risco:

Durante as simulações de negociação, o PMD será usado para avaliar retornos ajustados ao risco, pois é mais sensível às caudas do que o SR. No entanto, para avaliar a viabilidade da estratégia de negociação, será utilizado o RS.

Referências.

Os resultados da estratégia de negociação da EMA serão comparados com uma versão 100% longa do índice de baixa volatilidade. Este portfólio é a versão "comprar e manter" [BH] do índice, enquanto a estratégia de negociação será referida como o Portfolio de Média Móvel [MAPortfolio]. A carteira da BH é a carteira “sem esforço” com a qual medir se os sinais de negociação estão agregando valor. Sucesso não é definido em retornos absolutos; pode ser possível observar retornos absolutos mais baixos, porém exibindo retornos ajustados ao risco mais altos.

Resultados da força do sinal.

O Heidke Skill Score [HSS] é usado para quantificar a intensidade do sinal, já que é mais implacável do que a “Probabilidade de Detecção”.

HSS para o sinal de subida indica que o nível de habilidade é relativamente baixo para os dias de atraso de 15 ou mais. Além disso, o nível de habilidade é mais alto para 1 dia para frente com um atraso de 5 dias e cai relativamente rápido por um atraso de 5 dias quando o número de dias a frente excede 3 dias.

Os HSSs são muito mais altos para o sinal de descida e parecem persistir para 1 & # 8211; 5 dias para frente e dias com atraso até 60 dias, assumindo que menos de 1% de habilidade não é suficiente para fazer previsões úteis. Para esclarecer, a persistência de 60 dias não é visível no gráfico de contorno, no entanto, numericamente, os HSSs são mais persistentes para o sinal de descida vs. o sinal de subida. Até agora, isso implica que o sinal de descida contém mais poder de previsão do que o sinal de subida.

Todas as pontuações de habilidades determinadas como "fortes" também são estatisticamente significativas, tanto para sinais altos quanto baixos.

Resultados da Estratégia de Negociação.

Após testar vários comprimentos de atraso exibindo altos HSSs para os sinais de subida e descida, bem como para realizar uma otimização de parâmetro, a conclusão detalhada no relatório completo foi que provavelmente é mais confiável definir o comprimento de retardo com base apenas na resistência HSS dos resultados do backtest devido ao desempenho fora da amostra [OOS] ruim. Os resultados do OOS, bem como o código, para os comprimentos de atraso altos do HSS (5 dias para o sinal de subida e 5 dias para o sinal de descida) são apresentados abaixo.

Uma observação importante é que o desempenho durante a crise financeira de 2008 foi relativamente espetacular, com uma redução de aproximadamente 10%, contra 40% para o índice BH. Durante o início do desempenho do OOS, houve algum desempenho abaixo do esperado, até o crash das pontocom no final de 1999 e início de 2000, onde os rebaixamentos para o portfólio de MA foram mínimos, permitindo que os retornos fossem mantidos.

Os retornos médios não são significativamente diferentes estatisticamente, no entanto, a variância é estatisticamente significativamente menor, resultando no Índice de Sharpe superior de 2,43, contra 1,14 para o Índice BH. Infelizmente, a estratégia de negociação não apresenta uma inclinação positiva, enquanto, surpreendentemente, o índice BH exibe uma inclinação positiva. No entanto, o excesso de curtose, embora alto para ambas as carteiras, é significativamente maior para o índice BH. Parece que a estratégia de negociação está reduzindo significativamente o impacto de eventos negativos do mercado, permitindo a preservação dos retornos acumulados, com a desvantagem de potencialmente perder qualquer vantagem. Dado que o objetivo é melhorar os retornos ajustados ao risco, a combinação de parâmetros tendenciosos parece atender com êxito a esses critérios. Um fator adicional são os custos de transação, que não foram considerados neste estudo. Estes precisariam ser levados em conta nos backtests para verificar se os retornos ajustados ao risco são mantidos.

© 2016 Erol Biceroglu.

Compartilhar isso:

Tagged algo trading algotrading Quant Quant Finanças Quantfinance Rstats.

Pós-navegação.

6 pensamentos sobre & ldquo; Uma estratégia de negociação EMA para um portfólio de baixa volatilidade & rdquo;

Ótimo artigo, é possível obter o código R para realizar o teste de HSS?

QuantStrat TradeR.

Negociação, QuantStrat, R e mais.

Introdução ao Desenvolvimento Orientado por Hipóteses & # 8212; Visão geral de uma estratégia simples e hipóteses de indicadores.

Este post vai começar a aplicar uma estrutura de desenvolvimento orientada por hipóteses (isto é, a estrutura escrita por Brian Peterson sobre como fazer a construção da estratégia corretamente, encontrada aqui) para uma estratégia que eu encontrei no SeekingAlpha. Ou seja, Cliff Smith postou sobre uma estratégia conservadora de rotação de títulos, que faz uso de títulos do tesouro de curto prazo, títulos de longo prazo, conversíveis, dívida de mercados emergentes e dívidas corporativas de alto rendimento - isto é, SHY, TLT, CWB, PCY e JNK. O que este post vai fazer é tentar colocar um quadro mais formal sobre se esta estratégia é ou não válida para começar.

Uma nota: para equilibrar a sucessão para o consumo do blog e para demonstrar as técnicas computacionais mais rapidamente, eu vou encobrir as pesquisas de fundo para este post / estratégia, uma vez que é mais uma abordagem Séries temporais / momento cruzado, exceto o reduzido a algo mais implementável para investidores individuais, em oposição a algo que requer uma coleção massiva de diferentes instrumentos para portfólios de classe institucional.

Introdução, Visão Geral, Objetivos, Restrições, Suposições e Hipóteses a Serem Testadas:

Momento Foi documentado muitas vezes. Por uma questão de brevidade, eu vou deixar os leitores seguirem os links se eles estiverem inclinados, mas entre eles estão os de Jegadeesh e Titman, 1993, o artigo de Mark Carhart de 1997, Andreu. et. Al (2012), Barroso e Santa-Clara (2013), os retornos esperados de Ilmanen (que abrange momentum) e outros. Essa lista, é claro, está longe de ser exaustiva, mas o ponto permanece. Períodos de formação de vários meses (até um ano) devem prever retornos que avancem em algum período de permanência, seja vários meses, ou como é mais comumente visto, um mês.

Além disso, o momento se aplica em duas variedades - seção transversal e séries temporais. O momento transversal afirma que os ativos que superaram entre um grupo continuarão a superar, enquanto o momentum de séries temporais afirma que os ativos que subiram de preço durante um período de formação continuarão a fazê-lo no futuro de curto prazo.

A estratégia de Cliff Smith depende do último, efetivamente, entre um grupo de cinco ETFs de obrigações. Não tenho certeza do objetivo da estratégia (ele não mencionou isso), já que PCY, JNK e CWB, embora possam ter renda fixa nominal, possuem volatilidade na ordem das ações. Eu suponho que um possível & # 8220; padrão & # 8221; O objetivo seria obter um retorno total superior ao de um benchmark de ponderação igual, ambos reajustados mensalmente.

As restrições são que seria necessária uma quantidade suficiente de capital de modo que os custos de transação fixos sejam desprezíveis, pois a estratégia é um tipo de rotação de instrumento único, o que significa que cada mês pode ter um volume de negócios de 200% (vender um ETF outro). Por outro lado, pode-se supor que a quantidade de capital empregado é pequena o suficiente para que os custos de execução da negociação não afetem materialmente o desempenho da estratégia. Ou seja, mover vários bilhões de um desses ETFs para outro não é um bom começo. Como todos os retornos são calculados próximos para fechar por uma questão de simplicidade, isso cria a suposição implícita de que o impacto no mercado e os custos de execução são muito pequenos em comparação com os retornos gerais.

Existem duas hipóteses abrangentes a serem testadas para validar a eficácia dessa estratégia:

1) Momento da série temporal: embora tenha sido documentado para ações e até ETFs de indústria / país, pode não ter sido formalmente feito ainda para ETFs de renda fixa e seus correspondentes fundos mútuos. Para validar esta estratégia, deve-se investigar se os instrumentos específicos que ela seleciona aderem aos mesmos fenômenos.

2) Momento transversal: mais uma vez, embora isso tenha sido fortemente demonstrado no passado em relação às ações, os ETFs são relativamente novos, e dos cinco fundos mútuos selecionados por Cliff Smith, o mais recente só tem dados desde 1997, Permitir que investidores menos sofisticados acessem facilmente mercados diversificados de renda fixa é uma inovação relativamente nova.

Essencialmente, ambos podem ser testados em vários parâmetros (1-24 meses).

Outra nota: com o desenvolvimento de estratégias orientadas por hipóteses, o backtest deve ser * nada mais que uma confirmação de todas as hipóteses até aquele ponto *. Ou seja, re-otimização no próprio backtest significa overfitting. Qualquer mudança proposta em uma estratégia deve ser feita na forma de hipóteses testadas, ao invés de executar um monte de backtests e selecionar os melhores testes. Em outras palavras, isso significa que cada elemento proposto de uma estratégia precisa ter alguma forma de hipótese forte que a acompanhe, a fim de ser justificada.

Então, aqui estão as duas hipóteses que testei nos fundos mútuos correspondentes:

Essencialmente, neste caso, eu faço uma regressão agrupada (ou seja, pegue os cinco instrumentos e agrupe-os em um vetor gigante), e registe a soma acumulada dos retornos mensais em relação ao retorno do próximo mês. Além disso, faço o mesmo que o acima, exceto também usando classificações transversais para cada mês e realizando uma regressão de rank rank. A amostra que eu usei foram os cinco fundos mútuos (CNSAX, FAHDX, VUSTX, VFISX e PREMX) desde seu início até março de 2009, já que os dados para o ETF final começam em abril de 2009, então eu reservei os dados do ETF para fora teste de amostras.

Aqui estão os resultados:

É interessante notar que enquanto grande parte da literatura de momentum especifica um efeito de reversão no momentum de séries temporais aos 12 meses ou mais, todos os coeficientes de regressão neste caso (até 24 meses!) Provaram ser positivos, com o próprio coeficientes de longo prazo com maior significância estatística do que os de curto prazo. No entanto, os parâmetros escolhidos por Cliff Smith (as configurações de dois e quatro meses) possuem significância estatística pelo menos ao nível de 10%. No entanto, se alguém fosse altamente conservador em termos de rejeição de estratégias, isso por si só pode ser razão suficiente para rejeitar essa estratégia aqui.

No entanto, a regressão rank-rank (isto é, a regressão da classificação transversal do mês futuro na classificação transversal da soma dos últimos n meses) provou ser estatisticamente significativa para além de qualquer dúvida, com todos os valores p sendo efetivamente zero . Em suma, há evidências extremamente fortes para o ímpeto transversal entre esses cinco ativos, que se estende por pelo menos dois anos. Além disso, como SHY ou VFISX, também conhecido como fundo de tesouraria de curto prazo, está entre os ativos escolhidos, uma vez que é um substituto para a taxa livre de risco, ao incluí-lo entre as classificações transversais, os rankings transversais também declara implicitamente que, para ser investido (como essa estratégia é uma estratégia de rotação de ativos top-1), ela deve superar o ativo livre de risco, caso contrário, por meio de processo de eliminação, a estratégia investirá no ativo livre de risco em si.

Nas próximas postagens, vou investigar hipóteses sobre sinais e regras.

Por último, a Volatility Made Simple acaba de lançar um post no blog sobre o desempenho de estratégias baseadas em volatilidade para o mês de agosto. Dado o grande aumento da volatilidade, a dispersão no desempenho de estratégias é bastante interessante. Fico feliz que, em termos de retornos no acumulado do ano, a versão modificada da minha estratégia esteja entre as 10 melhores do ano.

Obrigado pela leitura.

OBSERVAÇÃO: enquanto estou consultando atualmente, estou sempre aberto a contatos em rede, reuniões (Filadélfia e Nova York, ambos trabalham), acordos de consultoria e discussões de trabalho. Contacte-me através do meu email em ilya. kipnis@gmail, ou através do meu LinkedIn, encontrado aqui.

Compartilhar isso:

Relacionado

Pós-navegação.

21 pensamentos sobre & ldquo; Introdução ao Desenvolvimento Orientado por Hipóteses & # 8212; Visão geral de uma estratégia simples e hipóteses de indicadores & rdquo;

Ilya, bom post. Eu tenho duas perguntas:

Por que você não está removendo a interseção para as classificações como você faz para os retornos (y.

x). As estimativas e probabilidades referem-se realmente à interseção no caso de rankings.

Por que você usa médias de retornos discretos em vez de retornos cumulativos ou médias de retornos de log?

Mantenha o bom trabalho.

Na verdade, eu uso o valor p para a estimativa de regressão. A segunda linha é a estimativa de regressão, não a interceptação, que você pode encontrar acessada dentro do loop aqui:

tmp & lt; - returnRegression (monthRets, nMonths = i)

Quanto às médias de retornos discretos em vez de retornos cumulativos, é que o ROC é a diferença entre dois pontos. Então isso me dá mais dados. Mas é mais provável que seja muito semelhante na natureza.

E eu não removo o cruzamento para o ranking porque os retornos já estão centralizados, os ranks não são, então eu mantenho a interceptação lá.

Talvez eu esteja sentindo falta de algo & # 8230; A segunda linha parece ser a interseção da regressão linear de classificação.

Estimativa Std. Erro t valor Pr (& gt; | t |)

derretidoMédia $ valor 0,01829089 0,006436298 2,841835 4,643492e-03.

(Intercept) 2.69224138 0.137225579 19.619093 4.568979e-66.

derretidoRankAvg $ valor 0.10258621 0.041375069 2.479421 1.344357e-02.

Obrigado pela explicação sobre por que a interseção é necessária.

& gt; um resumo de lmfit (lmfit)

Mínimo 1T Mediana 3T Máx.

-2,56744 -0,76535 0,06351 0,76057 2,46539.

Estimativa Std. Erro t valor Pr (& gt; | t |)

(Intercepção) -0,002372 0,105546 -0,022 0,982.

b -0,002547 0,113137 -0,023 0,982.

Erro padrão residual: 1,047 em 98 graus de liberdade.

R-quadrado múltiplo: 5.17e-06, R-quadrado ajustado: -0.0102.

Estatística F: 0,0005067 em 1 e 98 DF, valor de p: 0,9821.

O valor é a segunda linha dos coeficientes.

Espero que isto ajude.

Obrigado pela sua postagem. Sugiro adicionar a linha de código.

abaixo dos outros & # 8220; exigir & # 8221; linhas. Quando eu comecei a executar o seu script, o R reclamou por não encontrar o & # 8220; melt & # 8221; função.

Já estava na função returnRegression, mas editei no topo.

Eu testei o código com portfólio aleatório e a regressão rank-rank parece muito semelhante. Alguma idéia sobre isso?

Este foi o código para gerar as classificações aleatórias. Espero que tenha acertado.

nMonthAverage & lt; - apply (retorna, 2, runSum, n = nMeses)

nMonthAverage & lt; - xts (nMonthAverage, order. by = index (retornos))

para (i em 1: nrow (aleatório))

Então, você está gerando a partir de uma distribuição uniforme todo mês e, supondo que seja um número inteiro, então, com certeza, você está efetivamente fazendo a mesma coisa.

Por que você subtrai 1 ao executar a regressão aqui?

Para remover a interceptação. Estou afirmando que quero regredir apenas contra a variável independente, não uma interceptação.

Meu conhecimento de estatísticas não é ótimo. Como você tem certeza de que a interceptação é zero aqui? Eu verifiquei o qqplot e parece bem, mas eu não entendo a intuição. Obrigado.

Não entendo sua resposta para Hugo.

Como você usou o rbind, o objeto tmp consiste em três linhas.

Primeira linha para coeficiente de regressão na Média derretida.

Segunda linha para interceptar em meltedRankAvg.

Terceira linha para o coeficiente de regressão em meltingRankAvg.

Então, eu acho que é necessário tmp [1,], tmp [3,] para mostrar o coeficiente de regressão.

Negociação Quantitativa.

Investimento quantitativo e idéias de negociação, pesquisa e análise.

Quarta-feira, 02 de janeiro de 2013.

A pseudo-ciência do teste de hipóteses.

88 comentários:

Concordo em não voltar muitos anos para os dados. Eu baseei os sistemas deste ano em 2009-2012, com maior peso nos últimos 2 anos. O que me leva à minha pergunta: dado um backtest contendo & gt; 5000 negociações durante este período, selecionadas de um universo de.

1200 ações (de modo que cada ação só é provável de ser negociada algumas vezes, ou seja, a configuração é rara), com um período médio de detenção de 3 dias, e dado que nenhuma aleatorização de qualquer parte do sistema pode ser encontrada Não diminua significativamente o retorno, qual é a maneira correta de pensar sobre a relevância estatística desses resultados como um preditor de retornos futuros?

Certamente, quanto maior o número de negociações, mais significativos são os resultados. No entanto, se a estratégia é realmente previsível depende se.

1) As regras são complicadas, resultando em overfitting.

2) As razões fundamentais para o sucesso da estratégia mudaram.

Concordo, sinta-se bem com ambos os pontos e entenda sobre a hipótese nula. O que tenho menos certeza é em que medida (se houver) o tamanho do universo de estoques, ou seja, a infrequência de negócios por ação, pode anular o benefício estatístico da grande contagem total de transações.

Obrigado por este ótimo post e o artigo de Gill. Isso me faz repensar as muitas sutilezas da inferência estatística.

Devemos nos preocupar apenas com o número total de negócios, não com o número de negócios por ação, para avaliar a significância estatística.

O artigo recomenda a análise bayesiana, embora eu ache que é muito tedioso para o backtesting.

2) A pessoa é um membro do Congresso.

3) Portanto, é altamente improvável que ela seja uma americana. & Quot;

Feliz Ano Novo para você também.

O bid-ask depende, até certo ponto, do preço da ação. Para um estoque de alto preço, como o GOOG, ele pode ser maior que 1 centavo momentaneamente.

Eu acredito que você entendeu mal o sentido desse exemplo. A dedução é supostamente defeituosa, mas é idêntica à dedução usada em testes de hipóteses comuns.

Estou quase terminando o livro (lendo o capítulo sobre mercado de ações).

Eu certamente apoiaria a estratégia em 2007-2009 para ver se sobrevive à crise financeira.

2007-2012 é de 5 anos: significância estatística suficiente para uma estratégia que é negociada diariamente ou pelo menos semanalmente.

Boa tarde Ernie,

ETFs inversos costumam ser difíceis de serem emprestados. As taxas de empréstimo que o seu corretor cobra frequentemente sobrecarregam qualquer lucratividade. Caso contrário, todo mundo estaria envolvido em tal gerador de caixa sem risco.

Obrigado pelo feedback sobre o livro, Ernie. Soa encorajador. Vou adicioná-lo à minha lista de leitura!

Quando eu negociei a AAPL há vários meses, a diferença era raramente, se um centavo. Era tipicamente $ .10 a $ .20.

Você disse, eu concordo com você que, se os resultados do backtest forem ruins, podemos dizer com confiança que os resultados futuros também serão ruins. Por outro lado, se os resultados do backtest forem bons, os resultados futuros podem ser bons ou ruins com igual probabilidade.

Na minha experiência, eu acho um padrão de algum tipo. Esse padrão pode fornecer uma vantagem estatisticamente verificável, pode continuar por anos, e pode envolver centenas ou mesmo milhares de comércios & # 8230; Mas assim que começo a negociar esse padrão, as mesmas ferramentas que encontraram o padrão confirmam que ele desapareceu, muitas vezes de forma muito abrupta e distinta.

2. Acredite que o padrão continuará, pelo menos por algum tempo, e coloque o dinheiro em risco, antes mesmo de você poder provar. que o padrão é válido.

3. Reconhecer quando o padrão quebra ou degrada, seja porque muitas outras pessoas tenham encontrado o padrão ou porque algum deslocamento de mercado subjacente tenha se suavizado, e então pare de negociá-lo.

4. Encontre um novo padrão o mais rápido possível & # 8230; ..

Eu concordo com tudo o que você disse. Finanças não tem estatísticas estacionárias, o que significa que os métodos estatísticos têm uso limitado.

Normalmente, a participação nos lucros passa de 10 a 16% dentro de um fundo de hedge.

Corrija-me se isto não for verdade no seu fundo. mas acredito que quando as pessoas dizem $ 20M, isso significa que não é necessário.

hmmm, os comentários acima sobre o tamanho do fundo são interessantes. Eu estaria interessado em ouvir os pensamentos de Ernie e outros pôsteres sobre o que é um retorno realista para os fundos quantificados do tipo não-HFT (ou seja, negociando em intervalos de 5 minutos, ou até mesmo principalmente estratégias do fim do dia) ) poderia ser realisticamente alcançado? Conheço os investidores privados com fundos de baixo valor de 8 dígitos, mas negocio apenas como investidores de valor / fundos macroeconômicos que podem alcançar & gt; Retornos de 50%, se eles podem levar isso para o futuro eu não tenho certeza. Eu conheço Ernie, que você é um grande fã de índices de Sharpe, mas de uma perspectiva de retorno, onde você vê o operador privado fazendo negócios através do IB sendo capaz de alcançar? Eu sei que há muitas variáveis, mas seria interessante examinar se os custos de manutenção para um comerciante sistemático são maiores ou menores que os exigidos por um trader fundamentalista concentrado?

Os retornos dependem da estratégia e alavancagem específicas. Não acredito que exista um & quot; maximum & quot; que um operador de baixa frequência no IB pode alcançar. Se você usar alavancagem alta o suficiente e tiver sorte, mais de 100% de retorno é certamente possível. a única questão é que tipo de risco estamos enfrentando em troca?

Uma estratégia quantitativa pode certamente morrer devido a mudanças fundamentais no mercado. Então, é preciso estar ciente de tais mudanças e ver se é hora de eliminar a estratégia, especialmente quando sua redução é mais profunda e mais longa do que o esperado.

A cgqdatafactory oferece dados de carrapatos futuros que são mais baratos que tickdata.

Não tenho certeza se o TSX tem menos arbitragem. Apenas um backtest pode decidir isso!

Sobre o desempenho alcançável: Em 26 meses de negociação, estou em um 100% / ano, 30% vol / ano e 30% maxDD (volume de negócios entre 3 dias e 3 meses). É cedo demais para saber se é sustentável, mas me sinto cada vez mais confiante no assunto. Eu tenho cerca de 5 estratégias em execução ao mesmo tempo. Eu tenho 3 grandes tipos de estratégias que estão funcionando muito bem. Sinto que posso melhorar ainda mais meu desempenho com mais tempo de pesquisa e desenvolvimento.

Eu também negocio com patrimônio muito baixo, o que torna o pensamento muito mais fácil.

Penso que o meu principal risco poderia ser um mal-entendido do LTCM, ou seja, alguns grandes jogadores estão a fazer os mesmos negócios e quando algo corre mal toda a gente está a desmantelar e você está morto! (amazon / Quando-Genius-Failed-Long-Term-Management / dp / 0375758259 é uma leitura obrigatória)

Mas eu não sinto que há grandes jogadores fazendo a mesma coisa em meus 3 tipos de estratégias.

Concordo que um bom backtest não é tanto em significatividade estatística, mas deve seguir as seguintes regras:

- Não tente muitos regressores.

- Compreender porque fundamentalmente a estratégia está funcionando.

- Somente resultados fora da amostra são importantes.

- Descartar a estratégia quando os fundamentos não são mais válidos (quando digo fundamentos não é sobre o estado do mercado, mas mais sobre os impactos dos atores)

sinalizado aleatoriamente (1 1 - 1 1 -1 -1 1 -1 1 1 -1 -1 1) que fortemente autocorrelacionado (1 1 1 1 1 - 1 - 1 - 1 -1 1 1 1 1 1 1).

Eu sinto que a significância estatística tem muito mais sentido para os regressores radiologicamente assinados que não são regressores fortemente autocorrelacionados.

Você concorda com aquilo ?

Mais explicações formais?

É certamente possível fazer frente ao reequilíbrio da ETF, mas acho que é provável que seja indistinguível de um comércio diário de reversão da média, já que é provável que um ETF compre uma ação que caiu em valor naquele dia para manter sua porcentagem no fundo. .

IB armazena-os em apenas 0,000.

Um decimal desaparece.

Você pode verificar os tickers LLOY e BARC no LSE no IB.

Isso é bom saber. Eu não troquei ações da LSE antes, talvez outros leitores possam comentar sobre isso?

Obrigado Ernie por responder minha pergunta referente à frente correndo etfs!

Eu costumava usar a API do Lime Brokerage para negociação. Isso é, em muitos aspectos, muito superior ao do IB.

Eu uso a fórmula de Kelly para determinar a alavancagem do meu sistema. Não sei exatamente como você determina a alavancagem usando a simulação de Monte Carlo.

desculpe, eu não expliquei bem o suficiente no meu primeiro post:

Sim, encontrar a alavancagem ideal através de simulações de Monte Carlo pode ser um bom caminho. Descobri, no entanto, que para algumas das minhas estratégias de negociação, esse método resulta em alavancagem bastante semelhante à de Kelly.

Por que não tentar pontos de entrada diferentes no backtest e descobrir quais são os melhores da Sharpe?

Eu gostaria de fazer um estudo das ações européias, mas acho que é muito caro e difícil de encontrar.

Eu não usei volatilidade de opções para prever entradas de comércio ideais antes. Se você encontrar documentos relevantes, compartilhe-os conosco e comentarei sobre eles.

A IB teve uma interrupção nos dados de FX das 17h15 às 19h00 de ontem. Isso afetou as contas de produção e negociação de papel. No entanto, eu não tinha experimentado isso antes e não julgaria um corretor com base em uma interrupção única.

Re: Michael Harris & # 39; noção de que usar metas de lucro e deter perdas pode revelar se o backtest é puramente sorte. Em geral, uma boa estratégia deve ser insensível a diferentes pequenas mudanças em sua lógica. Adicionando limites de lucro e perdas de parada são certamente algumas das maneiras de perturbar a lógica e ver se a resposta é suficientemente pequena. No entanto, existem outras formas, como a introdução de ligeiros atrasos nos tempos de entrada ou saída.

Não tentei coletar dados de estoques intradiários europeus, mas se você tiver uma conta do Interactive Broker, poderá fazer o download de pelo menos meio ano desses dados gratuitamente.

Tente também esignal.

O atraso não deve ser mais do que alguns minutos do original, caso contrário, seria uma estratégia totalmente diferente!

Como sou jovem e sem um histórico longo e clássico, também é muito difícil encontrar sementes!

Como você pode semear quantidades menores? (fora da família e amigos)

Se é uma estratégia de FX, confira sites como o Currensee. Tenho certeza de que existem sites semelhantes para estratégias de ações.

Obrigado pelas referências. Vou estudá-los e talvez postar minhas opiniões no próximo post do blog.

Os dois últimos artigos que você mencionou são os mesmos: isso é intencional?

Você deve ler O culto do significado estatístico por Ziliak e McCloskey.

Livro interessante - obrigado.

O DTN / Nanex nxcore também é considerado outro provedor de dados de carrapatos histórico decente.

Sim, os carimbos de 1 minuto do CQF são irritantes. Obrigado pela dica sobre Morningstar e DTN.

A Morningstar, eu sei, oferece downloads de dados em massa de dados de ticks no final do dia via FTP. Então você pode começar a usar isso em Matlab ou Python, imediatamente.

Peter H. afirma que um trabalho como esse deveria levar.

O custo de estoques comuns a descoberto depende do estoque, em particular, depende se o estoque é difícil de obter.

Lista de ações da HTB é fácil de obter diariamente, mesmo da Interactive Brokers & # 39; local na rede Internet. Mas é difícil encontrar registros históricos disso. Então você tem que salvá-los daqui para frente.

2) A pessoa é um membro do Congresso.

3) Portanto, é altamente improvável que ela seja uma americana. & Quot;

2) e 3) P (C | A) == & gt; P (A | C) é baixo, o que é um absurdo.

1) * retornos de ações são normalmente distribuídos.

2) * Se os retornos das ações seguem a dist. Normal, raramente devemos ver oito eventos sigma em um ano comercial de 250, se em algum momento da nossa vida.

3) * Observamos (adivinhação sem noção) vários eventos de oito sigma por ano / década, etc. Portanto, é razoável pensar que os retornos das ações não são normalmente distribuídos.

Deixe-me reformular seu H0 sobre distribuições de retornos de ações.

2) Nosso retorno é 6-sigma.

3) Portanto, é altamente improvável que a distribuição de retornos seja normal.

1) Se uma pessoa é um americano, então é altamente improvável que ela seja um membro do Congresso.

2) A pessoa é um membro do Congresso.

3) Portanto, é altamente improvável que ela seja uma americana.

1) Se uma distribuição de retornos é normal, é altamente improvável que tenhamos um retorno 6-sigma.

2) Nosso retorno é 6-sigma.

3) Portanto, é altamente improvável que a distribuição de retornos seja normal.

1) Se uma pessoa é um americano, então é altamente improvável que ela seja um membro do Congresso.

2) A pessoa é um membro do Congresso, incluindo congressos de vários países.

3) Portanto, é altamente improvável que ela seja uma americana.

1) Se uma distribuição de retornos é normal, é altamente improvável que tenhamos um retorno 6-sigma.

2) Nosso retorno é 6-sigma, incluindo retornos 6-sigma de várias distribuições estatísticas.

3) Portanto, é altamente improvável que a distribuição de retornos seja normal.

Também tem havido recentemente trabalhos que estudaram o número de artigos acadêmicos relatando vários valores de p que mostram um jogo muito óbvio sendo jogado, eu tentarei lembrar o nome.

Hipótese do Mercado Eficiente - Estratégia de Negociação Forex.

Divulgação de Risco Forex.

A National Futures Association (NFA) e a CFTC (Commodity Futures Trading Commission) nos Estados Unidos e a Financial Services Authority (FSA) no Reino Unido exigem que os clientes sejam informados sobre os riscos potenciais no mercado Forex (veja as informações abaixo). Se você não entender alguma das informações fornecidas nesta página, entre em contato conosco ou procure orientação de um consultor financeiro independente. & # 160; Risco associado ao Forex Trading.

Negociações em moeda estrangeira, fora da bolsa, carregam um alto nível de risco e podem não ser adequadas para todos os investidores. O alto grau de alavancagem pode funcionar contra você e também para você. Antes de decidir investir em moeda estrangeira, você deve considerar cuidadosamente seus objetivos de investimento, nível de experiência e apetite de risco.

Existe a possibilidade de você sustentar uma perda de parte ou de todo o seu investimento inicial e, portanto, não deve investir dinheiro que não pode perder. Você deve estar ciente de todos os riscos associados à negociação em moeda estrangeira e procurar orientação de um consultor financeiro independente, caso tenha alguma dúvida.

Quaisquer opiniões, notícias, pesquisas, análises, preços ou outras informações contidas neste site são fornecidas como comentários gerais de mercado e não constituem conselhos de investimento. A JarrattDavis não se responsabiliza por qualquer perda ou dano, incluindo, sem limitação, qualquer perda de lucro, que possa surgir direta ou indiretamente do uso ou confiança em tais informações.

Precisão de Informação.

O conteúdo deste site está sujeito a alterações a qualquer momento, sem aviso prévio, e é fornecido com o único propósito de ajudar os comerciantes a tomar decisões de investimento independentes. A JarrattDavis tomou medidas razoáveis ​​para garantir a precisão das informações no site, no entanto, não garante a sua precisão, e não aceitará a responsabilidade por qualquer perda ou dano que possa surgir direta ou indiretamente do conteúdo ou sua incapacidade de acessar o site. , por qualquer atraso ou falha na transmissão ou recebimento de qualquer instrução ou notificação enviada por meio deste site.

CFTC REGRA 4.41 - OS RESULTADOS DE DESEMPENHO HIPOTÉTICOS OU SIMULADOS TÊM CERTAS LIMITAÇÕES. A PARTIR DE UM REGISTRO DE DESEMPENHO REAL, OS RESULTADOS SIMULADOS NÃO REPRESENTAM A NEGOCIAÇÃO REAL. TAMBÉM, UMA VEZ QUE AS COMERCIALIZAÇÕES NÃO FORAM EXECUTADAS, OS RESULTADOS PODEM TER COMPENSADO PARA O IMPACTO, SE ALGUM, DE DETERMINADOS FATORES DE MERCADO, COMO A 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 SENDO FEITA QUE QUALQUER CONTA PODERÁ OU POSSIBILITAR LUCROS OU PERDAS SEMELHANTES AOS APRESENTADOS.

O desempenho de negociação exibido aqui é hipotético. Os resultados de desempenho hipotético têm muitas limitações inerentes, algumas das quais são descritas abaixo. Nenhuma representação está sendo feita de que qualquer conta terá ou poderá obter lucros ou perdas semelhantes aos mostrados. De fato, há freqüentemente grandes diferenças entre os resultados de desempenho hipotéticos e os resultados reais obtidos posteriormente por qualquer programa de negociação específico. Uma das limitações dos resultados de negociação de desempenho hipotético é que eles são geralmente preparados com o benefício da retrospectiva. Além disso, a negociação hipotética não envolve risco financeiro, e nenhum registro hipotético de negociação pode explicar completamente o impacto do risco financeiro na negociação real. Por exemplo, a capacidade de suportar perdas ou de aderir a um determinado programa de negociação, apesar das perdas de negociação, são pontos importantes que também podem afetar negativamente os resultados reais de negociação. Existem inúmeros outros fatores relacionados aos mercados em geral ou à implementação de qualquer programa de negociação específico que não pode ser totalmente contabilizado na preparação de resultados hipotéticos de desempenho e todos os quais podem afetar negativamente os resultados reais de negociação.

Isenção de responsabilidade exigida pelo governo dos EUA - A negociação de futuros e opções da Commodity Futures Trading Commission tem grandes recompensas em potencial, mas também grande risco potencial. Você deve estar ciente dos riscos e estar disposto a aceitá-los para investir nos mercados de futuros e opções. Não negocie com dinheiro que você não pode perder. Esta não é uma solicitação nem uma oferta para comprar / vender futuros ou opções. Nenhuma representação está sendo feita de que qualquer conta terá ou poderá obter lucros ou perdas semelhantes àquelas discutidas neste site. O desempenho passado de qualquer sistema ou metodologia de negociação não é necessariamente indicativo de resultados futuros.

Negocie a seu próprio risco. A informação fornecida aqui é da natureza de um comentário geral apenas e não pretende nem pretende ser, aconselhamento comercial específico. Foi preparado sem ter em conta os objectivos de investimento, a situação financeira e as necessidades particulares de uma determinada pessoa. As informações não devem ser consideradas como uma oferta ou incentivo para comprar, vender ou negociar.

Você deve procurar aconselhamento adequado de seu corretor ou consultor de investimento licenciado antes de tomar qualquer ação. O desempenho passado não garante resultados futuros. Resultados de desempenho simulados contêm limitações inerentes. Ao contrário dos registros de desempenho reais, os resultados podem compensar ou exceder os fatores, como a falta de liquidez. Nenhuma representação está sendo feita que qualquer conta terá ou poderá obter lucros ou perdas para aqueles mostrados.

O risco de perda na negociação pode ser substancial. Portanto, você deve considerar cuidadosamente se essa negociação é adequada para você em função de sua condição financeira.

Se você comprar ou vender Ações, Futuros, Moedas ou Opções, poderá sustentar uma perda total dos fundos de margem inicial e quaisquer fundos adicionais que você depositar com seu corretor para estabelecer ou manter sua posição. Se o mercado se mover contra a sua posição, você pode ser chamado pelo seu corretor para depositar uma quantia substancial de fundos de margem adicionais, em curto prazo, a fim de manter sua posição. Se você não fornecer os fundos necessários dentro do prazo estabelecido, sua posição poderá ser liquidada com prejuízo, e você poderá ser responsabilizado por qualquer déficit resultante em sua conta.

Sob certas condições de mercado, você pode achar difícil ou impossível liquidar uma posição. Isso pode ocorrer, por exemplo, quando o mercado faz um "movimento de limite". A colocação de ordens contingentes por você, como uma ordem de "stop-loss" ou "stop-limit", não limitará necessariamente suas perdas aos valores pretendidos, uma vez que as condições do mercado podem impossibilitar a execução de tais ordens.

Ao adquirir qualquer programa ou produto da JarrattDavis, você reconhece e aceita que todas as decisões de negociação são de sua exclusiva responsabilidade, e o autor, Jarratt Davis e qualquer pessoa associada à JarrattDavis não pode ser responsabilizada por quaisquer perdas incorridas como resultado.

Nota: Todas as informações desta página estão sujeitas a alterações. O uso deste site constitui aceitação do nosso contrato de usuário. Por favor, leia nossa política de privacidade e termos de responsabilidade legal.

A negociação de divisas estrangeiras na margem implica um alto nível de risco e pode não ser adequada para todos os investidores. O alto grau de alavancagem pode funcionar contra você e também para você. Antes de decidir negociar o câmbio, você deve considerar cuidadosamente seus objetivos de investimento, nível de experiência e apetite de risco. Existe a possibilidade de você sustentar uma perda de parte ou de todo o seu investimento inicial e, portanto, não deve investir dinheiro que não pode perder. Você deve estar ciente de todos os riscos associados à negociação de câmbio e procurar aconselhamento de um consultor financeiro independente, se tiver alguma dúvida.

Como projetar estratégias de negociação Quant usando R?

Este blog aborda em breve o conceito de back-testing de estratégia usando R. Antes de nos determos nos jargões de negociação usando R, vamos passar algum tempo entendendo o que R é. R é uma fonte aberta. Existem mais de 4000 pacotes adicionais, 18.000 mais membros do grupo do LinkedIn e cerca de 80 grupos Meetup atualmente existentes. É uma ferramenta perfeita, para análise estatística, especialmente para análise de dados. A configuração concisa do Comprehensive R Archive Network sabe como CRAN fornece uma lista de pacotes, juntamente com a instalação básica necessária. Há muitos pacotes disponíveis dependendo da análise que precisa ser feita. Para implementar a estratégia de negociação, usaremos o pacote chamado quantstrat.

Processo de quatro etapas de qualquer estratégia básica de negociação.

Teste de formação de hipóteses.

Nossa hipótese é formulada como “mercado é revertido à média”. A reversão à média é uma teoria que sugere que os preços acabam voltando ao valor médio. A segunda etapa envolve testar a hipótese para a qual formulamos uma estratégia em nossa hipótese e calculamos indicadores, sinais e métricas de desempenho. A fase de testes pode ser dividida em três etapas, obtendo os dados, escrevendo a estratégia e analisando a saída. Neste exemplo, consideramos NIFTY-Bees. É um fundo negociado em bolsa administrado pela Goldman Sachs. NSE tem um volume enorme para o instrumento, portanto, consideramos isso. A imagem abaixo mostra o preço do Open-High-Low-Close do mesmo.

Nós plotamos a banda Bollinger para o preço de fechamento.

Nós definimos um nível de limiar para comparar as flutuações no preço. Se o preço aumentar / diminuir, atualizamos a coluna de limite. O preço de fechamento é comparado com a faixa superior e com a faixa inferior. Quando a banda superior é cruzada, é um sinal para vender. Da mesma forma, quando a banda inferior é cruzada, é um sinal de compra. A seção de codificação pode ser resumida da seguinte forma:

Uma visão de helicóptero para a saída da estratégia é dada no diagrama abaixo.

Assim, nossa hipótese de que o mercado é a reversão da média é suportada. Como este é o back-testing, temos espaço para refinar os parâmetros de negociação que melhorariam nossos retornos médios e os lucros realizados. Isso pode ser feito definindo diferentes níveis de limite, regras de entrada mais rigorosas, stop loss etc. Pode-se escolher mais dados para back-testing, usar abordagem bayseiana para a configuração do limite, levar a volatilidade em consideração.

Uma vez que você esteja confiante sobre a estratégia de negociação apoiada pelos resultados do backtesting, você pode entrar em negociações ao vivo. O ambiente de produção é um grande tópico em si e está fora do escopo no contexto do artigo. Para explicar em breve isso envolveria escrever a estratégia em uma plataforma de negociação.

Vídeo de Webinar.

Uma vez que você aprendeu noções básicas de projetar uma estratégia de negociação quant usando R, você pode dar uma olhada em um exemplo de estratégia de negociação codificada em R e também aprender sobre como começar a usar o pacote quantmod em R. Você também pode olhe para o nosso curso de datacamp interativo de 10 horas de ritmo próprio & # 8216; Modele uma Estratégia de Negociação Quantitativa em R & # 8216;

Os prós e contras do teste de hipóteses e backtests.

O teste de hipóteses é um instrumento na caixa de ferramentas do negociante do mercado financeiro para ajudar a orientar a estratégia de investimento por meios estatísticos.

O uso de gráficos e dados históricos é comum, mas o uso da matemática estatística é raro entre os investidores privados.

O que é teste de hipóteses?

O teste de hipóteses é um teste estatístico (às vezes chamado de backtest) que usa dados coletados de um pequeno grupo de amostra para fazer suposições sobre uma população muito maior - ndash; às vezes um país inteiro.

O teste começa com uma observação & ndash; a "hipótese nula". Os resultados obtidos durante e após o teste continuarão a apoiar a hipótese nula até que haja dados suficientes para apoiar uma "hipótese alternativa".

Uma estratégia de negociação automatizada gera uma série de negociações lucrativas com retornos superiores a 10%.

O comerciante estabelece a hipótese nula de que, a longo prazo, resultados semelhantes não podem ser repetidos regularmente.

Para o teste, as mesmas condições são simuladas usando dados que recriam preços históricos, condições de negociação & ndash; como volatilidade e retornos médios. A mesma estratégia de negociação é aplicada a essa simulação e repetida 10.000 vezes.

Se o trader descobrir que apenas 100 dos 10.000 resultados (1%) produzem retornos iguais ou maiores que a estratégia de negociação original, a hipótese nula deve ser suportada com uma probabilidade de 99%.

Se 5.000 dos resultados produzidos retornarem igual ou maior que a estratégia original, o trader pode aceitar a hipótese alternativa com uma probabilidade de 50%.

Quem usa testes de hipóteses?

Essa metodologia é usada no setor financeiro, principalmente por profissionais de investimento quantitativo (quant).

Os traders de Quant usam muitos modelos matemáticos e análises de dados diferentes para identificar oportunidades de negociação & ndash; dos quais o teste de hipóteses é apenas uma ferramenta.

Técnicas de negociação usadas por traders de quantificação incluem negociação de alta frequência e negociação algorítmica.

Ernest Chan, um comerciante quantitativo e especialista em modelos estatísticos, diz: "Testes de hipótese são úteis na medida em que se não podemos rejeitar uma hipótese nula, devemos abandonar a estratégia. No entanto, sermos capazes de rejeitar uma hipótese nula garante que a estratégia é sólida, e será rentável em negociação ao vivo ".

Testes de hipóteses e mercados.

A técnica nos diz pouco sobre os mercados. Ele não pode medir o sentimento do mercado, nem pode prever reações incomuns a dados econômicos ou resultados corporativos, por isso sua utilidade para os operadores privados (a menos que você esteja investindo em um fundo quantico) é limitada.

Chan diz: "Em vez disso, está usando o que sabemos sobre as estatísticas de mercado para determinar se nossa estratégia de negociação tem algum significado estatístico. Ou seja, se nosso backtest foi baseado em ruído aleatório".

Portanto, as estratégias de negociação que usam testes de hipóteses são tão vulneráveis ​​a eventos de movimentação de mercado quanto qualquer outro & ndash; mas não mais.

A principal crítica é expressa por Jeff Gill em seu trabalho The Insignificance ofNull Hypothesis Significance Testing usando a seguinte analogia:

Se uma pessoa é americana, é altamente improvável que ela seja um membro do Congresso. A pessoa é um membro do Congresso. Portanto, é altamente improvável que ela seja uma americana.

Embora esse exemplo venha de um estudo sobre o uso de testes de hipóteses em ciências sociais, ele também pode ser usado para ilustrar um absurdo semelhante quando aplicado a finanças:

Se uma estratégia de negociação é ruim, então é altamente improvável que ela seja lucrativa em um backtest. O backtest da estratégia de negociação é lucrativo. Portanto, é altamente improvável que a estratégia de negociação seja ruim.

Chan diz: "Você pode ver o absurdo desta 'dedução'. Só porque uma estratégia de negociação ruim normalmente produz um backtest não lucrativo, de forma alguma garante que uma estratégia de negociação não seja ruim quando gera um backtest lucrativo." t even suggest some kind of probability of soundness of the strategy."

In their book The Cult of Statistical Significance, Stephen Ziliak and Deirdra McCloskey argue that statistical significance is not the same as scientific significance and that too many mistakes are made in the misplaced emphasis on significance tests.

Conclusões

In my introduction to this article I referred to the “trader’s toolbox”, and this is a useful theme to return to here.

Many different tradesmen and women have toolboxes, but not one of them would ever think of only using one single tool for a job that requires many.

Hypothesis testing is only one of many tools and is only used – even by professional quant traders – in conjunction with all the other tools at their disposal.

Don’t fall prey to the notion that if all you have is a hammer, then everything starts to look like a nail.

Additional reporting by Ernest Chan.

Negociar CFDs é arriscado e você pode perder todo o seu capital investido. Por favor, consulte a nossa declaração de Divulgação de Risco.

A Capital Com Investments Limited é uma Empresa Registrada em Chipre com o Número de Registro da Empresa HE 354252. É uma Empresa de Investimento do Chipre, licenciada pela Comissão de Valores Mobiliários do Chipre (CySEC), sob o número de licença 319/17.

A Capital Com SV Investments está autorizada a prestar serviços de investimento em mais de 20 países europeus.

É uma Empresa de Investimento após a implementação da Directiva de Mercados de Instrumentos Financeiros (MiFID).

As informações encontradas neste site não são aplicáveis ​​a residentes dos EUA ou da Bélgica e não devem ser usadas ou distribuídas em qualquer país ou jurisdição onde isso contrarie a legislação e os regulamentos internos.