Метрики производительности стратегии


Метрики производительности стратегии
Atom
15.02.2012


Давайте поговорим о такой важной теме, как показатели качества стратегии. Как известно, для объективной оптимизации необходимо создать 1 единственный целевой показатель. Что вы предпочитаете использовать?

Я читал о или пробовал множество показателей, таких как PF, RF, Sharpe, CAGR, RAR, E-ratio и т.д., но всегда есть простор для улучшения. Что предпочитаете использовать вы?



Спасибо:


Evgeny_K

Фотография
Дата: 16.02.2012
Ответить


Разобраться в этом руки пока не доходят. При тестировании в WL просто смотрю PF.

Читал как-то умную книжку про опционы. Там
1) разрабатывались свои показатели;
2) подчеркивалось, что универсального показателя нет. Поэтому при отборе стратегий лучше сравнивать несколько показателей сразу.
Спасибо:

Church

Фотография
Дата: 17.02.2012
Ответить


Evgeny_K Перейти
Читал как-то умную книжку про опционы. Там
1) разрабатывались свои показатели;
2) подчеркивалось, что универсального показателя нет. Поэтому при отборе стратегий лучше сравнивать несколько показателей сразу.

2) явно ошибка, т.к. нет объективного способа выбрать лучшую стартегию на основе нескольких показателей - только если сплавить их в один. И да, для этого надо разрабатывать свои показатели, хотя чужие тоже могут подойти.

Пример показателя, который характеризует плавность кривой эквити - Sharpe. Sharpe = avg gain / StdDev of gain.
Спасибо:

MSH

Фотография
Дата: 20.02.2012
Ответить


Обычно смотрю макс. просадку и PF. Никак не дойдут руки разобраться до конца в этом и определить оптимальный вариант, поэтому буду рад услышать других :)
Спасибо:

Church

Фотография
Дата: 20.02.2012
Ответить


Был на курсах у АГ. По этой теме говорилось следующее:
1) Шарп плох, потому что он пенализирует тяжелый положительный хвост (изначально он создавался для оценки эффективности взаимных фондов).
2) MaxDD смотреть некорректно, т.к. это единичный результат за период тестирования (статистический выброс). Корректно оценивать MaxDD на основе Монте-Карло сэмплинга (случайные перестановки произвольным образом выбранных участков приращений эквити) при числе испытаний как минимум 100 (лучше 10000). (делается допущение о независимости соседних участков приращений эквити)
3) Итоговый показатель должен оценивать соотношение доходности (какая-то характеристика среднего приращения) и риска (какая-то характеристика минусового хвоста).
4) Рекомендовал: коэффициент Кальмара, коэффициент Сортино.
Спасибо:

Evgeny_K

Фотография
Дата: 20.02.2012
Ответить


Еще могут быть интересны показатели, которые показывают, какую долю времени от полного времени тестирования капитал реально работал, т.е. был вложен в активы. Потому что, если он работал мало - нечастые, но точные входы и быстрые выходы - то он может в промежутках между открытыми позициями поработать где-то еще.
Спасибо:

Church

Фотография
Дата: 21.02.2012
Ответить


Evgeny_K Перейти
Еще могут быть интересны показатели, которые показывают, какую долю времени от полного времени тестирования капитал реально работал, т.е. был вложен в активы. Потому что, если он работал мало - нечастые, но точные входы и быстрые выходы - то он может в промежутках между открытыми позициями поработать где-то еще.

...и еще меньше вероятность попасть под черных лебедей. Это называется Exposure, вроде велс его меряет. Но это скорее вторичный показатель.
Спасибо:


Добавить файлы через драг-н-дроп, , или вставить из буфера обмена.

loading
clippy