Sistema sencillo para empezar?

[Gratphil]

Gratphil


Estoy de acuerdo en parte de lo que expresas, lo que ocurre es que los conceptos complejidad/sobreoptimización para mi nunca deben viajar juntos.

A mi nunca se me ocurriría parametrizar indicadores u osciladores, medias etc. y si me apuras ni siquiera patrones.
Pero creo que con una serie de 10 o más años, y unas 10 000 operaciones, a lo que se le suma una hibernación del método en riguroso tiempo real de 6 meses, te puede dar una base bastante clarificadora. Y repito, sin hacer optimizaciones ni ningún tipo de walkforward.


Saludos

Perdona qué quieres decir con una hibernación de 6 meses en riguroso tiempo real? Probar el sistema en real, quizá con un tamaño de las posciones reducido durante 6 meses?. Te parece suficiente tiempo de ejecución fuera de muestra?

En cuanto a lo que comentas de no mezclar sobreoptimización con complejidad, creo que te equivocas. La sobreoptimización está completamente relacionada con el número de variables que empleas en el sistema y parámetros que puede tomar con cada variable y con el histórico que manejes. A mayor histórico, efectivamente puedes aumentar la complejidad y a la inversa, con menos histórico el sistema debe ser mucho más simple. A lo anterior añadiría que el sistema debe responder a un concepto genérico que es el que queremos explotar.

También me pregunto dado que no parametrizas ni optimizas nada, qué clase de sistemas ejecutas. Esto solo es curiosidad ya que no capto de que pueden ir tus sistemas.

Saludos

[Rango Starr]

.

[Rafa7]

Si un ruido no lo sabemos decodificar pero sí tiene una función de distribución que sabemos decodificar, sigue siendo aleatorio pero ya no es ruido.

La belleza de un debate, son las opiniones opuestas.

Tu afirmación es contraria a la mía, de hecho desde el momento que uno sabe decodificar el ruido, ya no es aleatorio para él precisamente, y por supuesto que no es ruido, pero para el que sepa decodificarlo.


Saludos

Feroz, si sabes decodificar un ruido, deja de ser ruido y también deja de ser aleatorio.
Y si no sabes decodificar un ruido pero si sabes decodificar su función de distribución, deja de ser ruido, pero no deja de ser aleatorio.

Supongo Feroz, que para tí ruido y aleatorio son sinónimos.
Para mí no son sinónimos.
Supongo que por eso dices que mi afirmación es contraria a la tuya.
¿Es por esto que no estás de acuerdo? ¿Porque para tí ruido y aletoriedad siempre van juntos?



Saludos.

[Rafa7]

Una cosa es ruido, y otro aleatorio.

Efectivamente. Para mi ruido y aleatorio son cosas diferentes.

La misma definición de aleatorio implica "impredecible".

¿Qué es más impredecible? ¿Una variable aleatoria X con distribución lognormal o la distibución de los rendimientos bursátiles?
¿Para ti son igualmente impredecibles X y los rendimientos bursátiles?

[Rango Starr]

.

[Rango Starr]

.

[Rafa7]

Ruido para mí es algo que no podemos modelizar de ninguna manera.
Si podemos modelizar la función de distribución de una variable aleatoria, la variable aleatoria sigue siendo variable aleatoria, pero no es ruido porque al menos podemos modelizar su función de distribución.

¿Qué es más impredecible? ¿Una variable aleatoria X con distribución lognormal o la distibución de los rendimientos bursátiles?
¿Para ti son igualmente impredecibles X y los rendimientos bursátiles?

te dire que ambas cosas están igualmente indeterminadas. Son igualmente "impredecibles"

Un experto en opciones no estaría de acuerdo contigo.

[Rafa7]

otra cosa es que tengas una estadística de datos, y obtengas una "probabilidad" de que el precio se moverá en una determinada dirección. Pero la próxima tirada sera "impredecible", aunque contara con idéntica "probabilidad" de moverse en la misma dirección que la anterior. Seria espeso de explicar para un cuasi profano como yo, aunque supongo que entiendes lo que estoy diciendo.

Una cosa es preveer probabilidades en función de una estadística y otra cosa es preveer probabilidades en función de una función de distribución conocida.
En el primer caso sucederán Cisnes Negros. (Cisnes Negros = sucesos de ganacias extremas o de pérdidas extremas, a los que les asignamos una probabilidad mucho menor de la que realmente tienen porque erramos en modelizar su función de distribución).
En el segundo caso no hay Cisnes Negros.

[Rango Starr]

.

[Rafa7]

Y cuando lanzas una moneda al aire, tienes un 50% de probabilidades de que salga cara. Cuando vuelves a lanzarla, vuelves a tener el mismo 50%. Pero tu ni en la primera ni en la segunda tirada tenias ninguna idea de lo que iba a salir. Solo la probabilidad de que saliera.

Rango Starr,



Supongamos que tienes un juego de azar que te dice si ganas o si pierdes. Si ganas ganas 2 euros por cada euro apostado. Y si pierdes pierdes 1 euro por cada euro apostado. Pero no te dicen cual es la probabilidad de que ganes. Y esta probabilidad es del 40%.

¿Qué harás?
Pues primero harás apuestas de un euro a ver que estadísticas da. A partir de las estadísticas aplicarás un algoritmo que te indique cuantos euros apostar en cada jugada, ajustando el algoritmo a frecuencia con que ganes (o sea dinámicamente estás deduciendo las probabilidades).

Ahora supongamos que otro jugador hace este mismo juego pero le dicen que la probabilidad de acertar es del 40%. La cosa cambia, jugará con mayor ventaja. Directamente aplicará el algoritmo óptimo a esa probabilidad de acierto, y ganará más dinero y con menos probabilidad de arruinarse.

Para el primer jugador la probabilidad es ruido porque no sabe nada al respecto. Sólo se irá dando cuenta de cual es la probabilidad a través de las estadísticas de las operaciones que vaya realizando.
Para el segundo jugador la probabilidad es certeza. No tiene certeza de si la próxima operación ganará o perderá, pero si tendrá certeza de la probabilidad de acierto.

Lo que quiero decir es que si de un ruido sabemos cual es su función de distribución, no vamos a tener certeza de si la próxima operación será ganadora o perdedora, pero sí tendremos certeza de cual es la probabilidad de acierto, cual es la esperanza matemática y cual es la desviación típica, etc ..., y todo ello con gran precisión, y por lo tanto ya no es ruido (o dicho de otro modo, ya no es tan imprevisible).

No sé si consigo explicarme.



Saludos.

[Rango Starr]

.

[Rafa7]

Dicho de otro modo, hay variables aleatorias con función de distribución conocida y hay variables aleatorias con función de distribución desconocida. Al segundo tipo de variables les llamo ruido.
Y, en este sentido, una variable aleatoria con función de distribución conocida es menos imprevisible que el ruido.

[dojitrade]

Hola mne meto en vuestra charla para dar una opinion a cerca del ruido que mencionais. Simplemente en TF bajos se producen movimiento que parecen aleatorios pero si en tf altos el movimiento es considerado coherente, entonces en TF lo debe ser tambien. Un evento que ocasiona movimientos aleatorios en su base no puede generar movimientos predecibles en la superficie, ya que, como he dicho, cada vela de 1H está sustenteada en 60 velas de 1M.

Larga vida y prosperidad

[Rafa7]

En lugar de ver en que discrepamos, intentemos ver en que tenemos consenso.
Digamos que una zona de ruido es una zona donde no sabemos como interpretar la trayectoria del precio.

Y ante el ruido hay dos puntos de vistas:
1.- Verlo como un peligro. Postura mayoritaria, en la que me incluyo yo.
2.- Verlo como una oportunidad. Postura minoritaria, en la que incluyo a Feroz.



Saludos.

[Feroz]

Para empezar, sería mejor definir ruido en modo gráfico, con una captura