“Sobre el tema de la detección anticipada de un sistema, depende de los fundamentos en los que está construido el sistema. El trader particular (retail) que no tenga conocimientos científicos, econometría, series temporales, etc (es decir una gran mayoría) desarrolla sus estrategias por "Data Minning", es decir buscando patrones recursivos en los gráficos, no le importa si existe una causa fundamental o empírica (analizando la serie temporal) por la que un determinado conjunto de reglas parece capturar una ineficiencia. Por ello, sólo puede evidenciar la rotura de un sistema cuando se han producido una muestra significativa de operaciones que estadísticamente determina que está jugando a una cosa distinta de la prevista. No hay forma de poder adelantarse al Drawdown sin esa muestra de trades.
Sin embargo, un Quant que basa su modelo en causas fundamentales o empíricas sobre el gráfico, puede constantemente verificar si las condiciones que son la lógica de su modelo se siguen cumpliendo o no...y para eso no necesita una muestra de resultados negativos. Este es un enfoque mucho más potente porque no te hace falta entrar en Drawdown para parar un sistema.
Os pongo un ejemplo. Imaginad que observando las series temporales un tipo detecta una ineficiencia que se produce a una determinada hora, de forma recurrente durante años (puede ser debida a que una mano fuerte tenga un algoritmo que la provoque siempre a esa hora), pongamos para simplificar que a las 21:00 en el CL hay un pico de volumen bestial durante unos segundos. Si construyes un modelo que se basa en que a esa hora se produce la ineficiencia... no necesitas comerte un Drawdown en caso de que la ineficiencia desaparezca....simplemente monitorizas si la ineficiencia permanece o no. Si deja de existir, el modelo no tiene fundamento para seguir utilizándose.
La diferencia, por tanto, entre un modelo "quant" y uno por "data minning" es que en el segundo caso, el desarrollador no sábe por qué funciona la estrategia...no sabe, por tanto, por qué debería seguir funcionando en el futuro. Ojo, esto no quiere decir que la ineficiencia no esté y no se pueda explotar, simplemente que el "peaje" que hay que pagar es estar dispuesto a comerse un Drawdown que justifique la rotura, nada más.
Esto que dices se reduce a diferenciar a dos modelos, un desarrollador que conozca las causas que producen la ineficiencia a explotar y otro que solo detecte la ineficiencia sin preocuparse de las causas que la generan, no creo que esa aproximación sea correcta, cualquier trader puede investigar y determinar que causas generan una ineficiencia que quiera explotar sin estar identificado ese modelo como Quant, que tu quieras contarlo así, es tu opinión, pero la ventaja en este caso la estas centrando en comparar a dos trader que no tienen la misma información sobre el mercado, es obvio que el que mas información tenga tendrá una mayor base de datos independientemente que se identifique o no como Quant el modelo que desarrolle
Tus respuestas a las preguntas que se te han hecho van en esa línea
Las causas fundamentales y empíricas que determinen una ineficiencia no tiene nada que ver con el tratamiento de los datos, son cosas distintas . Las causas fundamentales y empíricas que determinen una ineficiencia no son exclusivas de un modelo Quant como lo presentas aquí.
El planteamiento de base es erróneo ya que planteas comparar el análisis de causa y efecto frente al análisis del simple efecto por diferentes análisis de datos para determinar un resultado, estas sesgando la información de partida y no es comparable.
Esto que dices:
“La diferencia, por tanto, entre un modelo "quant" y uno por "data minning" es que en el segundo caso, el desarrollador no sábe por qué funciona la estrategia...
Es un argumento falaz, afirmas lo que no tiene porque ser así, puede ser al revés de como lo planteas porque el problema que planteas no es de tratamiento de datos, es de llegar a resultados hipotéticos partiendo de diferente información y eso nada tiene que ver con identificarse como un modelo Quant .
“……………en realidad el multi hilo nos servirá para comprobar si una lógica tiene "edge" (que no sea una sobreoptimización) y poder caracterizarla con más precisión para monitorizarla adecuadamente...tener expectativas más realistas.
Pero luego el hecho de que haya que comerse el Drawdown o no viene determinado por la base sobre la que se ha construido el sistema,……………”
El multi hilo no esta exento de caer el la sobre optimización por exceso de filtrado de datos
Si se conocen las causas que generan una ineficiencia, con un monitoreo periódico de análisis multivariante + un análisis correlacional, deductivo, etc y la observación de que las causas que generan esa ineficiencia permanecen, no tiene porque comerse un sistema el DD, cuando la causa que genera esa ineficiencia desaparece, la ineficiencia también, no es necesario tratar los datos matemáticamente con mucho rigor para determinar que el sistema fallara, es una obviedad que lo hará si las causas de la ineficiencia desaparecen por simple deducción
Pienso que estas mezclando cosas, hechos que se conocen a priori( causas que generan la ineficiencia) con el tratamiento de datos
Si explicaras porque un modelo Quant puede predecir con mas probabilidades de acierto que otro modelo que no sea Quant el comerse un DD de un sistema, le encontraría sentido a lo que dices, pero de momento no lo has hecho al comparar dos bases de datos distintas.
Saludos