"Sensibilidad" y "apadtabilidad" de un s
Publicado: 15 Ago 2008 23:29
Igual "sensibilidad" no es el nombre que se le da en trading, así que explicaré a qué me refiero.
Imaginemos un sistema, en el que consideramos un parámetro: el número de periodos de una media móvil. Y imagemos, por backtesting, que el valor óptimo es 15 periodos.
El sistema será poco sensible (o robusto) si para valores próximos, como 13, 14 o 16, el sistema sigue dando buenos resultados, aunque no sean el óptimo. Por el contrario, un sistema muy sensible (y poco robusto) será aquel que para ligeras modificaciones en el parámetro producirá resultados que se alejen considerablemente del óptimo anterior (por ejemplo, incluso llegando a las temidas pérdidas).
Sin embargo ese número de periodos óptimo, por la evolución de los sistemas, irá cambiando hasta que el sistema deje de funcionar. Y será por los propios cambios del mercado: volatidades, rangos, estacionalidad, noticias... y todo aquello que pueda afectar.
La pajilla mental que me estoy haciendo es la siguiente: ¿y si fuéramos capaces de obtener del mercado la información necesaria para ir ajustando nuestro sistema? (Sin hablar de redes neuronales, ni autoaprendizaje, que sería otra historia. Entiendo. ¿O no?)
Por ejemplo, a la hora de poner niveles de stoploss o takeprofit en un sistema, ¿quién nos dice que no podemos establecer una relación, "relativamente cuantificada", entre los rangos de las velas de los diferentes periodos? ¿No sería posible, haciendo un backtesting de un sistema en diferentes periodos de tiempo, poder llegar a establecer incluso una correlación entre volatilidad y distancia de los niveles anteriores, para un determinado nivel de beneficios? ¿Incluso el análisis de la varianza (si es que servía para esto, que ya no recuerdo ni qué fue lo poco que supe de estadística) para comparar diferentes periodos a la búsqueda de similitudes? Tendríamos un sistema "adaptable" a las diferentes situaciones del mercado.
Evidentemente todo esto se intuye un trabajo de mil y un pares. Y tiene que haber grandes herramientas de análisis y minería de datos más allá de un Statgraphics y Excel (¡no quiero ni pensarlo!).
¿Habéis trabajado alguno en esta línea? ¿Conocéis algún documento o libro en la línea?
Imaginemos un sistema, en el que consideramos un parámetro: el número de periodos de una media móvil. Y imagemos, por backtesting, que el valor óptimo es 15 periodos.
El sistema será poco sensible (o robusto) si para valores próximos, como 13, 14 o 16, el sistema sigue dando buenos resultados, aunque no sean el óptimo. Por el contrario, un sistema muy sensible (y poco robusto) será aquel que para ligeras modificaciones en el parámetro producirá resultados que se alejen considerablemente del óptimo anterior (por ejemplo, incluso llegando a las temidas pérdidas).
Sin embargo ese número de periodos óptimo, por la evolución de los sistemas, irá cambiando hasta que el sistema deje de funcionar. Y será por los propios cambios del mercado: volatidades, rangos, estacionalidad, noticias... y todo aquello que pueda afectar.
La pajilla mental que me estoy haciendo es la siguiente: ¿y si fuéramos capaces de obtener del mercado la información necesaria para ir ajustando nuestro sistema? (Sin hablar de redes neuronales, ni autoaprendizaje, que sería otra historia. Entiendo. ¿O no?)
Por ejemplo, a la hora de poner niveles de stoploss o takeprofit en un sistema, ¿quién nos dice que no podemos establecer una relación, "relativamente cuantificada", entre los rangos de las velas de los diferentes periodos? ¿No sería posible, haciendo un backtesting de un sistema en diferentes periodos de tiempo, poder llegar a establecer incluso una correlación entre volatilidad y distancia de los niveles anteriores, para un determinado nivel de beneficios? ¿Incluso el análisis de la varianza (si es que servía para esto, que ya no recuerdo ni qué fue lo poco que supe de estadística) para comparar diferentes periodos a la búsqueda de similitudes? Tendríamos un sistema "adaptable" a las diferentes situaciones del mercado.
Evidentemente todo esto se intuye un trabajo de mil y un pares. Y tiene que haber grandes herramientas de análisis y minería de datos más allá de un Statgraphics y Excel (¡no quiero ni pensarlo!).
¿Habéis trabajado alguno en esta línea? ¿Conocéis algún documento o libro en la línea?