¿Cómo "desagregar" un conjunto de datos financieros?

Question

Estoy intentando evaluar y comparar el factor de beneficio de diferentes "pruebas" de una estrategia de trading en FOREX.

Mi problema es que, a pesar de un tiempo medio entre órdenes de más de 2 horas, algunas de estas ejecuciones pueden tener más de 20 órdenes seguidas, cada 5 minutos, en la misma dirección. Necesito alguna manera de normalizar estos grupos que se producen sin simplemente tirar los datos.

Quiero tratar el cluster como 1 punto de datos promediando la ganancia/pérdida de cada operación dentro del cluster.

Estaba pensando en hacerlo con una ventana de tiempo en movimiento de la siguiente manera:

For each order:
Weight = 1/(N+1) 
N =  count of consecutive orders within 30 minutes of the current order.

Pero no estoy seguro de que eso sea correcto.

Answer 1

Eso es definitivamente pas correcto. Los resultados de sus pruebas sufrirán un sesgo de anticipación. En el momento en que introduzca su orden, no sabrá todavía cuántas órdenes llegarán en los próximos 30 minutos, por lo que un backtest adecuado no debería utilizar esa información para dimensionar la operación.

Hay muchos factores que hay que tener en cuenta a la hora de realizar un backtest adecuado (ver wikipedia ), pero el factor clave detrás de todos ellos es replicar lo más posible lo que es realizable en el comercio en vivo. En tu caso, eso significa que tendrás que predecir cuántas operaciones va a introducir tu estrategia y dimensionar adecuadamente todas las operaciones posteriores. Una vez que alcance su "límite", momento en el que en la negociación real se habría quedado sin capital, su backtest no podrá introducir nuevas operaciones.

Si su estrategia no es capaz de predecir si las operaciones están a punto de agruparse, podría probar un sistema incremental, por el que se asigna a la primera operación una proporción $\delta$ del capital total, el segundo obtiene $\delta(1-\delta)$ etc.

Answer 2

Tal vez podría agrupar la información en forma de palo de vela y dividir los datos de precios en alto, bajo y cierre, en lugar de desechar algunos datos y mantener sólo su precio de cierre.

Utilizando los precios máximos, mínimos y de cierre se pueden hacer 3 estimaciones distintas con respecto a las ganancias y pérdidas. Obviamente, con una posición larga, el beneficio calculado al entrar a un precio alto mientras se utiliza un precio bajo para su salida sería la estimación pesimista del beneficio.