¿Es realmente posible crear una estrategia de negociación algorítmica sólida para la negociación intradía?

Question

Soy un ingeniero que está haciendo una investigación académica para mi tesis de maestría en el área de las finanzas cuantitativas, básicamente el propósito es estudiar la posibilidad de crear un algoritmo de negociación intradía.

He probado un algoritmo de regresión (SVR) para predecir precios futuros sin éxito y actualmente estoy utilizando Boosted Decision Trees (BDT) para un problema de clasificación (Long/Short/Out) en el que aprovecharía una tendencia diaria (colocar una orden al principio del día, vender al final del día), por ejemplo:

• Largo cuando la BDT predice Cerrar > Abrir*(1+a)
• Corto cuando la BDT predice Cerrar < Abrir*(1-a) , donde 'a' es una brecha de error;

Estoy usando indicadores técnicos: RSI, MFI, SMA, EMA, MACD, ATR, Bollinger, y combinaciones lineales de ellos. Creo que estoy haciendo todo bien, todos los valores de los indicadores se normalizan con el precio de apertura, Estoy usando métricas cruzadas validadas y una búsqueda de cuadrícula para buscar diferentes combinaciones de parámetros tanto para los indicadores técnicos como para los árboles de decisión potenciados.

Pero hasta ahora parece que, al menos a nivel intradiario, ¡el mercado es sólo un proceso estocástico! También he leído algunos artículos disponibles en línea y he encontrado un par de errores en ellos (utilizando datos rezagados o valores de indicadores, por ejemplo), lo que me lleva a creer que la mayor parte de la literatura es sólo basura, quiero decir que es imposible si todos los que tratan de crear un algoritmo de comercio que genera rendimientos positivos tienen éxito, ¿verdad? Ni siquiera voy a hablar de los ridículos artículos que utilizan el análisis técnico con los soportes y resistencias, yo generé un gráfico de Movimiento Browniano Geométrico y también veo esos hipotéticos soportes y resistencias, pero no hay ninguna racionalidad detrás de ellos, sólo la imaginación de la gente de cosas que no existen.

¿Cuál es su opinión sobre este tema? ¿Tiene conocimiento de un algoritmo de trading intradiario exitoso? ¿Con qué tipo de rentabilidad media diaria (0,01%,0,1%,1%)?

Answer 1

Aquí está mi ejemplo favorito de una estrategia intradía en los futuros del S&P500 que al menos solía funcionar:

Volatilidad intradía del precio de las acciones y reajuste del ETF apalancado

Lo saco cada vez que la gente empieza a hablar de la eficiencia del mercado. La estrategia es muy sencilla: si los futuros del S&P500 suben o bajan más de un 2% en el día cuando quedan dos horas para el cierre, hay que seguir esa dirección hasta el cierre. A primera vista parece una estrategia aleatoria sin sentido, pero si se lee el documento se puede ver claramente que hay algunos flujos de reequilibrio de ETFs apalancados muy predecibles que mueven el mercado.

Yo diría que definitivamente es posible encontrar una estrategia de trading intradía rentable, pero tienes que ser capaz de responder a esta pregunta: "¿quién está perdiendo dinero en el otro extremo?".

Puede ver otro ejemplo entretenido si busca noticias sobre "Good Harbor Financial".

Answer 2

Una pregunta tan compleja...

El Movimiento Browniano Geométrico (GBM) no suele funcionar para ayudar a encontrar estrategias basadas en los aspectos técnicos, ya que el objetivo del operador técnico es encontrar desviaciones del mercado respecto a un paseo aleatorio.

Sin embargo, algunas estrategias, por ejemplo una estrategia "take profit/stop loss" puede funcionar, (o como mínimo se puede cambiar el perfil de riesgo/recompensa) utilizando GBM en supuestos de deslizamiento limitado (donde el stop loss no es efectivo debido a los saltos en el precio). Esto se debe a la no linealidad de las probabilidades frente a los riesgos/recompensas.

El problema típico de los hallazgos empíricos frente a la operativa real implica el sobreajuste de los datos/modelos a la hora de decidir una estrategia. Y si una estrategia tiene éxito, ¿cómo se sabe que es porque es una buena estrategia o porque ha funcionado posteriormente de forma anecdótica?

Si se diera a 10000 monos botones de compra/venta, sus resultados podrían aproximarse a una distribución normal. Si se toma a los monos con mejores resultados y se les da botones de compra/venta, algunos de ellos tendrían mejores resultados que otros. ¿Se puede decir algo sobre los monos con mayor rendimiento?

Del mismo modo, si se prueban suficientes estrategias en un conjunto de datos de prueba, algunas funcionarán admirablemente. ¿Y si los datos se dividen en dos conjuntos? ¿Uno para probar las estrategias, y una estrategia elegida, un segundo conjunto de datos separado para la confirmación? Bien, hecho lo suficiente, de nuevo algunos funcionarán mejor que otros. Estos son ejemplos de "fisgoneo de datos". Suele proliferar, desde los artículos en línea, hasta la literatura, los libros y los trabajos académicos. Así que se requiere un empalme de datos riguroso, pero esto puede presentar sus propios problemas, incluyendo las correlaciones de algunos atributos entre conjuntos de datos.

En respuesta a su pregunta:
¿Es posible encontrar estrategias intradía exitosas?
Mi opinión es que sí, basándome en mi experiencia trabajando en bancos de inversión y en mis propias investigaciones. Depende en gran medida del mercado, y normalmente se requieren factores externos para perfeccionar las estrategias hasta un punto en el que sean rentables. Hay una plétora de libros y documentos que sugieren cosas como el impulso, el sentimiento, la autocorrelación, la reversión de la media, la tendencia, y tantas técnicas. ¿Cómo pueden funcionar? Porque, en realidad, el mercado no siempre es aleatorio: hay periodos de no aleatoriedad. A veces son pequeños chirridos oscurecidos por un concierto de ruido (especialmente a corto plazo). Pero, si puedes encontrar estos focos de no aleatoriedad, puedes encontrar estrategias exitosas.

Si no me creen, escuchen al hombre de Renaissance, uno de los fondos de cobertura más exitosos de todos los tiempos: Enlace a la entrevista con Jim Simons

Nota: No estoy sugiriendo que usen "técnicos" en el uso típico de la palabra. Puede ser, o no. No tengo ni idea de lo que usan, pero creo que utilizan modelos basados en algo más que en los fundamentos.

Answer 3

Yo mismo he pasado por su confusión durante los últimos cinco años. Hasta hace poco, mi cuenta empezó a tener un rendimiento consistente.

1. Primero, empecé con las técnicas, gasté $$$ en una plataforma de negociación automatizada. A partir de ahí he creado estrategias comunes. Los resultados no son prometedores. La estrategia no consiste en parámetros y si una estrategia funciona en un producto específico, probablemente no funcionará en el otro producto. El movimiento del precio parece tan aleatorio. Y mi expectativa para el rendimiento de la estrategia es alta. (Casi no sabía que estaba tan cerca.) Concluí todos los fracasos debido a la simplicidad de los técnicos.

2. A continuación, pasé a la siguiente fase, que trata de utilizar un modelo complejo para predecir el movimiento de los precios. Los modelos complejos incluyen el uso de varias técnicas de aprendizaje automático. Eso tampoco funciona bien. La precisión de la predicción no es tan alta como esperaba.

3. Entonces pensé que podría necesitar algunos conocimientos de finanzas cuantitativas para entender mejor los mercados financieros. Entonces estudié cálculo estocástico y diversas técnicas financieras cuantitativas. Al final, lo que me dicen las finanzas cuantitativas es que debería obtener la misma rentabilidad que la renta fija. Y el modelo de predicción de series temporales no rinde más que mis técnicas de aprendizaje automático.

4. Llegados a este punto, consideré la posibilidad de abandonar. Porque cada una de las tareas anteriores requiere un esfuerzo y un tiempo enormes. Lo más doloroso es que, después de todos estos esfuerzos, no hay recompensa.

5. En alguna situación rara, me reuní con "este grupo de inversión" de personas, ellos arrojaron algunas luces que me llevan al estado actual. El mercado es mayoritariamente aleatorio, pero hay algunos aspectos no aleatorios en él. Y esta no-aleatoriedad es su oportunidad de ganar dinero. Pero está enterrado bajo la alta aleatoriedad. La expectativa de ganar dinero no debe ser alta (nunca conseguirás un cajero automático), pero mediante un control cuidadoso de los riesgos y el apalancamiento, es posible hacer suficiente dinero que otros sólo pueden estar celosos. El deslizamiento y el coste de las transacciones es su enemigo. Por término medio, sólo se puede conseguir algo tras el deslizamiento y el coste de las transacciones. Pero en el caso de los activos financieros, hay un apalancamiento que permite que lo poco sea enorme. El apalancamiento es una espada de doble filo. El riesgo también aumenta con el apalancamiento. Pero lo bueno del riesgo es que hay algunas prácticas establecidas tanto en el mundo académico como en la industria que pueden ayudar a aliviar el riesgo (pero no a eliminarlo por completo).

Encontrar una estrategia es sólo una parte de su trabajo. Encontrar una "buena" estrategia es difícil, pero encontrar una estrategia que "funcione" no es tan difícil. La otra parte de tu trabajo es reducir el riesgo utilizando varios métodos. Luego, aumentar el apalancamiento para obtener más recompensas aunque tengas una estrategia "mediocre".

Espero que esto pueda arrojar algo de luz a las personas que siguen luchando solas.

Answer 4

Sé que esta pregunta es bastante antigua, pero sólo quería mencionar un pequeño problema que noté en el pasado sobre el uso de ATR como entrada de características.

Mientras que otros indicadores técnicos, como la SMA o la EMA, pueden reproducirse exactamente para un marco temporal determinado (siempre que el marco temporal sea más largo que el período de tiempo utilizado para el indicador correspondiente), el ATR (Average True Range) y el NATR se basan en todos los valores anteriores. Para ser más precisos, se basan en un valor anterior, pero de forma recursiva.

Por lo tanto, tendría que recalcular el ATR desde el principio de su marco temporal cada vez (el mismo marco temporal con el que ha entrenado su modelo) o guardar el indicador ATR junto con sus datos y calcular todos los nuevos valores de ATR basados en los anteriores que haya guardado.

Dependiendo de cómo construya su modelo SVR, esa podría ser una de las razones por las que falló. El mayor riesgo de este problema es que no puede aparecer durante el modelado, ya que todos los indicadores se calculan correctamente en el proceso de formación, pero podría aparecer más tarde durante el despliegue del modelo (como ocurrió en mi caso).

Escribo esto porque no he podido encontrar ninguna información sobre este problema en el pasado.