¿Un programa de trading que modifica su propio control de riesgos?

Question

La idea es que la máquina aprendería en qué nivel colocar las paradas, y dónde colocar las ganancias. Por ejemplo, la máquina recibe información sobre la seguridad ABC y aprende el mejor lugar para colocar una parada. Luego modifica esta parada, basándose en el riesgo (¿quizás volatilidad?) de otras posiciones que está tomando.

El punto es que un algoritmo de aprendizaje automático analizaría su riesgo y aprendería dónde colocar las paradas basándose en su estrategia (cualquier tipo de estrategia básica, esto no es de lo que trata mi pregunta). Descubriría que, por ejemplo, tiene una expectativa de +2% por operación que realiza. Desafortunadamente, también aprende que solo puede alcanzar una expectativa tan alta cuando coloca sus paradas y toma ganancias muy lejos del precio actual. Esto hace que las operaciones duren significativamente más tiempo del óptimo. La máquina entonces modificaría su gestión de riesgos para optimizar su expectativa a la cantidad óptima de tiempo que está manteniendo las posiciones. Está tratando de encontrar la mejor manera de colocar las paradas para tener un tiempo corto de mantenimiento de posiciones, mientras intenta lograr una alta expectativa.

La fórmula para evaluar el éxito de una expectativa en cierto período de mantenimiento sería algo así:

Expectativa / Período de mantenimiento promedio = Expectativa evaluada

Donde el programa intenta optimizar Expectativa evaluada

¿Existe un sistema que funcione de esta manera? Si no, ¿sería fácil de crear y sería efectivo?

Answer 1

Estás asumiendo que la corrección de "aprendizaje automático" ocurrirá antes de una pérdida total, pero no has demostrado que así es como sucederá. El riesgo de fracaso total sigue siendo el mismo que con un sistema Martingala 'no modificado'.

Dices en un comentario "bien, pero una pérdida total antes de recuperar las pérdidas es muy poco probable" - de la misma manera, las ganancias de dicho sistema también serían pequeñas. Retrocede al juego de ruleta del apostador y mira el problema principal de un sistema Martingala [para facilitar las matemáticas, supongamos que no hay ceros verdes, y por lo tanto cada apuesta tiene probabilidades perfectamente iguales]:

1. Apostar $10 al rojo, y tienes un 50% de posibilidades de ganar $20, y un 50% de posibilidades de perderlo todo.

2. Luego, si pierdes, apuesta $20: 50% de posibilidades de obtener $40 [después de tu primera pérdida de $10, y con tu nueva apuesta de $20, esto sería una ganancia neta de $10], y un 50% de posibilidades de perderlo todo.

3. Luego, si pierdes eso, apuesta $40, luego apuesta $80, luego apuesta $160, etc., doblando cada vez tu apuesta para que en cada momento tengas un 50% de posibilidades de ganar un valor neto de $10 basado en el valor de tu apuesta original en el paso 1.

El problema es que muy pronto, si tienes una mala suerte increíble, podrías estar "en números rojos" por miles de dólares, y necesitarías arriesgar la misma cantidad de dinero solo para volver con la misma ganancia neta de $10. La probabilidad de ser arruinado sería bastante baja, pero el impacto sería catastrófico.

Es difícil para los humanos 'intuir' cuál es la probabilidad de un riesgo "improbable" en realidad - típicamente descartamos un evento "improbable" como "casi imposible", porque los números grandes pueden ser difíciles de entender. Si tuvieras una línea de crédito de $160k, y siguieras el sistema Martingala hasta agotar tu crédito, "ganarías" la ganancia neta de $10 32,767 veces de 32,768 veces. es decir: solo perderías el 0.003% del tiempo. Suena increíblemente improbable, ¿verdad?

Bien si todos en EE. UU. [digamos 350M personas] hicieran esto, entonces 10,681 personas perderían sus casas, y todos los demás ganarían $10. Sí, la probabilidad es baja, pero los resultados son desastrosos. Envolver este sistema en la idea de que "ajustes de aprendizaje automático" te salvarán, podría ser simplemente un intento de justificar que el Martingala en sí mismo es un riesgo aceptable.