Métrica de optimización que tiene en cuenta el número de operaciones frente a la expectativa.

Question

Al optimizar mi sistema de trading automatizado, descubro que ciertas combinaciones, aunque aumentan la expectativa:

(GananciaPromedio * ProporcionOperacionesRentables) - (PérdidaPromedio * (1 - ProporcionOperacionesRentables))

Reducen la cantidad de operaciones que realiza la estrategia.

Entonces, aunque la expectativa aumentó drásticamente, el número de operaciones pasó de 2,000 a solo 40 en un período de prueba de 3 años, lo cual no es una frecuencia aceptable de trading.

¿Qué métrica de rendimiento puedo optimizar para equilibrar esto? Me gustaría aumentar la expectativa sin reducir significativamente el número de operaciones.

EDICIÓN: Un análisis adicional muestra que este problema no solo afecta a la expectativa, sino a otras métricas como la Pérdida Máxima que también disminuye a medida que el número de operaciones disminuye.

¿Qué método puedo aplicar de forma genérica para ajustar esto? Esto no debe confundirse con algún "MétricaPorOperación". Simplemente dividir una métrica por el número de operaciones no parece permitirme optimizar esa métrica de manera que pueda identificar ganancias de rendimiento que no hayan disminuido la frecuencia de trading.

Si esto no tiene mucho sentido, aquí hay algunos datos para ilustrarlo. Esta es una optimización para la columna "parámetro" (cada fila es una ejecución de optimización). No estoy seguro de cómo identificar si hay algún aumento significativo en la expectativa (o disminución en la pérdida máxima) al aumentar dicho "parámetro" ya que la cantidad de operaciones disminuye junto con cada métrica.

 parámetro  total de operaciones  expectativa    expectativa por operación  pérdida máxima 
 0          710                   233.2957746   0.328585598               -1.389104131
 2          640                   158.53125     0.247705078               -1.799492989
 4          559                   129.9463327   0.232462134               -2.127999294
 6          478                   106.6945607   0.223210378               -1.463252512
 8          402                   134.6641791   0.33498552                -1.364193967
 10         349                   176.0601719   0.504470407               -1.196254362
 12         303                   134.4224422   0.443638423               -1.114376551
 16         225                   193.6222222   0.86054321                -0.657900215
 20         181                   242.3480663   1.338939593               -0.558306147
 25         135                   514.6296296   3.812071331               -0.493760619
 30         106                   47.16981132   0.44499822                -1.471772548
 35         85                    206           2.423529412               -1.482912119

No puedo determinar si vale la pena disminuir la frecuencia de trading por estas mejoras de rendimiento. Cualquier cosa por debajo de 300 operaciones en 3 años ni siquiera es una frecuencia aceptable de trading.

Answer 1

Creo que el problema no es que optimices un criterio incorrecto, sino la estrategia comercial en sí misma. Compara esto con probar una hipótesis: si rechazas a un valor p de 1%, entonces la proporción de descubrimientos verdaderos entre todos los descubrimientos es, digamos, 70% (alta "expectativa"). Si rechazas a un 10%, entonces la proporción de descubrimientos verdaderos es 40% (menor "expectativa"), pero haces muchas más rechazos ("operaciones").

Por supuesto, uno preferiría tener muchos rechazos y una alta "expectativa", pero para eso necesitas modificar el procedimiento de prueba en sí mismo en lugar de cambiar el valor de corte del valor p.