Suite…
Quelques réflexions complémentaires
Tout d’abord un très bel article pour ceux qui sont intéressés par le skewness et kurtosis
http://bdesgraupes.pagesperso-orange.fr/UPX/L1/Stats_seance_05_doc.pdf
Et ses différents mode de calculs. Perso je préfère le coefficient de Fisher qui a le mérite de donner le sens de la courbe de distribution
Quoi qu’il en soit après avoir analyser ces différents facteurs d’analyse, globalement le skewness est assez proche du SQN, ce qui est normal du fait d’un mode de calcul assez proche, et je pense donc que cela fait doublon. Je reste dubitatif sur son intérêt qui n’est simplement que d’évaluer sa forme par rapport à une loi normale, mais bon.
Le kurtosis a peut être un intérêt supérieur, à voir
Après lecture d’un article sur quantopia dont j’ai oublié la référence, j’ai bien aimé la conclusion.
En gros les backtests servent UNIQUEMENT à éliminer les mauvais algorithmes mais pas à sélectionner les bons candidats pour du réel
Autrement dit si l’algo ne passe même pas les backtests il y a fort à parier qu’en réel ce ne sera pas bon (quoique…) mais qu’un très bon backtest en l’état actuel ne prédit EN AUCUN CAS une corrélation avec les résultats en réel
A suivre, je pense que je vais coder un algo avec un très bon kurtosis et voir ce que cela donne
A +
