Indicateurs statistiques de prédiction d'un algorithme en réel

• 04/24/2020 at 10:02 AM #127740
  zilliq

  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 +

  1 user thanked author for this post.

  MAKSIDE

  

  zilliq

  Participant

  Topics: 58

  Replies: 683

  Been thanked: 152 times
  04/24/2020 at 10:12 AM #127741
  Nicolas

  zilliq wrote:

  mais qu’un très bon backtest en l’état actuel ne prédit EN AUCUN CAS une corrélation avec les résultats en réel

  Dans l’IS ou dans l’OOS ? Dans les données hors échantillon, c’est logique même si testé robuste. Par contre dans les données IS, il faut introduire les frais et des simulations de slippage et de spread variables si nécessaires et si toutefois l’algo respecte bien les données techniques imposées par le courtier et le marché, et si tout cela est bien pris en compte, on peut quand même s’approcher d’un vrai forward test.

  

  Nicolas

  Keymaster

  Topics: 81

  Replies: 20828

  Been thanked: 4738 times
  04/24/2020 at 10:37 AM #127750
  zilliq

  Backtest IS Nicolas

  Sincèrement je rejoins les auteurs américains pour remuer tout ce qui est remuable depuis bien bien longtemps

  Un backtest IS va te donner les meilleurs résultats possibles, (c’est bon pour l’ego), en gros la meilleur courbe de régression linéaire de résultats possible et ce d’autant que l’on superoptimise (Plus on superoptimise plus les résultats OOS risquent d’être changeants)

  En gros le backtest “simple” élimine les mauvais et on “espère” qu’un bon/très bon backtest IS, sur sa lancée, intérêt du kurtosis, va donner les même résultats OOS, mais dans les fait bah aucune certitude et extrêmement variable.

  Un WF donnera peut être une peilleure prévision, mais cela reste à confirmer

  Une idée à tester, il faut encore que je la code c’est d’appliquer un Skewnsess/kurtosis non pas sur les gains mais sur le drawndown car un max drawndown est trop succinct.

  A voir je code ça et je reviens vers vous

  

  zilliq

  Participant

  Topics: 58

  Replies: 683

  Been thanked: 152 times
  04/24/2020 at 10:47 AM #127752
  fifi743

  Bonjour,

  Commençons par le début.

  Pour avoir un bon back test,

  -il faudrait qu’il ne manque aucune bougie

  – pas erreur de calcul

  Regarde la pièce jointe comment est ce possible obtenir ce nombre si élevé ?

   

  

  fifi743

  Participant

  Topics: 9

  Replies: 843

  Been thanked: 399 times
  04/24/2020 at 10:53 AM #127755
  zilliq

  Illustration du rôle et de l’importance potentielle du kurtosis (“régularité”) sur un même algo

  On voit que pour un même algo, avec 100 % de trades positifs (on s’en fiche), et un SQN assez proche 3-4 on est du simple au double sur le kurtosis de Fisher ! Idem pour le skewness de Fisher

  Cela peut donc tout à fait avoir un impact (A voir en tout cas si ce n’est pas un élement sous jacent qui “confirmerait” la corrélation selon l’étude quantopia)

  Et pour la petite histoire devinez lequel est ressorti en premier dans le backtest 😉 Et oui le deuxième avec les moins bons résultats (En attendant que l’on puisse faire des backtest sur des variables que l’on aurait codé)

  A suivre

  

  zilliq

  Participant

  Topics: 58

  Replies: 683

  Been thanked: 152 times
  04/24/2020 at 10:54 AM #127758
  zilliq

  fifi743 wrote:

  Bonjour,

  Commençons par le début.

  Pour avoir un bon back test,

  -il faudrait qu’il ne manque aucune bougie

  – pas erreur de calcul

  Regarde la pièce jointe comment est ce possible obtenir ce nombre si élevé ?

  Euh quel nombre fifi ?

  

  zilliq

  Participant

  Topics: 58

  Replies: 683

  Been thanked: 152 times
  04/24/2020 at 10:58 AM #127759
  fifi743

  j’ai graphé dhigh(0)-high et le nombre est 1 000 486 986

  CA me semble impossible

  

  fifi743

  Participant

  Topics: 9

  Replies: 843

  Been thanked: 399 times
  04/24/2020 at 11:05 AM #127764
  zilliq

  Oui curieux graph dhigh(0) et high pour voir lequel picole, teste avec un autre indice etc..et si reproductible contacte le support PRT

  

  zilliq

  Participant

  Topics: 58

  Replies: 683

  Been thanked: 152 times
  04/24/2020 at 11:07 AM #127765
  fifi743

  c’est un basic calcul

  rien extraordinaire.

  

  fifi743

  Participant

  Topics: 9

  Replies: 843

  Been thanked: 399 times
  04/24/2020 at 12:25 PM #127785
  Nicolas

  zilliq wrote:

  Un backtest IS va te donner les meilleurs résultats possibles,

  Non, si tu ne fait aucune optimisation et cela affirme ce que tu disais plus tôt: les backtests servent UNIQUEMENT à éliminer les mauvais algorithmes (donc sans opti on sait que ça ne fonctionne pas ou peu) mais pas à sélectionner les bons candidats pour du réel (oui car même correct en pseudo forward testing hors échantillon avec l’analyse WF, on ne sait jamais de quoi sera fait demain).

  Mais comme je le répète souvent, le fait de vouloir un backtest qui te donne un résultat positif à la fin de la période que tu analyses, c’est déjà une optimisation, et donc un biais introduit consciemment dans la machine.

  L’analyse que tu portes sur la distribution de tes résultats, elle se fait à la volée durant le backtest, où tu introduits un filtre après les premiers résultats obtenus sans celui-ci ?

  

  Nicolas

  Keymaster

  Topics: 81

  Replies: 20828

  Been thanked: 4738 times
  04/24/2020 at 3:55 PM #127846
  zilliq

  Je pense que l’on est d’accord

  A la volée durant le backtest Nicolas comme sur l’image ci-dessous, pas de filtre à la fin car trop chronophage

  Par ex ci sur l’image kurtosis de 8.9 ce qui est très bon et en accord avec la courbe ascendante=tendance=régularité de cet algo

  Ce que j’ai du mal à interpréter c’est le skewness parce que là on est à -2.7 ce qui laisserait penser que la courbe des gains est décalée vers la gauche mais les gains sont très réguliers. Curieux

   

  

  zilliq

  Participant

  Topics: 58

  Replies: 683

  Been thanked: 152 times
  04/24/2020 at 3:59 PM #127850
  fifi743

  je me trompe il n’y a pas de SL

  

  fifi743

  Participant

  Topics: 9

  Replies: 843

  Been thanked: 399 times
  04/24/2020 at 4:32 PM #127859
  zilliq

  fifi743 wrote:

  je me trompe il n’y a pas de SL

  Si, toujours, ça évite les déconvenues

  

  zilliq

  Participant

  Topics: 58

  Replies: 683

  Been thanked: 152 times
  04/24/2020 at 5:09 PM #127873
  MAKSIDE

  zilliq wrote:

  Je pense que l’on est d’accord

  A la volée durant le backtest Nicolas comme sur l’image ci-dessous, pas de filtre à la fin car trop chronophage

  Par ex ci sur l’image kurtosis de 8.9 ce qui est très bon et en accord avec la courbe ascendante=tendance=régularité de cet algo

  Ce que j’ai du mal à interpréter c’est le skewness parce que là on est à -2.7 ce qui laisserait penser que la courbe des gains est décalée vers la gauche mais les gains sont très réguliers. Curieux

  Intéressant.. tu te bases sur ce genre de chose pour les calculer ?

  a=std[periodo](close) b=average[periodo](close) n=periodo s=a*a*a //computation skeweness Skewprimo=summation[periodo](close*close*close) Skewsecondo=-3*b*summation[periodo](close*close) Skewterzo=3*b*b*summation[periodo](close) Skewquarto=-b*b*b*n modskew=(skewprimo+skewsecondo+skewterzo+skewquarto)/(n*s) //computation kurtosis kurtprimo=summation[periodo](close*close*close*close) kurtsecondo=-4*b*summation[periodo](close*close*close) kurtterzo=6*b*b*summation[periodo](close*close) kurtquarto=-4*b*b*b*summation[periodo](close) kurtquinto=+b*b*b*b*n modkurt=((kurtprimo+kurtsecondo+kurtterzo+kurtquarto+kurtquinto)/(n*s*a))-3

  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

  a=std[periodo](close) b=average[periodo](close) n=periodo s=a*a*a //computation skeweness Skewprimo=summation[periodo](close*close*close) Skewsecondo=-3*b*summation[periodo](close*close) Skewterzo=3*b*b*summation[periodo](close) Skewquarto=-b*b*b*n modskew=(skewprimo+skewsecondo+skewterzo+skewquarto)/(n*s) //computation kurtosis kurtprimo=summation[periodo](close*close*close*close) kurtsecondo=-4*b*summation[periodo](close*close*close) kurtterzo=6*b*b*summation[periodo](close*close) kurtquarto=-4*b*b*b*summation[periodo](close) kurtquinto=+b*b*b*b*n modkurt=((kurtprimo+kurtsecondo+kurtterzo+kurtquarto+kurtquinto)/(n*s*a))-3

   

  

  MAKSIDE

  Participant

  Topics: 37

  Replies: 343

  Been thanked: 98 times
  04/24/2020 at 6:19 PM #127890
  zilliq

  Je suis parti de là mais je crains qu’il y est des erreurs dans le code comme précisé à l’auteur c’est pourquoi je suis reparti de zéro

  Bon désolé le codage du kurtosis et skewness sur le drawdown par trade a été un peu trapu

  Bilan, en pièce jointe c’est assez étonnant, autant sur les algo on a un très bon kurtosis et un skewness très variable autant sur le drawdown le skewness et le kurtosis sont relativement constants avec un skewness et un kurtosis proche de 0 = proche d’une loi normale

  Curieux mais à confirmer sur d’autres algo. ce qui laisserait sous entendre que le drawndown par trade varie sur tout le range entre 0 et le max drawndown avec 95 % des valeurs dans moy+2ecarts type

  A suivre

  

  zilliq

  Participant

  Topics: 58

  Replies: 683

  Been thanked: 152 times
• Author
  Posts