Backtesting Pelo Dr. Ernie Chan

Backtesting pelo Dr. Ernie Chan Backtesting pelo Dr. Ernie Chan Backtesting é o processo de alimentação de dados históricos para uma estratégia de negociação automatizada e ver como ele teria realizado. Vamos estudar várias métricas de desempenho backtest comum. Backtest desempenho pode ser feita facilmente irrealista e un-preditiva de retornos futuros devido a uma longa lista de armadilhas, que será analisada neste curso. A escolha de uma plataforma de software para backtestings também é importante, e os critérios para a escolha será discutido. Exemplos ilustrativos são desenhados a partir de uma estratégia de futuro e uma estratégia de negociação de carteira de ações. Esta é uma oficina pré-gravado realizado em Adobe Connect por Ernest Chan (epchan). Este workshop enfoca as diversas práticas e armadilhas de backtesting estratégias de negociação algorítmica. Licenças livres MATLAB julgamento vai ser organizado por extensos exercícios em sala de aula. Nenhum conhecimento prévio do MATLAB é assumido, mas alguma experiência em programação é necessária. A exigência de matemática é assumido estatísticas básicas de nível universitário. Esboço de Curso: A. Visão de Backtesting 1. O que é backtesting e como ele difere de "simulações"? 2. A importância de backtesting: Por que é backtesting um passo necessário para a negociação automatizada rentável? 3. As limitações de backtesting: Porque é que não backtesting um passo suficiente para garantir a rentabilidade em troca automatizada? 4. O que podemos fazer para aumentar o poder preditivo dos nossos resultados backtest: evitar armadilhas. 5. Como identificar boas estratégias ruins / mesmo antes de um backtest: a visualização de várias armadilhas através de uma série de exemplos. B. Escolhendo uma plataforma backtest 1. Critérios para a escolha de uma plataforma backtest adequado. 2. A lista de plataformas de backtesting. 3. Discussão dos prós e contras de cada plataforma. 4. Nota especial: backtesting integrado e plataformas de execução automatizados. 5. Por que escolher MATLAB? C. Tutorial para MATLAB 1. Levantamento de sintaxe. 2. Vantagem de processamento de matriz. 3. Exercícios: construindo funções utilitárias úteis para backtesting. 4. Usando caixas de ferramentas. D. Backtesting uma estratégia única instrumento 1. Exercício: Uma estratégia de Bollinger bandas para E-mini futuros SP500 (ES) como um protótipo estratégia de reversão à média. A medição do desempenho E. 1. A curva de capital. 2. retornos excessivos ea importância de o índice de Sharpe. 3. riscos de cauda e máximo rebaixamento e duração rebaixamento. 4. A importância de estimativas dos custos de transação. F. A escolha de um banco de dados histórico 1. Critérios para a escolha de um bom banco de dados histórico. 2. Acções de dados: ajustes do grupo / dividendos, viés de sobrevivência. Dados 3. Futures: construindo contratos contínuos, liquidação vs preços de fechamento. 4. Problemas com a sincronicidade dos dados. 5. Problemas com intraday / dados carrapato. G. Backtesting uma estratégia de portfólio 1. Exercício: A estratégia de carteira long-short de ações na SP 500. 2. Relevância da estratégia para 2007 fundos quant colapso. 3. A importância da seleção universo: impacto da capitalização de mercado, liquidez e custos de transação em estratégias. Refinamento 4. Estratégia: como pequenas mudanças podem fazer grandes diferenças de desempenho. Detecção e eliminação de armadilhas de backtesting e polarização H. 1. Como detectar viés look-ahead? 2. Como evitar viés de olhar em frente? 3. Os dados viés bisbilhotando: por fora-de-amostra de teste não é uma panacéia. 4. parâmetros de negociação. 5. O uso de modelos lineares ou "média-in": prós e contras. 6. Exercício: linearização da estratégia de banda ES Bollinger. 7. Impacto de dados com ruído em diferentes tipos de estratégias.