Diskuze k článku: Genetické algoritmy: K čemu jsou pro trading dobré?

[Heron]

tomnes:
Nesouvisí to s confidence bias ale s tím co je trh a jak funguje. Uvědomte si, že když nabízené množství (nabídka, sell) přesahuje poptávané množství (poptávka, buy), tak cena musí klesnout aby byly všechny požadavky uspokojeny. Pokud je tomu naopak, musí cena vzrůst. Trh je jen stroj, algoritmus který tohle zajišťuje – maximalizaci počtu uspokojených účastníků trhu (maximalizaci transakcí resp. objemu). To platí obecně pro jakýkoliv trh – pro stánek se zeleninou i pro finanční trhy. Tržní principy se nemění tím, že je znáte nebo využíváte. Osvěžte si základy ekonomie a nejlépe nějaké čtení klasiků rakouského směru z Liberálního institutu, mají tam toho dost zdarma. Samozřejmě lze tržní principy různě deformovat a svazovat pomocí regulací a legislativy, existují i fyzikální limity, přesto jsou finanční trhy hodně podobné „ideálnímu“ trhu (efektivita trhů). Je jedno jestli se pak na nerovnováhu nabídky a poptávky díváte přes nějaké indikátory (problém zpoždění), patterny nebo jakkoliv jinak, vždy za pohybem ceny stojí nerovnováha N/P, resp. faktory které nerovnováhu vyvolávají. K tomu si důkladně prostudujte lidskou psychologii (behavioral finance) – dával jsem včera k dobru jeden citát, jehož smysl je asi takovýhle: „Investování (trading) je jediný byznys (odvětví) který znám, kde když nastane výprodej, tak zákazníci utíkají z obchodu (v jiných odvětvích vždy utíkají do obchodu, aby koupili co nejlevněji)“. Většina lidí se prostě chová neracionálně, když jde o finance – kupuje nahoře a prodává dole. Přidejte si znalosti o vašem trhu a o jeho účastnících. Dejte si to vše dohromady a budete moci vstupovat do obchodů v místech, kde jsou šance ve váš prospěch o dost větší než 50/50. Samozřejmě po vstupu do obchodu už záleží jen na ostatních účastnících trhu, jestli svými příkazy posunou cenu vaším směrem nebo proti němu. Měli by mít nějakou silnou motivaci aby cenu posunuly vaším směrem do dostatečné (pro vás) vzdálenosti. Když se naučíte relativně včas a správně kvantifikovat nabídku a poptávku, respektive míru jejich rovnováhy/nerovnováhy a dáte si to dohromady s tím ostatním, tak máte silné edge, které funguje dnes, před 1000 roky i za 1000 roků (pokud budou trhy – lidská potřeba něco za něco směňovat, takže věčnost je opravdu relativní).

Ta pravidla co jsem uváděl před tím nejsou žádné edge, ale přemýšlení o těch principech by vás mělo přivést k tomu proč principy platí a proč vždy budou platit. Problém je v praktické implementaci, protože nikdy nevíme jak dlouho bude pohyb trvat a jaký bude jeho průběh. Každopádně přemýšlení o nich může vyvolat užitečné nápady. Také k těm pravidlům patří to co uváděl „jaaan“ – trh je z principu stále v nerovnováze (z určitého úhlu pohledu) a nemůže vydržet dlouho na stejné ceně (nebo v range), dřívě či později budou příkazy uspokojeny a trh začne hledat příkazy pro uspokojení dalších nad nebo pod. Na tom jsou založeny všechny metody breakoutů – breakouty range, trojúhelníků, vlajek, zahušťěných oblastí s nízkou volatilitou, obdélníků, opening range apod. Tenhle princip sám o sobě také není edge, pro praktické využití musíte k tomu něco přidat. Že vám své vlastní edge nikdo veřejně neprozradí, na to jste už určitě dávno přišel sám. Je to ta tajná přísada receptu, bez které to nefunguje. Chce to znalosti (fakta, ne názory), kreativní myšlení a poctivou práci. Je mi jasné že v existenci trvalého edge neuvěříte dokud na nějaké sám nepřijdete. To je pochopitelné. Určitě bych vás dokázal během 15 minut přesvědčit, ale musel bych vám naprosto otevřeně odkrýt alespoň jedno edge, což nechci udělat.

K tomu posledním bodu vašeho dotazu k random walk – jestli jsou RW nebo nejsou: Existuje něco čemu se říká Hurstův exponent (R/S). Do detailů nebudu zacházet (lze najít na internetu, něco i v češtině – třeba Jiří Hnilica: Volatilita volatility) ale souvisí to se škálováním a fraktální geometrií. Platí že proces random walk má R/S = 0,5; proces který má R/S mezi 0 a 0,5 se nazývá antiperzistentní (má větší tendenci vracet se k průměru, než odpovídá RW – ideální pro pairs trading); proces který má R/S větší než 0,5 se nazývá perzistentní – má menší tendenci se vracet k průměru, než by odpovídalo RW (má dlohodobou paměť, ideální pro trendfolowing). V příloze přikládám studii od Ladislava Krištoufka – “Procesy s dlouhou pamětí a jejich vývoj ve výnosech indexu PX v letech 1999 – 2009.” Je bez problému čitelná i pro laiky a je v češtině. Závěr pro PX je takový, že PX je v uvedeném období perzistentní (cená má tendenci držet směr více než RW). Sice slabě perzistentní, ale nad hranicí zvoleného intervalu spolehlivosti, takže to není náhoda viz grafy na str. 13-14. To odpovídá realitě – kdyby byly trhy silně perzistentní nebo silně antiperzistentní, tak by na nich dovedl vydělávat každý (jejich efektivita by byla nízká). Kdyby byly RW, nikdo by na nich nemohl konzistentně vydělávat, leda chvíli díky náhodě nebo pouze velcí hráči díky manipulaci ceny, predatory tradingu apod. Určitě existují nějaké studie pro jiné trhy, četl jsem kdysi nějakou pro asijské a australské trhy. Jsou i jiné přístupy než přes Hurstův exponent, ale výsledky jsou víceméně stejné – většinou slabá perzistence.

[Heron]

Zapomněl jsem na přílohu:

[Heron]

atari:
ad "Pokud toto bylo myšleno obrazně..."
Ano, bylo to myšleno obrazně. Když se pokouším kombinovat desítky nebo stovky idikátorů, časových řad, algoritmů pro posun SL a PT a tisíců parametrů toho všeho, tak už to není žádná optimalizace ale datamining (byť SW používá stejné algoritmy pro to aby to všechno schroustal). Optimalizace je když mám aspoň tušení které indikátory nebo data jsou vhodná a jaké je zhruba rozmezí správných parametrů.

[tomnes]

Heron,

děkuji za odpověď.

Komodity,

Běžná komerční GA řešení jsou většinou "nástavba" nad nějakou platformu s vlastním programovacím jazykem. Většinou nástavbou pro TradeStation, jak píšu článku. Pracuje se tedy s programovacím jazykem TS (EasyLanguage - poměrně jednoduchý a rychle pochopitelný jazyk).

[jaaan]

Tomnes, Heron:

Děkuju, to jsem rád, že jste můj příspěvek shledal inspirativním.

Praktické použití GA, jak jsem psal, používám je spíš na obecný "průzkum terénu", mám jen vágní workflow a často experimentuju s novými prvky.

V podstatě je to jak píšete. Třeba chci zkoušet trend-following systém, tak nadefinuju kostru - vstup na breakout, posuvný stop loss, vstupní trendový filtr. Některé volné parametry jsou čísla (třeba velikost breakoutu relativně k ATR), jiné můžou být obecné výrazy (dynamicky generované podmínky kdy a o kolik posunout stop loss). Velikost populace dávám standardně 100. Zkoušel jsem i větší (až 2000), ale počet generací, než to našlo slušná řešení, se nijak moc nezmenšil, takže to celý proces jen velmi zpomalilo.

Fitness Function se mi osvědčila co nejjednodušší. Ze začátku jsem v ní měl až 6 složek (absolutní zisk, zisk na obchod, sharpe ratio, zisk/drawdown, minimální počet obchodů, minimální podíl ziskových obchodů). Když tam dám takovou striktní FF, tak to skutečně najde systém, který má všechna tahle kritéria splňuje, ale je tak nějak "vynucený", curve-fittnutý a out of sample často moc nefungoval.

Postupně jsem došel k tomu, že jediné kritérium je absolutní zisk. Pustím vyhledánání mnohokrát po sobě, a sleduju i průběžné mezivýsledky. Konvergenci posuzuju intuitivně a zhruba, jak je popsáno dál.

V některých kontextech to nachází spoustu různých systémů s velkým množstvím obchodů a celkem hladkou equity křivkou, aniž bych ji vynucoval ve fittness funkcí, a dostanu slušné výsledky během deseti až dvaceti generací. To pak považuju za "dobré znamení" a zkoumám tu oblast dál. Finální systém ale navrhnu sám, nepoužiju přesně ty indikátory a parametry, které GA našly. Zohledňuju ještě další poznatky a předpoklady, které GA vyhledávání nezohlednilo a ani nemohlo zohlednit. Je to pro mě jen vodítko, že v tomto kontextu funguje trend-following celkem spolehlivě.

V jiných kontextech to naopak pořád sklouzává k bizarním systémům napasovaným na konkrétní historické zvláštnosti, (např "RSI(15) před 10 dny je menší neč CCI(27) před 5 dny a včerejší high je menší než close před 17 dny"), vývoj pokračuje třeba 50 generací a pořád no nachází nová a nová taková pravidla, často to sklouzává k systémům s málo obchody, velkými drawdowny, nalezená řešení nefungují out of sample... To mi potom říká, že tudy cesta nevede.

Trend following jsem zvolil jako příklad, abych mohl navázat na Heronův příspěvek a přiložené dokumenty o R/S analýze. Hledáme podobné vlastnosti, jen jinými metodami.

V těch článcích měří a analyzují velikosti pohybů, a pak pomocí nějakého koeficientu kvantifikují, jestli daný proces má paměť, jestli tam vznikají trendy, které by náhodnou procházkou pravděpodobně nevznikly. A pak Heron vyvazuje, že v trzích, které ten Hurstův koeficient mají výrazně větší než 0.5, budou dobře fungovat trend-following systémy.

Já s GA postupuju z druhé strany. Generuju spoustu různých trend-following systémů, a sleduju, jak v daném trhu fungují. Když tam vesměs fungují dobře, obchoduju je tam. A výsledky tohoto hledání by se nejspíš shodovaly s R/S analýzou.

Analýza přes Hurstův koeficient je elegantní, pracuje přesně definovanými pojmy, a výsledky se dají dobře exaktně interpretovat.

Cesta přes GA je inženýrská - zkoušíme, co funguje v praxi, a reagujeme na to, částečně intuitivně a na základě určité vágní zkušenosti. Na jedné straně hrozí nebezpečí curve-fittingu a nesprávná interpretace náhodných souvislostí. Na druhé straně můžeme najít opravdové a jemnější a hlubší souvislosti než R/S analýza. R/S analýza zkoumá jen jeden aspekt - do jaké míry je směr a velikost pohybu závislá na předchozím pohybu. Dynamika trhu je ale daná i dalšimi souvislostmi, jinými druhy "paměti". Například je možné v trhu mechanicky detekovat pravděpodobné support-resistance úrovně, a zvýšit pravděpodobnost vstupu strávnným směrem. GA pak testují všechny takovéto možné aspekty najednou a dohromady, jsou univerzálním nástrojem.

Jan

[CASB]

Dobrý sváteční den ze SRN,

chtěl bych prvně poděkovat oběma zakladatelům za velmi kvalitní web celosvětového významu v češtině. I zde je spousta lidí, kteří by měli navštěvovat ve svém volném čase jiné weby, aby se na obou stranách ušetřil čas, ale inteligentní člověk co se vášnivě a upřímně zajímá o profesionální trading a své sebezdokonalení zde najde absolutně vše co potřebuje.

Konečně k tématu:
Na svém 6ti jádrovém pc mám nainstalovanou TS s daty, MC napojenou na brokera, Grail dvojku a trial adaptrade builderu. Jedná se o velmi silné pomocníky. Přesto jako zcela elementární považuji pro každý systém udělat důkladnou WFO a zjistit jestli daný systém i celé portfolio je skutečně schopné v budoucnu vydělat nějaký ten dolar.
Měl bych na tomnese otázku ohledně kombinace platformy multicharts a Thegrail. Když začínáte pomocí těchto sw tvořit novou strategii, budujete strategii podobně jako s adaptrade builderem (zcela bez vlastního programování) nebo "startujete" strategy builder s vlastními předprogramovanými podmínkami ? Sám za sebe mohu říct, že na téma MC, TheGrail nebo Tradiestation9 a praktického budování a optimalizace portfolia včetně ladění různých MM bych uvítal pro sebe i pro ostatní podobný článek, který jde prakticky více do hloubky. Otázka je zda se o tyto pokřočilé techniky tradingu chcete a jste ochotni dělit se širší veřejností...

[tomnes]

Jaaan,

děkuji! V podstatě jak to čtu, můj postup využití GA se velmi blíží vašemu. Dokonce i s těmi FF a MaxGen jsem došel k podobnému závěru, jenom s tím rozdílem, že pokud mám nějakou potenciálně zajímavou ideu, využívám více FF jako více pohledů na jednu věc. Myslím tím jednoduchých FF, vážení více FF nepoužívám vůbec. A jsem opravdu rád, že je tu více uživatelů GA!

CASB,

já GA nikdy nepoužívám ke "slepému" stavění systémů - Jaaan to popisuje výše velmi pěkně. Používám pouze k testování nápadů, abych viděl, zda mají potenciál (na daném trhu a timeframe). Proto základy vždy tvořím s vlastním programováním. Tj. určitě vždy musíte mít nejdříve ideu, co vlastně chcete zkusit, co chcete testovat. Pak zadám do Grail CASB potřebné nástroje, ale jelikož je zde určité omezení (například s definicí dalších vlastních výstupů), je třeba i určitého programování. Občas vůbec nepracuji s CASB a rovnou si naprogramuji switches dle vlastní potřeby. GA pak už jen nechám hledat kombinace, jejichž ruční zkoušení by zabralo roky.
WFO sama o sobě ještě nic neznamená, ale využívám opravdu hodně WFO Cluster Analýzu, ta je pro mě velmi dobré vodítko robbustnosti.

[Heron]

jaaan:
ad Optimalizace/Datamining:
To je právě ta nevýhoda, že že vám to nachází pravidla jak píšete typu např "RSI(15) před 10 dny je menší neč CCI(27) před 5 dny a včerejší high je menší než close před 17 dny".. a ještě musí být úterý a sedět vrána na plotě :-). Je nějaký fundamentální důvod, proč by se cena měla chovat takto v pevně daných intervalech? Pochybuji. Když se nad tím zamyslíte, tak RSI a CCI vám jen ukazují korekce v trendu (nebo range). Předpokládám tedy, že strategie bude typu „kupuj korekce v UP trendu, prodávej rally v DN trendu, obchoduj odrazy v range“. Nějaká pravidelnost v odstupech korekcí, resp. odstupech podmnožiny korekcí, které jsou obchodovatelné (mají dostatečný profit margin, nikoliv že skončí obchod ziskem) asi nebude, tj. nebude to pevně daný počet barů. Tohle je jasný curvefitting bez ohledu na použitou fitness funkci nebo cokoli jiného.

Proto nejsem fanda „naivního“ používání dataminingu a říkám, že je lepší nejprve vědět co chci aby to dělalo a pak popřemýšlet které nástroje mi v tom asi můžou pomoci. A teprve potom se pustit do optimalizace. S dataminingem je problém v tom, že vůbec nemusí najít řešení (např. bude vždy kombinovat nějaké pevné periody, přitom pokud víte, že žádná stabilní perioda není, tak na to půjdete úplně jiným způsobem, např. nějakým triggerem který vám řekne kdy se něco stane. Podobný problém třeba s detekcemi a kvantifikacemi S/R). Dále pokud náhodou řešení najde, tak vy ho ve výsledcích nenajdete, protože na prvních 1000 místech se umístí curvefitting srágory s PF = 50 a teprve někde v hluboko v pelotonu slabě ziskových s PF =1,2 bude užitečný systém, na který to třeba náhodou přijde. Taky pak musíte výsledky adjustovat jak to popisuje Aronson v EBTA, abyste odstranil vliv datamining bias a dozvěděl se jaké jsou výsledky doopravdy. A pokud nevíte logiku za tím systémem a parametry které to našlo, tak je to pořád velký otazník, jestli to v budoucnu bude fungovat.

Osobně dávám přednost konstruování systému „dopředně“ – uvažuji nad tím jaké podmínky nebo důvody můžou přimět cenu, aby se chovala pro moje potřeby dostatečně předvídatelně (po krátký omezený čas, pochopitelně), navrhnu si jak bych odhalit, že tyto podmínky nastaly a jak reagovat v případě že se trefím v odhadu nebo naopak netrefím, jak řídit obchod po dobu jeho trvání. Tuto strategii pak teprve backtestuji na historických datech a případně optimalizuji.

Většina ale používá „zpětný“ přístup – vezme historická data, neví a nezajímají se proč se cena mění (nebo si myslí, že se cena chová podle překřížení MA nebo odrazu od MA nebo podobně – pletou si co je příčina a co je důsledek). Pak se snaží vybrat takové indikátory a parametry, které by dobře pasovaly na ten vzorek historických dat který, zrovna mají k dispozici. No a na závěr se diví, že jim to přestane fungovat a hledají něco nového v domnění, že jejich dočasné edge přestalo fungovat. Přitom ve skutečnosti žádné edge neměli, pouze našli nějaké fluktuace v datech, které se ovšem neopakují v budoucnu s dostatečnou pravidelností. A taky si samozřejmě myslí, že cenu ovlivňuje pouze minulá cena (historická data) a neberou v úvahu jiné faktory.

Aby bylo jasno, nemám nic proti dataminingu nebo optimalizaci jako takové – jsou to bez diskuze užitečné nástroje. Jen to chce vědět na co a jak je používat a kdy raději ne. Není nad vlastní zkušenosti, takže ať si to každý vyzkouší a pak použije to co mu vyhovuje.

ad Hurstův exponent:
Já osobně to nevyužívám, dal jsem to sem jen proto, že se Tomáš ptal, jestli nevím o nějaké studii. Tohle byla jedna z několika na které jsem dříve narazil a byla první, na kterou jsem si vzpomněl. Nejsem fanda tohoto přístupu – tyhle modely popisují trh jen zvnějšku a jsou dobré tak pro teoretiky financí. Já jsem spíš pro znalost toho jak to v reálu funguje a jednoduché aplikace, žádné brutální matematické modely (R/S je ještě jednoduchý a elegantní přístup oproti jiným). Rád si ale počtu na co teoretikové zase přišli a jestli to nelze k něčemu použít. Člověk se tak dozvídá nové zajímavé souvislosti nejen pro trading. Jak píšeš o té inženýrské cestě, tak jsem si vzpomněl na přístup ke hraní rulety a na vtip jak jedou inženýři a manažeři vlakem na nějakou služební cestu (vlákno vtipy je ale zamčené).

Přístup ke hraní rulety:
1) naivní přístup – nevědí že jsou šance nastaveny proti nim (kombinace pravděpodobností padnutí čísel a výplatních poměrů = profit faktor) tj. nemají edge. Nebo to vědí ale ignorují to a myslí si, že je spasí nějaký money management nebo šťastná zaječí pacička. Hrají dokud vše neprohrají.
2) teoretický přístup – rozumí tomu jak je to s jejich šancemi a nikdy nehrají ruletu, leda pro zábavu.
3) inženýrský přístup – rozumí tomu, že jsou šance proti nim stejně jako u teoretického přístupu, ale navíc si uvědomují, že je rozdíl mezi teoretickým modelem rulety a fyzickou ruletou v kasinu. Snaží se získat edge na svou stranu. Tak si do brýlí zamontují kamerku, do boty dají mikropočítač s dobrým fyzikálním modelem (kulička se chová v jistých mezích deterministicky) a když počítač při zpomalování kuličky vypočítá klastr čísel kam asi padne, tak rychle vsadí. Tím mají šance ve svůj prospěch. To se opravdu několikrát stalo (resp. odhalení těchto lidí), snad o tom byl i film, pak už si na to kasina dávali pozor, takže to chce vymyslet zase něco nového resp. nebýt tak nápadný. Na elektronickou internetovou ruletu to chce pochopitelně jiný hack.

ad fitness funkce:
Nad tím je dobré se hluboce zamyslet pokud používáte optimalizaci. Některé fitness funkce jsou výrazně užitečnější než jiné (z hlediska toho co od systému požadujete / očekáváte).

[Heron]

Pro ještě větší výkonnost je dobré kromě již zmiňovaných genetických algoritmů a vícejádrových procesorů také pít hodně kávy:

[jaaan]

Heron:

Přesně tak, já jsem tento výsledek (RSI, CCI, vrabec na plotě) uváděl jako příklad curve-fittingu a nevěrohodného pravidla.

Ad ruleta: kdyby kamerka a mikropočítač, byly doby, kdy se dalo nad ruletou vyhrát s tužkou a papírkem a záznamem historie. en.wikipedia.org/wiki/Roulette#Biased_wheels

Jinak se těším na tu Aronsonovu knihu. Před časem jsem si ji koupil, ale ještě jsem se k ní nedostal. Když vidím, jak se na ni v každém příspěvku odkazujete, posunu ji ve frontě knih k přečtení hodně dopředu.

Jan

[honza27]

Herone, díky za skvělé příspěvky. Když už jsme u té umělé inteligence, jak se díváš na možnost získání edge pomocí neuronových sítí či dalších metod AI?

[Dejvid]

Heron:

zaujala mne vaše věta "Přitom ve skutečnosti žádné edge neměli, pouze našli nějaké fluktuace v datech, které se ovšem neopakují v budoucnu s dostatečnou pravidelností."
Chtěl jsem se zeptat co je myšleno a jaká je dostatečná pravidelnost ?
Děkuji za upřesnění.

[Heron]

honza27: „... jak se díváš na možnost získání edge pomocí neuronových sítí či dalších metod AI“ Možné to určitě je. Neexistuje pouze jedno edge ale celá řada (ve smyslu příčina, jejímž důsledkem je funkční systém, resp. něco co se dá přetavit v zisk). Vždycky je ale třeba brát v úvahu své možnosti a omezení, říká se tomu najít si na trhu svoji niku. Těžko můžete jako retail trader konkurovat HFT, když máte PC s ADSL připojením přes půl světa. Stejně tak nemůžete konkurovat (jít proti nim) hedgerům, kteří nemusí skládat margin, protože ručí dodáním zboží. Oni ustojí půlroční pokles proti sobě, vy určitě ne viz margin call. Trh je jako ekosystém – každý účastník má svoji funkci, chování, časový rámec obchodů, velikost ztráty kterou ustojí, způsob vstupů a výstupů, různé možnosti a omezení. K těm AI a spol. – existují funkční řešení, např. Renaissance Technologies, D.E. Edwards a hodně dalších. Jenže oni na rozdíl od nás na to mají potřebné zdroje – výpočetní, intelektuální, finanční, informační. A taky na to jdou většinou trochu jinak – mají na vstupu stovky/tisíce proudů dat ze všech možných zdrojů a vycházejí z matematických modelů (quant finance) tj. většinou z aplikace Girsanovova teorému (Girsanov’s theorem). O čem je quantitativní přístup vysvětluje stručně a jasně na třech stránkách jeden ze zakladatelů a tahounů odvětví Emanuel Derman v článku „The boy’s guide to pricing and hedging“ (viz příloha). Osobně jsem spíše skeptický k možnosti využití těchto technologií v retail sektoru k objevení něčeho, co by šlo také s našimi možnostmi využít. Na řešení nějakých dílčích problémů to ale určitě použít jde. Jsou i tací, co tvrdí že to tak udělali – třeba Olympusko, více je ale těch co s tím zápasili a nikam to nevedlo (podle jejich tvrzení). Na druhou stranu pokud na něco přijdu, tak to budu obchodovat a ne roztrubovat do světa. Chce to zkusit – každý má jiné matematické a IT zázemí apod.

[Heron]

Dejvid:
Znamená to tohle: Máš nějaká historická data, třeba za 10 let. Projedeš to nějakými testy a u nějakého pravidla např: „CCI(50) roste a zárověň se tohle kříží s tímhle a zároveň venku prší a je středa odpoledne“ ti vyjde, že podle tohoto pravidla by systém udělal za těch 10 let třeba 2000 obchodů, přičemž v 75% by se vyplatilo jít long a 25% short (výrazně jinak než 50:50, při RRR = 1:1) při výstupu třeba za 3 dny od vstupu. Takže si řekneš (uděláš systém), že vždy když nastane tahle podmínka, půjdeš do toho long a vyděláš prachy, protože tvoje šance jsou 75:25 (při RRR = 1:1).

Potíž je v tom, že pokud to pravidlo není podepřeno nějakou logikou, tak téměř jistě nebude v budoucnu fungovat, protože jde jen o vliv náhody (náhodné fluktuace v datech, na kterou pravidlo pasuje), nikoliv o vliv nějakého edge. To si ověříš např. tím, že si seženeš jiných 10 let dat nebo data z jiných trhů a aplikuješ na ně svůj systém s tímto pravidlem. Zjistíš že někdy je to 75:25, jindy 45:55, jindy 20:80 – dlouhodobě ale v průměru 50:50 při RRR = 1:1. Nebo se můžeš podívat jak se ty procenta mění v průběhu těch 10 let. Pokud se pohybují od 10% do 90% několikrát tam a zpět, tak kdybys dělal backtest třeba jen na 8 letech místo deseti, tak by ti vyšlo že to máš dělat naopak čili brát pouze obchody na short stranu. A s tou dostatečnou pravidelností jsem to myslel tak, že pravidlo nebude v budoucnu nebo na jiném období dat fungovat dostatečně na nějaký zisk. Pokud by byl jen místo vysokého zisku v backtestu nižší zisk, tak by to ani nevadilo, často je ale místo zisku pořádná ztráta (z dlouhodobého hlediska). Nejlepší obrana proti tomu je mít systém postavený na nějaké logice, ne pouze na statistice – dobrý systém má i dobré výsledky, ale dobré výsledky automaticky neznamenají dobrý systém. Taky se tomu říká přeoptimalizace nebo curvefitting.

Moc hezká písnička s perfektní melodií na tohle téma a na téma risk managementu obecně je tahle:

Voskovec a Werich – Nikdy nic nikdo nemá (1931)
----------------------------------------------------------------
Celé lidské pokolení
mělo by víc pokoje,
kdyby bylo to co není
a nebylo to co je.

Nikdy nic nikdo nemá
míti za definitivní
neb nikdy nikdo neví
co se může státi.

Řekne se
třeba že se
to a to stane tak a tak
ono to pak dopadne
docela naopak.
......

Celý klip je tady, písnička začíná na 2:45 min: www.youtube.com/watch?v=tsj1ppSG4Ys

PS: Murphyho zákony nevymyslel Murphy, ale jiný člověk téhož jména.

[Dejvid]

Heron:

Děkuji za odpověď.
To co píšete ze začátku odpovědi jsem věděl a pochopil. Mám takový OS založený na logice a postavený na základech trhu, tj. věřím na dlouhodobá "věčná" edge. Jen jsem se chěl ujistit s tou (dostatečnou pravidelností),že toto edge skutečně mám. A pokud píšete, že to vlasně znamená dostatečný nějaký zisk (pravděpodobně pro delší období), tak je to OK. Možná jsem se měl raději zeptat, jaká je hranice mezi náhodou a jistotou, asi mi odpovíte, že toto mi určí pravděpodobnost vyjádřená v procentech. Nebo se pletu ?
Děkuji