MACHINELEARNINGNET2 Telegram 516
ادامه داستان های ما : آنالیز استراتژی ها

روزی که الگوریتم مومنتوم رو توی دیپ فاینانس بعد از نزدیک یکسال لایو ترید عرضه نهایی کردیم، اولش تقریبا ارتباطی با هج فاندهای کریپتو نداشتم، واسه همین معیارهای اونارو برای آنالیز استراتژیمون نمیدونستم، بعد از شرکت توی چند تا کنفرانس تخصصی فاند منیجری، بلاخره با نیکل دیجیتال و چند تا شرکت بزرگ این حوزه آشنا شدم،

نتایج رو که بهشون ارائه میدادم، با کلی ذوق به سود ۸۰ و اندی درصدی اشاره میکردم، طرف انگار اصلا براش مهم نبود🤷‍♀، تازه اونجا فهمیدیم که راه رو اشتباه رفتیم😁،

میانگین سود ۸۰ درصدی من در سال با ماکزیمم drawdown (dd) مثلا ۲۵-۳۰ درصدی برای یه شرکت هج فاند بدرد نمیخورد، منم دنبال خرده فروشی نبودم که استراتژی رو روی پول های ۱۰-۲۰ هزار تایی ران کنم. انگاری دید خرده فروشی داشتم ، اما میخواستم محصول هج فاندی ارائه بدم !

بعدش فهمیدیم باید بریم روی استراتژی هایی با dd زیر ۷ درصد و شارپ بالای ۲-۲.۵

کلا شارپ ریشیو شد نان شب و افزایش اون با کمتر کردن dd کار طاقت فرسایی شد،

اون هم که اوکی شد تازه گیر این افتاد که استراتژی چقدر میتونه پول مدیریت کنه ؟ شما فکر کن وقتی داری شارپ رو میبری بالا و dd رو میاری پایین، اصولا جوری میشه استراتژی ات که سودت میاد پایین. مثلا میشه استراتژی مارکت نیوترال،
اون استراتژی های مومنتوم بیس هستن که سود بالایی میدن و اصولا شارپ شون هم پایینه ( بخاطر ولاتیلیتی بالا)
حالا وقتی سودت پایینه، زمانی اون استراتژی بدردت میخوره که بتونی پول گنده مدیریت کنی، والا نمیتونی پول همکارات رو بدی و بازم fail میشی !

اینارو گفتم که بهتون بگم خیلی توی آنالیز استراتژی دنبال accuracy اینا نباشین،
یه دیلی ریترن بدین به کوانت استات ، براتون حساب کنه معیارهای مالی استراتژی تون چطوره
کلا هم با دو خط کد براحتی میشه آنالیز خوبی با این پکیج از استراتژی داشت

لینک

اما، برای نحوه بکتست، ما ۳-۴ تا پرزنت توی آپارات از کتاب دپرادو داریم، یکی اش مدل
Combinatorial Purged Cross Validation
هست که یه کراس ولیدیشن با embargo و purging هست و اینا برای عدم لیکیج بدرد میخورد،
لینک
نحوه کراس ولیدیشن اش هم جالبه، بجای مثلا ۵ ترین و ۱ قسمت تست، مثلا ۵ ترین و ۲ تا قسمت تست استفاده می‌کنه که بتونه کل بازه رو بصورت ترکیب های متفاوت تست کنه.
حالا اینم نباشه و یه walk forward cross validation ساده هم بزنی اوکیه.
لینک
حالا برای بکتست خوب فقط مساله لیکیج نیست، مثلا یکی از ایرادات survivalship بایاس هست.

مدلی زده بودیم ، سال اول ۷۰ درصد سود، باقی سالها میشد ۳۰ درصد. هیچ لیکیجی هم نبود، فهمیدیم کوین هایی که انتخاب میکنیم بعد از ۳ سال mature شدن و همه دووم اوردن، درحالی‌که اون زمان میم کوین بودن و واسه همین بایاس در انتخاب کوین داشتیم،

حالا چرا اکیوریسی نه؟ اوکیه احسان😊؟

پ.ن.۱. داستان اینجا تازه میرسه به پیچ اصلی راه، لایو کردن استراتژی

پ.ن.۲. قضیه لایو و execution خودش داستان خشنی داره😉!

@machinelearningnet



tgoop.com/machinelearningnet2/516
Create:
Last Update:

ادامه داستان های ما : آنالیز استراتژی ها

روزی که الگوریتم مومنتوم رو توی دیپ فاینانس بعد از نزدیک یکسال لایو ترید عرضه نهایی کردیم، اولش تقریبا ارتباطی با هج فاندهای کریپتو نداشتم، واسه همین معیارهای اونارو برای آنالیز استراتژیمون نمیدونستم، بعد از شرکت توی چند تا کنفرانس تخصصی فاند منیجری، بلاخره با نیکل دیجیتال و چند تا شرکت بزرگ این حوزه آشنا شدم،

نتایج رو که بهشون ارائه میدادم، با کلی ذوق به سود ۸۰ و اندی درصدی اشاره میکردم، طرف انگار اصلا براش مهم نبود🤷‍♀، تازه اونجا فهمیدیم که راه رو اشتباه رفتیم😁،

میانگین سود ۸۰ درصدی من در سال با ماکزیمم drawdown (dd) مثلا ۲۵-۳۰ درصدی برای یه شرکت هج فاند بدرد نمیخورد، منم دنبال خرده فروشی نبودم که استراتژی رو روی پول های ۱۰-۲۰ هزار تایی ران کنم. انگاری دید خرده فروشی داشتم ، اما میخواستم محصول هج فاندی ارائه بدم !

بعدش فهمیدیم باید بریم روی استراتژی هایی با dd زیر ۷ درصد و شارپ بالای ۲-۲.۵

کلا شارپ ریشیو شد نان شب و افزایش اون با کمتر کردن dd کار طاقت فرسایی شد،

اون هم که اوکی شد تازه گیر این افتاد که استراتژی چقدر میتونه پول مدیریت کنه ؟ شما فکر کن وقتی داری شارپ رو میبری بالا و dd رو میاری پایین، اصولا جوری میشه استراتژی ات که سودت میاد پایین. مثلا میشه استراتژی مارکت نیوترال،
اون استراتژی های مومنتوم بیس هستن که سود بالایی میدن و اصولا شارپ شون هم پایینه ( بخاطر ولاتیلیتی بالا)
حالا وقتی سودت پایینه، زمانی اون استراتژی بدردت میخوره که بتونی پول گنده مدیریت کنی، والا نمیتونی پول همکارات رو بدی و بازم fail میشی !

اینارو گفتم که بهتون بگم خیلی توی آنالیز استراتژی دنبال accuracy اینا نباشین،
یه دیلی ریترن بدین به کوانت استات ، براتون حساب کنه معیارهای مالی استراتژی تون چطوره
کلا هم با دو خط کد براحتی میشه آنالیز خوبی با این پکیج از استراتژی داشت

لینک

اما، برای نحوه بکتست، ما ۳-۴ تا پرزنت توی آپارات از کتاب دپرادو داریم، یکی اش مدل
Combinatorial Purged Cross Validation
هست که یه کراس ولیدیشن با embargo و purging هست و اینا برای عدم لیکیج بدرد میخورد،
لینک
نحوه کراس ولیدیشن اش هم جالبه، بجای مثلا ۵ ترین و ۱ قسمت تست، مثلا ۵ ترین و ۲ تا قسمت تست استفاده می‌کنه که بتونه کل بازه رو بصورت ترکیب های متفاوت تست کنه.
حالا اینم نباشه و یه walk forward cross validation ساده هم بزنی اوکیه.
لینک
حالا برای بکتست خوب فقط مساله لیکیج نیست، مثلا یکی از ایرادات survivalship بایاس هست.

مدلی زده بودیم ، سال اول ۷۰ درصد سود، باقی سالها میشد ۳۰ درصد. هیچ لیکیجی هم نبود، فهمیدیم کوین هایی که انتخاب میکنیم بعد از ۳ سال mature شدن و همه دووم اوردن، درحالی‌که اون زمان میم کوین بودن و واسه همین بایاس در انتخاب کوین داشتیم،

حالا چرا اکیوریسی نه؟ اوکیه احسان😊؟

پ.ن.۱. داستان اینجا تازه میرسه به پیچ اصلی راه، لایو کردن استراتژی

پ.ن.۲. قضیه لایو و execution خودش داستان خشنی داره😉!

@machinelearningnet

BY @machinelearningnet


Share with your friend now:
tgoop.com/machinelearningnet2/516

View MORE
Open in Telegram


Telegram News

Date: |

But a Telegram statement also said: "Any requests related to political censorship or limiting human rights such as the rights to free speech or assembly are not and will not be considered." Polls With the sharp downturn in the crypto market, yelling has become a coping mechanism for many crypto traders. This screaming therapy became popular after the surge of Goblintown Ethereum NFTs at the end of May or early June. Here, holders made incoherent groaning sounds in late-night Twitter spaces. They also role-played as urine-loving Goblin creatures. According to media reports, the privacy watchdog was considering “blacklisting” some online platforms that have repeatedly posted doxxing information, with sources saying most messages were shared on Telegram. 5Telegram Channel avatar size/dimensions
from us


Telegram @machinelearningnet
FROM American