La mutazione del trader sistematico
La nuova scienza dell'analisi tecnica
|
|
| autori: | DeMark Thomas R. |
| formato: | Libro |
| prezzo: | |
| vai alla scheda » | |
Il primo approccio che un trader discrezionale ha nei confronti del trading algoritmico/sistematico è quello di tradurre le proprie idee e strategie in un “codice” comprensibile al proprio pc che gli permetta due cose:
- fare un backtest per vedere se quello che fa in discrezionale ha una base statistica o è solo “manico”;
- automatizzare la strategia per andare in spiaggia con il portatile e la Ferrari parcheggiata fuori mentre da solo il pc fa soldi a palate!
Purtroppo anche se la sua idea di trading sembra profittevole, la traduzione in un Trading System porta inevitabilmente al risultato che la strategia va in drawdown nel 90% dei casi.
“Perché? Io la trado tutti i giorni e sono profittevole!”
Il motivo sta nella perfetta efficienza (non efficacia!) di un trading system rispetto al “manico” del trader esperto.
È come guidare un’automobile con uno pneumatico leggermente sgonfio. Anche se non ce ne accorgiamo, continuiamo a correggere la traiettoria della vettura per rimanere in carreggiata. Altrimenti, se fosse lasciata a se stessa, finirebbe inevitabilmente in un fosso.
Il trader discrezionale fa proprio questo: aggiusta continuamente il tiro a ogni trade.
A questo punto le primissime reazioni sono:
- “I trading system non funzionano!”
- “Gli expert advisor azzerano il conto!”
- “Sono perdite di tempo!”.
Purtroppo siamo partiti con il piede sbagliato e il risultato finale non può che essere disastroso.
È come pensare di fotografare nella savana un leone che si trova a 200 metri di distanza e mettere in primo piano lo sguardo feroce prima di un attacco. Hai voglia poi di giocare con Photoshop! Il risultato sarà comunque scadente perché il soggetto è troppo lontano e questo “errore” non potrai mai compensarlo.
Se riesci a superare questa fase, capirai ben presto che uno dei mantra a cui un trader algoritmico si ispira è quello di scovare inefficienze statistiche da sfruttare su uno o più sottostanti.
Come avviene questo procedimento? È semplice: adeguando la nostra strategia al mercato e non viceversa.
Il protagonista non è più il trader che vuole usare la sua strategia, ma il sottostante che ci “suggerisce” delle situazioni da sfruttare. E noi sviluppiamo la strategia in funzione di questo “suggerimento”.
Sì, so cosa mi stai per chiedere: “Ma come faccio ad ascoltare il suggerimento? Forse mi devo mettere con l’orecchio vicino al monitor?”.
Boh, forse funziona. Di base il trader sistematico studia i grafici del passato e in seguito sviluppa, o riceve da qualche corso, dei Bot che gli indicano la strada.
Un Bot? Ma che cos’è?
L’invenzione dei Bot va attribuita a Google.
Sono dei programmini che si insinuano in maniera più o meno silente nei siti web per indicizzarli sul proprio motore di ricerca.
In pratica cercano di capire se quello che presenti sul tuo sito web è “fuffa” oppure se veramente attribuisci valore a chi ricerca un determinato argomento.
Riconvertiti in seguito nel mondo della finanza quantitativa, puoi immaginarli come dei piccoli trading system che si insinuano all’interno del sottostante e scovano (spesso, ma non sempre) queste benedette inefficienze.
Può essere semplicemente un andamento di ritorno verso la media, un bias orario o giornaliero, una stagionalità e così via. Oppure cose molto più difficili da trovare.
C’è un però: questa “ricerca” è veramente un lavoraccio (sì, anche entusiasmante ma pur sempre un lavoro certosino).
Spesso si passano intere settimane a studiare i grafici del passato, provare varie correlazioni, sviluppare nuovi bot, provare altri mercati, altri timeframe… Può diventare frustrante!
A un certo punto qualcuno più furbo di noi avrà pensato: ma perché devo stare a “sclerare” davanti a un grafico quando ho un pc con quattro core pagati profumatamente? Possibile che non possa sfruttare tutta questa potenza?
Il problema è che il pc è molto veloce ma anche molto stupido e quindi se non “impara” rimarrà sempre stupido e noi dovremo continuare a studiare i mercati invece di guardare Netflix!
Nasce così il Machine Learning (o meglio nasce in altri ambiti e viene adottato nella finanza quantitativa).
Ma cos’è questa benedetta espressione che ormai si trova scritta dappertutto? È semplicemente un modo diverso di far lavorare un processore. Non più con tecniche dette di brute force, con le quali in maniera appunto stupida si passano tutte le combinazioni possibili per trovare quella più robusta, ma aspettandosi una “presa di coscienza” di quanto funziona bene scartando quello che funziona male.
Siamo all’ ultimo stadio evolutivo del nostro trader: a lui rimane lo scopo più nobile del trading, ossia la gestione del rischio, l’asset allocation, la rotazione dei sistemi.
Ma facciamo un passo indietro e cerchiamo di capire questo Machine Learning.
Provate a immaginare una situazione in cui non è più il trader che analizza gli storici dei sottostanti, lancia un Bot dietro l’altro, codifica la strategia, corregge gli errori, ma è la piattaforma stessa a svolgere questi compiti.
Hai la possibilità di lanciare tutti i Bot possibili così come tutti gli indicatori, pattern candlestick, livelli di prezzo e chi più ne ha più ne metta!
Anche se non sei un esperto di informatica capisci subito che se non hai il server della NASA difficilmente vedrai la fine di questa analisi quantitativa prima di morire. Sono veramente troppe combinazioni!
Occorre qualcosa di meno stupido del provare tutte le possibili combinazioni per arrivare a qualcosa di decente. E proprio da queste esigenze nascono le tecniche di autoapprendimento: reti neurali, SVM, clustering e via dicendo.
Anche se non ve ne rendete conto siamo circondati da sistemi di Intelligenza artificiale: riconoscimento vocale, riconoscimento del volto (ormai disponibile anche in un cellulare da 200 euro), navigatori satellitari, fino ad applicazioni veramente complesse come la guida autonoma… sulla Terra e su Marte (curiosity) e cose inquietanti come robot soldati!
Sì, ma io faccio trading mica vado su Marte!
Tra queste tecniche, una delle più utilizzate nel trading quantitativo sta semplicemente nello scartare ciò che va in drawdown e tenere quello che va in runup con del valore vero e non equity fake. Si tratta della tecnica denominata degli Algoritmi Genetici
Cerchiamo di capire di cosa stiamo parlando.
La piattaforma attinge da un enorme contenitore (data base) nel quale è inserita un’enorme quantità di regole di trading: indicatori, oscillatori, pattern di prezzo e via dicendo. A ciascuna viene assegnata una coppia di valori, in maniera del tutto analoga al gioco della battaglia navale. Per esempio: B3, affondato!
In estrema sintesi, funziona così.
La piattaforma sceglie causalmente un primo set di regole da usare per cercare inefficienze statistiche; diciamo 100 regole. Questo primo set prende il nome di popolazione.
In pratica esegue 100 backtest sul sottostante e alla fine del ciclo sceglie quelle che hanno performato meglio (“meglio” è un concetto molto più complesso, ma per semplificare usiamo il Net Profit).
La piattaforma “boccia” la maggior parte di essi e promuove solo una piccolissima parte di strategie che passano al secondo backtest.
A questo punto abbiamo una manciata di strategie performanti (diciamo 10 per semplificare), ma perché fermarci qui? Riportiamo il nostro set di regole a 100 e ripartiamo con un nuovo giro senza “buttare“ le 10 buone, ma anzi andando a prenderne altre 90 che hanno una logica simile alle prime.
In pratica abbiamo fatto quello che in genetica si chiama crossover, ovvero generare dei “figli” che avranno la loro personalità, ma con un DNA in comune con i genitori, dei quali uno sarà predominante ma “scelto” casualmente.
Ma c’è un problema: così facendo, in pratica ci stiamo affidando solo alla prima popolazione perché le successive ereditano sempre lo stesso DNA.
Il nostro backtest andrà ben presto in stallo e non sarà più in grado di migliorarsi.
Come si risolve il problema? Esattamente – in un’estrema semplificazione - come fa la natura, ossia… commettendo errori.
Questi errori, che in natura si chiamano mutazioni genetiche, portano alla nascita di Cristiano Ronaldo, Roger Federer, Albert Einstein ma, ahimè, anche della sindrome di Down, della sclerosi multipla, dei tumori e così via.
La nostra piattaforma fa esattamente la stessa cosa. A un certo punto, per uscire dal loop, fa una mutazione e va a pescare (con una percentuale molto bassa) in maniera casuale nuove regole a ogni nuovo ciclo di backtest (generazione). Così facendo se sono peggiori verranno scartate, ma se sono migliori andranno a creare la base per la nuova popolazione di strategie profittevoli, cui se ne aggiungeranno altre che erediteranno il DNA e altre completamente diverse derivanti da una nuova mutazione.
Dopo tante elaborazioni ti troverai a un bivio e dovrai scegliere.
Nuovo stallo: ma a questo punto hai esaurito le cartucce. Stoppi i backtest e cerchi di trovare qualcosa di tradabile.
Equity OGM: la super equity perfetta che al 100% è intradabile perché troppo perfetta.
Ti stufi e dopo un po’ interrompi (la scelta migliore) i backtest.
Qui entra in gioco il “manico” del trader sistematico: grazie alle tecniche di validazione (Montecarlo, OOS, multiasset, multi-TF ecc.) andrà a filtrare dalla super-popolazione finale una manciata di equity robuste (Average trade capiente, numero minimo di trade>100, net profit, expectancy (netprofit/DD) ma qui inizia un altro film.
Ciao!
Articolo letto 3977 volte.
Inserisci un commento