Salut les joyeux lurons. 
En ce lundi matin je propose d'attaquer directement dans le dur du sujet, en parlant de la stratégie de backtesting qu'on appelle "walk forward".
Quand il s'agit de tester une stratégie (pour de l'auto ou même du discrétionnaire), il est important de ne pas "consommer" la totalité de l'historique d'un coup.
Perso, je regarde en premier lieu comment performe l'algo sur la totalité de l'historique, pour filter grossièrement, et ensuite j'utilise le "walk forward" (fonction dispo sur le logiciel PRT mais je ne l'ai jamais testé, je fais ça à la mano).
Comment ça fonctionne ?
L'idée est finalement assez simple : il s'agit de cycles 1) optimisation sur données "In Sample" (ce sont les données qu'on "consomme") puis 2) test de l'optimisation sur données "Out Of Sample" (les données inconnues). Et on fait glisser la fenêtre tout le long de l'historique disponible (ou jusqu'à ce qu'on ait trop de résultats Out Of Sample négatifs auquel ca perso je mets à la poubelle).
Voici un graph pour illustrer le processus :
Dans la partie du bas ("Unanchored Test") qui est la méthode que j'utilise, il optimise d'abord sur la période 2007 / 2010, puis il teste avec les paramètres optimisés sur la période 2011. Ensuite il fait "glisser" la fenêtre => il optimise sur 2008 / 2011 et teste sur 2012. etc.. Il fait donc l'optimisation de ses paramètres sur une fenêtre "In Sample" de 4 ans, puis il teste sur l'année suivante (il s'agit donc de Swing Trading, vraisemblablement)
Perso pour mon algo actuel j'avais une fenêtre d'optimisation de 15 jours, et j'ai testé l'algo ainsi paramétré sur une période de 15 jours proches. Donc chaque mois, je réoptimise maintenant l'algo sur les 15 jours écoulés, pour avoir les paramètres pour les 15 jours suivants (enfin , pas tout à fait, mais peu importe c'est l'idée).
J'espère que ça peut intéresser, n'hésitez pas si ce n'est pas clair.
(si vous débutez en algo, je vous conseille ce livre https://www.goodreads.com/book/show/22675886-building-winning-algorithmic-trading-systems?from_search=true . C'est un peu cher, mais pleins de conseils de bon sens)
====================
Les stats: aucune d'importance
Résultats de GOOGLE après la clôture.
====================
Bonne semaine
En ce lundi matin je propose d'attaquer directement dans le dur du sujet, en parlant de la stratégie de backtesting qu'on appelle "walk forward".
Quand il s'agit de tester une stratégie (pour de l'auto ou même du discrétionnaire), il est important de ne pas "consommer" la totalité de l'historique d'un coup.
Perso, je regarde en premier lieu comment performe l'algo sur la totalité de l'historique, pour filter grossièrement, et ensuite j'utilise le "walk forward" (fonction dispo sur le logiciel PRT mais je ne l'ai jamais testé, je fais ça à la mano).
Comment ça fonctionne ?
L'idée est finalement assez simple : il s'agit de cycles 1) optimisation sur données "In Sample" (ce sont les données qu'on "consomme") puis 2) test de l'optimisation sur données "Out Of Sample" (les données inconnues). Et on fait glisser la fenêtre tout le long de l'historique disponible (ou jusqu'à ce qu'on ait trop de résultats Out Of Sample négatifs auquel ca perso je mets à la poubelle).
Voici un graph pour illustrer le processus :
-
- Extrait du livre "Building Winning Algorithmic Trading Systems"
Perso pour mon algo actuel j'avais une fenêtre d'optimisation de 15 jours, et j'ai testé l'algo ainsi paramétré sur une période de 15 jours proches. Donc chaque mois, je réoptimise maintenant l'algo sur les 15 jours écoulés, pour avoir les paramètres pour les 15 jours suivants (enfin , pas tout à fait, mais peu importe c'est l'idée).
J'espère que ça peut intéresser, n'hésitez pas si ce n'est pas clair.
(si vous débutez en algo, je vous conseille ce livre https://www.goodreads.com/book/show/22675886-building-winning-algorithmic-trading-systems?from_search=true . C'est un peu cher, mais pleins de conseils de bon sens)
====================
Les stats: aucune d'importance
Résultats de GOOGLE après la clôture.
====================
Bonne semaine
les amis. Yes @DeeJay 
