Разрушение мифов «старой школы» в алготрейдинге

Разрушение мифов «старой школы» в алготрейдинге

Томас Неснидал разбирает три распространённых убеждения о системной торговле: сложность оптимизации, число параметров и роль логического обоснования. Категоричные выводы в авторском тексте отражают его опыт и выборку, а не универсальные гарантии результата.

Специальный выпуск о мифах «старой школы» и подходах «новой школы», который предлагает переосмыслить привычные представления о системной торговле. Три области, в которых, по мнению автора, укоренившиеся убеждения могут лишать трейдеров полезных возможностей.

Слышали ли вы когда-нибудь, как кто-то говорит:

«Самое безопасное место во время землетрясения — дверной проем».

Или как насчёт:

«Использование мобильного телефона во время заправки автомобиля бензином может привести к взрыву».

Или, возможно, вы даже слышали:

«Если поставить металл в микроволновку, она взорвётся».

Уверен, что большинство людей слышали эти высказывания. Возможно, вы приняли их за факт, изменили своё поведение и рассказали о них другим, которые поступили так же.

Но являются ли эти «факты» на самом деле правдой?

«Разрушители мифов» — популярный телесериал, который берёт распространенные мифы и проверяет их, чтобы узнать, являются ли они на самом деле правдой или нет. И зачастую результаты бывают неожиданными! Есть несколько очень известных мифов, которые все считают правдой, но которые не выдерживают проверки. (Кстати, они также проверили и представленные выше 3 мифа, и, возможно, вас это удивит, но все они оказались ЛОЖНЫМИ...)

Примечание редакции. Бытовые примеры здесь служат лишь иллюстрацией авторского подхода к проверке убеждений. Они не являются инструкциями по безопасности.

Люди всю жизнь полагают, что эти мифы верны, потому что кто-то другой рассказал им об этом. И эти мифы часто могут влиять на мысли и поведение людей (если вы видели серию «Может ли лавовая лампа убить человека?», то вы, возможно, дважды подумаете, прежде чем держать её в своём доме!)

Подобные мифы окружают нас повсюду. Многие из них передавались из поколения в поколение и слепо принимались за истину. И то же самое можно увидеть в трейдинге.

Существует множество торговых «знаний», «принципов» и «правил», которые передавались с течением времени и принимались за истину. Это «старая школа», построенная на мудрости и опыте, накопленных и проверенных временем. Но являются ли все эти знания «старой школы» правдой или же всё это мифы? Работают ли они так же и в наши дни?

С другой стороны, есть подходы «новой школы», основанные на достижениях в области знаний, технологий, исследований и научных методов.

Убеждения «новой школы» иногда могут конфликтовать с убеждениями «старой школы». В таком случае каких же из них нам, трейдерам, следует придерживаться? «Старой школы» или «новой школы»?

Это вполне обоснованный и крайне ВАЖНЫЙ вопрос, и к концу этого выпуска «Empowered Trader» вы получите на него ответ.

Но сначала позвольте мне задать вопрос: если бы я представил вам две такие торговые стратегии, какую вы выбрали бы для своего портфеля?

Уверен, что большинство трейдеров выбрали бы первую. И я тоже выбрал бы первую всего несколько лет назад. Но я бы хотел, чтобы наша работа была такой простой. Я бы хотел, чтобы трейдинг работал так же. Но он так не работает. Трейдинг полон сюрпризов.

Мне потребовались годы, чтобы понять, что многие из так называемых «торговых истин» являются не более чем заблуждениями. Особенно многие из старых истин, такие как «чем проще, тем лучше», «торговая система должна иметь прочную рациональную основу» или «современная и сложная оптимизация приводит к подгонке под историю». Это, вероятно, 3 самые важные «догмы» старой школы трейдинга, и они, по-видимому, являются настолько общепринятыми и прочно укоренившимися в мозгах трейдеров, что даже не подвергаются сомнению.

Но в трейдинге все вещи мы ДОЛЖНЫ подвергать сомнению. Мы должны подвергать сомнению абсолютно ВСЁ.

Даже если заблуждения, такие как «чем проще, тем лучше», «торговая система должна иметь прочную рациональную основу» или «современная и сложная оптимизация приводит к подгонке под историю», могут показаться логичными, это ещё не значит, что они на самом деле верны.

Только тщательное тестирование, исследования и реальный опыт торговли покажут это.

И, по крайней мере в моём случае, НИЧЕГО не говорит о том, что старая школа «чем проще, тем лучше» превосходит более сложные стратегии, или что «торговая система должна иметь прочную рациональную основу» имеет КАКОЕ-ЛИБО значение, или что «современная и сложная оптимизация приводит к подгонке под историю» на самом деле является правдой.

Итак, в этом выпуске «Empowered Trader» я прошу вас открыть свой разум. Будьте готовы выйти за рамки этих мифов старой школы. Давайте посмотрим, могла ли «новая» школа трейдинга (как я люблю её называть) предложить иной взгляд на эти 3 важные темы.

И давайте посмотрим, может ли выход за рамки этих старых парадигм на самом деле дать нам ДОПОЛНИТЕЛЬНОЕ преимущество, которого мы могли бы лишать себя до сих пор.

Готовы? Хорошо. Тогда давайте перейдем к делу.

Миф №1. «Сложная оптимизация приводит к подгонке под историю»

Многие трейдеры удивляются, когда я говорю им, что полностью доверяю современным подходам генетической оптимизации (ГО) и генетическим алгоритмам (ГА).

Они сразу же спрашивают меня, откуда я знаю, что это не приводит к переоптимизации. На самом деле Я НЕ ЗНАЮ этого.

Но вот что вам нужно понять:

В трейдинге ВСЁ является разновидностью переоптимизации.

Всё начинается с создания стратегии. Вы садитесь, пробуете одну или две торговые идеи, и они не работают. Итак, если вы хотите избежать переоптимизации, какой следующий шаг будет правильным?

Просто выкинуть эти идеи. Но трейдеры так не делают. Мы продолжаем КОПАТЬ. Мы изменяем эти идеи, объединяем их с другими идеями и продолжаем «работать над ними», пока не извлечем из них нечто многообещающее.

Фактически это уже своего рода ЧРЕЗМЕРНАЯ ОПТИМИЗАЦИЯ!

Но давайте продолжим.

Далее мы берем эту стратегию и оптимизируем все входные параметры, подлежащие оптимизации. Мы называем это «оптимизацией», но на самом деле это ещё одна потенциальная форма переоптимизации. Оптимизация может заключаться в том, чтобы просто попробовать несколько разных тех или иных параметров. Но трейдеры так НЕ делают. Обычно мы пробуем ВСЕ комбинации. Мы просматриваем всё пространство оптимизации. Мы хотим ИСЧЕРПАТЬ все возможности, и это тоже не более чем ещё одна форма переоптимизации.

А затем, как только мы сделаем это с несколькими стратегиями, мы ищем лучший способ объединить их в портфель. Итак, мы пробуем разные комбинации и вариации... и угадайте, что мы получаем? Да, ещё одну форму переоптимизации.

Итак, как вы видите, избежать переоптимизации в трейдинге практически невозможно. И неважно, какой метод оптимизации вы используете — генетический (новой школы) или полного перебора (старой школы) — оба метода выполняют оптимизацию, пока вы не достигните желаемого результата. Это зачастую не что иное, как переоптимизация.

Не поймите меня превратно: я не говорю, что все описанные мной процессы плохие. Это НЕ так.

Примечание редакции. Автор употребляет «переоптимизацию» расширительно. Сам подбор параметров не доказывает подгонку: риск возникает, когда результаты многочисленных попыток принимают за устойчивую закономерность и не подтверждают на независимых данных.

К счастью для нас, существуют разные уровни переоптимизации. Хотя я считаю, что все они являются той или иной формой переоптимизации, некоторые из них являются более надёжными. Это означает, что даже если вы выполняете оптимизацию до тех пор, пока не найдете идеальную комбинацию компонентов стратегии и входных параметров, некоторые из этих комбинаций всё же смогут доказать свою состоятельность на новых данных, незнакомых рынках и пройти другие строгие тесты на устойчивость. Таким образом, такие варианты обеспечивают более высокий уровень надёжности, что, по сути, и нужно для успешного заработка в трейдинге.

Итак, переоптимизация на самом деле не является чем-то плохим, если у нас есть строгие процедуры проверки устойчивости.

Но дело вот в чем:

Хотя, на мой взгляд, любой вид оптимизации неизбежно приводит к переоптимизации, генетическая оптимизация «новой школы» отличается от полного перебора «старой школы» следующим:

• Она быстрее достигает похожих результатов.

• В моих исследованиях она чаще находила области, которые я называю глобальными оптимумами, а не отдельные локальные пики.

Вот почему я считаю, что этот современный и более сложный метод оптимизации НАМНОГО лучше, чем какой-либо ещё. И вот почему стоит забыть старые заблуждения об опасности переоптимизации при использовании «замысловатых» методов, таких как генетические алгоритмы (как если бы они были хуже, чем любые другие методы!).

Итак, давайте немного подробнее разберем каждый из них.

Генетическая оптимизация быстрее достигает похожих результатов

Когда дело доходит до оптимизации, старый метод полного перебора может быть ДО БОЛИ медленным.

В нашем хедж-фонде некоторые из наших стратегий имеют до 7 оптимизируемых параметров. (И я позже развею миф о том, что это ещё одна потенциальная опасность). Поэтому иногда мы говорим о сотнях тысяч итераций в процессе оптимизации. И даже с нашими 64-ядерными процессорами это всё равно занимает значительное количество времени.

Самое большое преимущество генетических алгоритмов (ГА), по моёму опыту, заключается в том, что они могут выполнять ту же работу, сокращая время примерно на 95%. Это не курс по ГА, поэтому подробности оставлю за рамками статьи. По сути, ГА имитируют процесс генетической эволюции, и в моих сравнениях им нередко было достаточно исследовать около 5% пространства оптимизации, чтобы найти подходящее решение.

Большинство людей, естественно, не понимают, как такое вообще возможно.

Как 5% может быть достаточно, чтобы найти правильное решение для оптимизации?

Для многих это может даже показаться обманом. Ведь, рассматривая всего 5% возможностей, мы просто не сможем найти лучшего решения для оптимизации, верно?

Что ж, добро пожаловать в СОВРЕМЕННУЮ школу трейдинга. Она просто настолько эффективна, что очень даже МОЖЕТ сделать это. И это ещё одна причина, по которой я АБСОЛЮТНО уверен в ГА, потому что я проверял и доказывал это много раз. Как?

Я сравнивал множество результатов оптимизации полным перебором, охватывающей 100% заданного пространства параметров, с результатами ГА, исследующих лишь около 5% этого пространства.

Прилагаю одно из многих сравнительных исследований, которые я проводил в прошлом. Это отличный пример, потому что БОЛЬШИНСТВО исследований дали похожие результаты.

В этом исследовании я выбрал стратегию с пятью оптимизируемыми параметрами и выполнил два варианта walk-forward-оптимизации (Walk Forward Optimization, WFO): один — полным перебором, другой — генетическим методом. В упрощённом описании моего эксперимента данные были разделены на семь сегментов и на каждом выполнялась отдельная оптимизация.

Примечание редакции. Деления на семь сегментов само по себе недостаточно для walk-forward-проверки. Параметры подбирают на обучающем участке, затем оценивают на следующем, ещё не использованном для настройки. Различия подробно разобраны в материале TLAP о бэктесте, форвардном тестировании и walk-forward-анализе.

Сравнение получилось следующим:

Рисунок 1. Оптимизация полным перебором и генетическая оптимизация.

Самые светлые ячейки показывают параметры, для которых ГА нашёл точно такие же значения, как классический метод. Это произошло более чем в половине случаев — в 54%. Неплохо, особенно с учётом сокращения времени оптимизации на 95%.

Затем я отметил параметры, для которых результаты ГА были очень близки к результатам полного перебора. Добавив их к точным совпадениям, получаем 69% совпадающих или близких результатов. Это отличный результат. Другими словами:

Почти в трёх четвертях случаев результаты ГА были такими же или очень близкими к результатам полного перебора, но решение было найдено всего за 5% времени.

Это впечатляет!

Но самым захватывающим является следующее:

Оставшийся 31% результатов, выделенный самым тёмным цветом, отличался по определённой причине. На мой взгляд, именно она может делать сложные методы «новой школы» полезнее консервативного полного перебора. Эта причина — сравнение глобальных и локальных оптимумов.

Глобальные и локальные оптимумы

Это то, на изучение чего у меня ушло много времени.

Мне пришлось прочитать довольно много литературы о генетической оптимизации, связаться с некоторыми настоящими пионерами в этой области и провести МНОЖЕСТВО собственных тестирований. Но, когда я обнаружил это удивительное преимущество ГА, это был последний аргумент, который вселил в меня абсолютное доверие к этой новой методике. Итак, о чём же я говорю?

Давайте отступим на шаг и рассмотрим простой пример.

Представьте стратегию с двумя оптимизируемыми параметрами. Назовём их N1 и N2.

Теперь предположим, что вы хотите найти наилучшую комбинацию параметров для обоих этих входных данных, чтобы получить максимальную ЧИСТУЮ ПРИБЫЛЬ.

Вы запускаете полный перебор, изменяя каждый из параметров N1 и N2 от 1 до 40 с шагом 1. Лучший результат получается при N1 = 10 и N2 = 8: здесь чистая прибыль максимальна.

Когда вы возьмете всю эту матрицу оптимизации и нанесете её на трехмерный график оптимизации, вот что вы увидите:

Теперь обратите внимание на стрелку с отметкой «ЛОКАЛЬНЫЙ».

Это то, что мы называем ЛОКАЛЬНЫМ ОПТИМУМОМ.

Это наш ЛУЧШИЙ результат чистой прибыли при N1 = 10 и N2 = 8.

Это приведет к чистой прибыли около $ 130 000.

Однако это ЛОКАЛЬНОЕ решение таит в себе одну БОЛЬШУЮ потенциальную проблему. Она состоит в том, что этот локальный оптимум не показывает похожих результатов в непосредственной близости! Склон пика быстро падает вокруг него, что означает, что есть только одна комбинация, которая обеспечивает отличные результаты. Соседние комбинации не дают таких результатов, и это потенциальный красный флаг для данной стратегии, поскольку она не показывает достаточной надёжности, чтобы полностью доверять этой стратегии.

Давайте теперь посмотрим на область, которую я обозначил как ГЛОБАЛЬНУЮ.

Это называется ГЛОБАЛЬНЫЙ ОПТИМУМ.

Как видно, в этой области чистая прибыль составляет около $110 000, тогда как на отдельном пике она была около $130 000. Но у этой области много «рабочих соседей»: близкие значения N1 и N2 дают похожие результаты. Поэтому я считаю её более устойчивой, чем отдельный пик.

Примечание редакции. «Глобальный оптимум» на рисунке и в дальнейшем тексте — авторское название устойчивой области параметров. В строгом математическом смысле глобальный максимум — наибольшее значение во всём допустимом пространстве. При одинаковом критерии прибыли полный перебор конечной сетки находит её максимум; плато с $110 000 не становится глобальным максимумом при наличии точки с $130 000. Разница между этими суммами составляет около 15,4%, а не около 20%, как в исходнике. Генетический поиск также не гарантирует ни достижения глобального максимума, ни отсутствия подгонки.

Я делюсь этим примером с вами по следующей причине:

Генетическая оптимизация больше направлена ​​на поиск глобальных оптимумов, чем локальных оптимумов.

Я не вполне понимаю, почему наблюдал это в своих экспериментах, но результаты были именно такими.

Во многих тестах, где я видел самую большую разницу между исчерпывающей и генетической оптимизацией, большая часть этой разницы заключалась в том, что ГА просто находили правильное решение в пространстве ГЛОБАЛЬНЫХ ОПТИМУМОВ. Они не всегда были самыми благоприятными областями, потому что количество областей с локальными оптимумами обычно больше, но это не имеет большого значения.

Что действительно важно, так это то, что ГА просто предпочитают их, и они могут быть ЛУЧШИМ вариантом для поиска надёжных решений.

Это означает, что…

…нет ничего плохого в том, чтобы придерживаться оптимизации полным перебором (старой школы). В конечном счёте, ЛЮБАЯ методика оптимизации неизбежно приводит к чрезмерной подгонке под историю. Вот почему трейдерам всегда нужны превосходные процедуры проверки устойчивости, чему мы как раз и уделяем наибольшее внимание в нашем хедж-фонде.

Но утверждение, что «более простые» методы оптимизации лучше, чем подходы оптимизации современной школы (включая генетическую оптимизацию), или даже утверждение, что они менее склонны к чрезмерной подгонке под историю, для меня не более чем миф.

Фактически, мой опыт и исследования показывают, что благодаря склонности к поиску глобальных оптимумов, генетические алгоритмы (ГА) могут быть потенциально МЕНЕЕ подвержены переоптимизации.

И, кроме того, вы достигаете похожих результатов, тратя всего 5% общего времени.

Есть ли некая причина, по которой мы должны всё ещё привязываться к парадигмам старой школы и бояться этих новых, модных и более сложных инструментов?

Я так не думаю! ☺

(И, кстати, просто для вашего сведения, я никогда не находил никакой реальной ценности в 3D-диаграммах оптимизации. Это ещё одна знаменитая «старая» техника, но я ещё не видел, чтобы они имели какие-либо обоснования в современной алгоритмической торговле).

Так что не бойтесь генетической оптимизации, как многие трейдеры.

ГА не являются пагубными — они просто работают по-другому.

Но они сделают работу быстрее и сэкономят вам МАССУ времени и будут довольно часто находить глобальные оптимумы.

Это преимущества «новой школы», о которых «старая школа» может только мечтать (а некоторые даже не знают о них!).

Миф №2. «Простые стратегии лучше, меньше подгоняются под историю и надёжнее сложных»

Теперь вы знаете, что нет причин бояться «модных» инструментов, таких как генетическая оптимизация, потому что их преимущества могут быть огромными, а потенциальные подводные камни не так уж и плохи, как пытаются нам сказать некоторые сторонники «старой школы», давайте поговорим о ещё одном мифе старой школы. Он касается простых и сложных торговых систем. Вы, вероятно, тоже слышали его.

Похоже, среди многих трейдеров существует глубоко укоренившееся убеждение о том, что, когда дело доходит до надёжности и качества торговых стратегий, то считается, что «чем проще стратегия, тем лучше». И по некой причине многие трейдеры измеряют эту «простоту» количеством оптимизируемых параметров.

На самом деле некоторые трейдеры настолько одержимы этим мифом о «простоте», что твердо придерживаются идеи иметь максимум 1 входной параметр оптимизации или, что предпочтительнее, вообще не иметь параметров оптимизации.

Они считают, что каждый дополнительный оптимизируемый параметр повышает вероятность провала стратегии в реальной торговле — предположительно из-за переоптимизации.

Должен признать, что раньше я тоже верил в это ограничивающее убеждение старой школы.

И я не говорю, что я не поклонник меньшего количества параметров оптимизации.

Но, конечно, не потому что я считаю, что эти стратегии были бы «лучше». Скорее, по весьма практическим причинам, которые я объясню позже.

А теперь давайте начнём с этого вполне уместного вопроса:

ДЕЙСТВИТЕЛЬНО ли правда, что более простые стратегии являются лучшими?

Или это просто вид когнитивного предубеждения, который предоставляет нам эмоциональный комфорт, поэтому мы просто принимаем его, как есть, вместо того чтобы провести более глубокое исследование с целью увидеть, где может быть истина?

Давайте выясним это.

Несколько лет назад мы решили провести исследование в нашем хедж-фонде, чтобы получить реальные, рациональные ответы, вместо того чтобы слушать сторонников старой школы и верить им, потому что это «звучало правильно».

Итак, чтобы ответить на этот важный вопрос, мы запустили нашу обширную базу данных стратегий пробойной торговли и настроили наши скрипты на языке Python...

Когда дело доходит до количества оптимизируемых параметров, действительно ли больше означает ХУЖЕ?

Давайте сначала поговорим о методологии, которую мы использовали для проведения этого исследования.

На момент исследования в нашей базе было более 700 пробойных стратегий. Большинство разработаны для фьючерсных рынков: как для внутридневной торговли, так и для свинг-трейдинга. Все они построены по методологии, которую я описываю в «Мастер-классе по пробойным стратегиям» (Breakout Strategies Masterclass).

Все эти стратегии прошли наши тесты на устойчивость, поэтому все они соответствовали нашим требованиям к качеству и в основном были пригодны для реальной торговли.

Но это только начало.

После создания стратегии и сохранения её в базе мы продолжаем отслеживание. Так накапливаются настоящие вневыборочные данные — результаты на данных, которые поступили уже после разработки стратегии.

На момент исследования у нас накопилось около 18 месяцев такого наблюдения. Мы сочли этот объём достаточным, чтобы получить полезные результаты и выводы.

Примечание редакции. Вневыборочное отслеживание на поступающих данных не следует автоматически понимать как торговлю реальными деньгами. Здесь не раскрыто, были ли все наблюдаемые стратегии исполнены на реальных счетах, а также как учитывались комиссии и проскальзывание.

Мы взяли вневыборочные результаты и разделили стратегии на семь групп по числу оптимизируемых параметров — от одного до семи.

Затем нам нужно было решить, какими будут наши критерии оценки.

Мы долго обсуждали этот вопрос и решили использовать наш проприетарный индекс хедж-фонда под названием avgDhidx. Он похож на индекс TradeStation, но более сложный. Он оценивает качество на основе соотношения чистой прибыли к просадке и качества кривой капитала (её стабильности и уровня корреляции с «идеальной» кривой капитала). В целом чем выше avgDhidx, тем лучше стратегия. При высоких значениях avgDhidx кривая капитала является более гладкой, менее неровной, а соотношение чистой прибыли к максимальной просадке — обычно высоким.

Затем мы рассчитали avgDhidx вневыборочных результатов каждой стратегии и среднее значение индекса для каждой из семи групп.

И получили вот такие результаты:

Я вовсе не утверждаю, что это исследование было идеальным во всех отношениях. И совершенство даже не является нашим стандартом (то, чему мы научились у Джеффа Безоса, который сказал, что 80% от оптимального достаточно для выполнения оценки и вывода, что позволяет двигаться вперёд несравнимо быстрее — стандарт, по которому он также управляет компанией Amazon.).

И это определённо было достаточно хорошо, чтобы получить ответы, которые мы искали. Из этого исследования мы сделали следующие выводы:

1. Мы НЕ увидели никаких доказательств того, что более простые стратегии являются лучшими. НИ ОДНОГО.

2. Результаты исследования позволяют предположить, что более шести оптимизируемых параметров могут быть потенциально опасны. Но между двумя и шестью параметрами существенной разницы во вневыборочных результатах не было.

3. В группе с четырьмя параметрами значение индекса было низким. Это была группа с наименьшим размером выборки, что немного нас удивило. По моёму ощущению, с ростом выборки показатель, вероятно, приблизился бы к более высоким значениям.

Примечание редакции. Это результаты конкретной базы пробойных стратегий автора, уже прошедших его отбор, а не универсальный предел числа параметров. Точная дата данного выпуска и состав групп в предоставленном документе не указаны; исторические результаты не гарантируют будущих.

В целом я могу уверенно возразить «старой школе»: для пробойных стратегий, построенных по моей методологии, пять-шесть оптимизируемых параметров могут давать такую же устойчивость, как два-три, если стратегия проходит все наши проверки устойчивости.

Итак, это моя «новая школа». И это ОТЛИЧНАЯ новость, потому что использование большего количества входных параметров дает нам множество дополнительных преимуществ. Каких именно?

Например, дополнительные параметры позволяют использовать два разных таймфрейма и более сложные фильтры для каждого из них. Это ещё один подход из моего «Мастер-класса по пробойным стратегиям». С двумя-тремя параметрами реализовать его трудно, а с четырьмя-пятью — легче.

Или, в качестве альтернативы, несколько дополнительных оптимизируемых параметров дают вам возможность реализовать некоторые сложные методы управления рисками, которые могут значительно улучшить ваши торговые стратегии.

И это ОГРОМНЫЕ преимущества, которые мы не должны игнорировать.

Так что НЕ бойтесь более сложных стратегий. При условии сильных процедур проверки устойчивости у вас всё должно быть в порядке.

Дайте волю творчеству и не бойтесь переоптимизации только потому, что кто-то считает меньшее число параметров более безопасным. Наше исследование этого не подтверждает. В нашей базе есть стратегии с семью параметрами, которые мы разрабатываем и используем в торговле.

Теперь, прежде чем я закончу этот второй пункт утверждений «старой школы» в сравнении с «новой школой», я бы хотел упомянуть ещё один важный момент.

В начале этого раздела я сказал вам, что есть несколько ПРАКТИЧЕСКИХ причин, по которым следует предпочесть более простые стратегии сложным. Это также является причиной, по которой мы, в общем, не хотим слишком увлекаться количеством оптимизируемых параметров в нашем хедж-фонде. Почему, несмотря на все доказательства и преимущества большего количества оптимизируемых параметров, мы пытаемся сделать вещи проще?

По следующим причинам:

1. У нас есть огромная база данных торговых стратегий, которую нам нужно регулярно обновлять. Это означает ПОВТОРНУЮ ОПТИМИЗАЦИЮ всех торговых стратегий. А при слишком большом количестве входных параметров стратегии требуют слишком большого количества итераций оптимизации, что экспоненциально увеличивает время обычной повторной оптимизации.

2. Число итераций влияет и на скорость разработки. Нам нужен баланс качества и скорости, поэтому чаще всего мы ограничиваемся четырьмя-пятью параметрами, иногда тремя. Так работать быстрее и проще.

Но, как вы видите, ни одна из этих причин не имеет ничего общего со «старой школой», которая утверждает, что более простые стратегии лучше.

Опять же, весь наш анализ подтвердил, что количество оптимизируемых параметров не оказывает существенного влияния на качество результатов вне выборки (или если и оказывает, то очень незначительное).

Успех заключается НЕ в количестве ваших оптимизируемых параметров. Он в гораздо большей степени связан с вашими ПРОЦЕДУРАМИ ТЕСТИРОВАНИЯ НАДЕЖНОСТИ. Именно эту тему я собираюсь осветить в последней части этого выпуска...

Миф №3. «Хорошей стратегии необходимо убедительное обоснование»

Много лет назад я провел интересный эксперимент на одной из встреч трейдеров, которые мы организовывали в Чешской Республике (о котором я рассказал вам в предыдущем выпуске «Empowered Trader»).

На одной из таких встреч я представил результаты бэктестирования двух разных торговых стратегий. Сначала я представил две одинаково хорошо выглядящие кривые капитала вне выборки. Назовём их стратегией А и стратегией Б.

Затем я показал результаты проверки обеих стратегий на нескольких рынках.

Стратегия А показала очень хорошие результаты только на одном рынке — на том, на котором она изначально была разработана.

Стратегия Б показала хорошие результаты и на исходном рынке, и ещё как минимум на четырёх-пяти других — точного числа уже не помню. Среди них были рынки, не относящиеся к группе исходного инструмента.

После представления обеих стратегий я спросил:

«Какой стратегии вы бы доверяли больше для запуска на вашем реальном счёте?»

Все сразу же выбрали стратегию Б, которая показала высокие результаты и на других рынках.

Затем я спросил, почему. В целом ответ был таким: «Потому что стратегия Б является намного более надёжной, ибо доказала себя на многих других независимых данных».

Они были абсолютно правы, и это был очень рациональный ответ. Далее произошло самое интересное... Я раскрыл им СУТЬ обеих стратегий.

Я объяснил, что стратегия А была разработана на прочном обосновании, которое я нашёл в одной из книг Ларри Уильямса. Я даже подробно объяснил это обоснование, и оно звучало очень убедительно.

Затем я показал код стратегии Б и объяснил, что она на 100% сгенерирована компьютером с помощью генетического прототипирования — я называю это «генетическим интеллектом». У неё не было исходной торговой идеи или заранее придуманного обоснования: она появилась из случайного перебора по заданным разумным критериям. После этого я снова спросил:

«Какой стратегии вы бы доверяли больше для запуска на вашем реальном счёте?»

Тишина. Люди были серьезно сбиты с толку. Они не были уверены, каким должен быть правильный ответ. Но, глядя на их замешательство, стало очевидно, что первоначальное доверие к стратегии Б быстро уменьшилось.

Поэтому я просто позволил людям проголосовать. Кто теперь станет сторонником стратегии А (разработанной на основе сильной логики), после того как была раскрыта вся эта информация, и кто предпочтет стратегию Б (сгенерированную компьютером, но с превосходной надёжностью, даже на крайне независимых рынках)?

Неудивительно, что около 70% проголосовали за стратегию A. Большинство людей в зале изменили своё мнение, потому что...

...я раскрыл нарратив, лежащий в основе обеих стратегий.

Всего лишь НАРРАТИВ!

Ничего больше.

Два разных угла зрения в НАРРАТИВЕ вызвали внезапный сдвиг — высокоустойчивая стратегия (которая также показывала лучшие результаты на реальных рынках) стала считаться хуже менее надёжной стратегии с более убедительным нарративом. Позвольте мне повторить:

НАРРАТИВ ПОБЕДИЛ МОЩНЫЕ ДОКАЗАТЕЛЬСТВА.

Как такое вообще возможно?

Всё просто: потому что люди ЛЮБЯТ красивые истории. На самом деле многие когнитивные исследования доказали, что люди глубоко привязаны к историям. Если по какой-то причине мы можем получить представление о некой достоверной истории, лежащей в основе чего-либо, то в эмоциональном плане мы чувствуем себя более комфортно.

Даже если эта история не подкреплена никакими ДОКАЗАТЕЛЬСТВАМИ.

Вот почему люди так одержимы ОБОСНОВАНИЕМ торговой стратегии. Они хотят услышать ИСТОРИЮ, с которой их мозг, полный когнитивных предубеждений, мог бы соотнести себя. И, если они получают такую историю, то они делают вывод, что эта история является достаточным доказательством того, чтобы придать данной стратегии более высокую обоснованность.

Но это всего лишь ИСТОРИЯ. Не больше, не меньше. Просто ИСТОРИЯ.

Нарратив о логике, который я мог бы просто выдумать. Он даже не должен быть правдой — будучи убедительно звучащим, он становится БОЛЕЕ достоверным, чем веские доказательства!

И это, вероятно, САМЫЙ ГЛАВНЫЙ урок, касающийся убеждений старой школы в сравнении с новой школой, который мне пришлось усвоить. Он также является и самым спорным, и слишком многим трейдерам его до сих пор трудно принять. И всякий раз, когда я поднимаю эту тему, я вижу невротические конфликты в умах трейдеров. Но правда в том…

…что обоснование торговой стратегии не имеет значения.

На самом деле важными являются лишь процедуры проверки устойчивости.

Почему обоснование должно перевешивать плохие результаты проверки устойчивости? Вы удивились бы, сколько трейдеров всё равно хотят торговать по стратегии лишь из-за её убедительной предыстории.

Даже если бы мне пришлось выбирать между стратегией с ХОРОШИМ обоснованием и ХОРОШИМИ результатами проверки устойчивости и стратегией БЕЗ ОБОСНОВАНИЯ и ПРЕВОСХОДНЫМИ результатами проверки устойчивости, я бы, вероятно, выбрал вторую.

Потому что хорошая история не гарантирует вам лучших результатов. Но КОЛОССАЛЬНОЕ ДОКАЗАТЕЛЬСТВО НАДЕЖНОСТИ дает вам гораздо больше шансов на достижение положительных результатов.

В этом и заключается «новая школа»: устойчивость важнее красивой истории.

Вот почему в нашем хедж-фонде мы ОДЕРЖИМЫ процедурами проверки устойчивости. Лишь немногие кандидаты на стратегии проходят наши крайне жесткие критерии тестирования. (Опять же, обо всех наших процессах проверки устойчивости я рассказываю в своём Мастер-классе по пробойным стратегиям).

Потому что результаты процедур проверки устойчивости — это наша ПРАВДА.

Иногда правда может быть болезненной. Особенно когда мы видим, как нечто, что, на наш взгляд, имело отличное и надёжное обоснование, оказывалось не прошедшим все критерии проверки устойчивости. Но именно поэтому правда гораздо важнее истории.

Если это всё ещё кажется непривычным, посмотрите на исследования методов лечения. В качестве аналогии я имею в виду ситуации, когда эффективность подтверждают наблюдения, хотя механизм действия понятен не до конца. Для меня важнее результаты, чем убедительная история.

Наш бизнес не ставит перед собой задачи, ПОЧЕМУ это работает (если только вы не увлекаетесь трейдингом как хобби). Мы занимаемся бизнесом «покажите мне деньги». Так что оставьте все истории Стивену Спилбергу и Джорджу Лукасу.

Нам не нужно знать, ПОЧЕМУ. Нам не нужны все ответы во вселенной, чтобы двигаться вперёд. Нам просто нужно знать, что то, на что мы собираемся поставить наши с трудом заработанные деньги, будет РАБОТАТЬ. По крайней мере, это всё, что имеет значение для меня.

Заключение

Будучи трейдерами, мы должны быть полностью открыты для новых вещей. Консервативный подход может дать нам эмоциональный комфорт, но также лишает нас УДИВИТЕЛЬНЫХ возможностей.

Эта статья не ставила перед собой целью показать, что старая школа обязательно является ПЛОХОЙ. Я лишь хотел подойти к некоторым из этих популярных мифов в трейдинге с другой стороны и обратить ваш разум на НОВУЮ школу трейдинга. И, если бы я мог завершить этот выпуск всего одним выводом, он звучал бы так:

В конце концов, всё дело в балансе.

Следовать старому и проверенному — это нормально, но также нормально и глубоко сомневаться в нем и заменять старые вещи чем-то новым. Хорошо использовать в своей торговле И ТО, И ДРУГОЕ — в комбинации, которая лучше всего подходит для вас и дает вам наилучшие торговые результаты. Единственное, что плохо, — это застрять в мифах, старых парадигмах и фиксированном мышлении. С этим вы далеко не уйдете.

Так что оставайтесь открытыми и будьте крайне внимательны в отношении самых популярных торговых мифов. То, что они популярны и все их повторяют, не обязательно означает, что они работают и принесут вам больше денег.

Не бойтесь сложных методов оптимизации, генетического прототипирования, генетических алгоритмов и стратегий с большим числом оптимизируемых параметров. Но понимайте, что делаете, и тщательно готовьтесь — особенно в части критериев проверки устойчивости.

Удачи вам и счастливой торговли!

Томас Неснидал

От редакции TLAP. Какое убеждение о торговых системах вы проверили бы первым — «меньше параметров лучше» или «красивый бэктест достаточен»? Сначала зафиксируйте гипотезу и критерии, а затем сравните результаты на данных, не использованных при настройке. О возможных искажениях исторических тестов читайте в материале «Что не так с тестером стратегий в MT4 и MT5». Для ручной проверки правил и тренировки на истории можно использовать симулятор рынка TLAP: это не замена автоматизированному бэктесту или проверке алгоритма на устойчивость. В обсуждении поделитесь, какие выводы сохранились у вашей системы после проверки вне выборки.

Примечание редакции. Публичную страницу полного английского оригинала найти не удалось. Текст сверён с английской колонкой исходного DOCX; четыре иллюстрации взяты из того же документа и локализованы с проверкой исходных данных. Точная дата выпуска не установлена; исторические примеры не следует принимать за актуальные торговые результаты.

Переведено для TLAP.