Estrategia de tiempo de mercado filtrada por volatilidad

El autor:¿ Qué pasa?, Fecha: 15 de enero de 2024 12: 27:47
Las etiquetas:

Resumen general

Esta estrategia implementa una estrategia mejorada de compra y retención mediante la adición de un filtro basado en la volatilidad histórica.

Estrategia lógica

Calcular la volatilidad histórica de SPY durante los últimos 100 días
Si la volatilidad actual es superior al percentil 95 de la volatilidad de los últimos 100 días, filtrar ese día de negociación, cerrar la posición larga
Si la volatilidad está por debajo del 95o percentil, introducir una posición larga

Análisis de ventajas

En comparación con la simple compra y retención sin filtro, esta estrategia mejoró los rendimientos anualizados durante el período de prueba posterior de 28 años (7,95% frente a 9,92%) y redujo significativamente el desembolso máximo (50,79% frente a 31,57%).

Análisis de riesgos

Los principales riesgos provienen de la precisión de la metodología de cálculo de volatilidad y el ajuste de parámetros del filtro. Si el cálculo de volatilidad es inexacto, el filtro fallará. Si los parámetros del filtro están mal ajustados (demasiado conservadores o agresivos), puede afectar negativamente los retornos de la estrategia. Además, el rendimiento pasado no garantiza resultados futuros.

Direcciones de optimización

Considere agregar otros indicadores de confirmación como filtros adicionales, como promedio móvil a largo plazo, índice ADX, etc. El ajuste de parámetros también es crítico, como probar diferentes períodos de retroceso, filtrar umbrales, etc. También se pueden usar técnicas de aprendizaje automático y análisis de series de tiempo para construir y optimizar el modelo de predicción de volatilidad.

Resumen de las actividades

Esta estrategia mejoró en gran medida los rendimientos y redujo la extracción máxima de una estrategia de compra y retención de SPY a través de un sencillo filtro de volatilidad. Muestra la importancia de la identificación del régimen de mercado y la asignación de activos. Podemos refinarlo aún más optimizando el modelo de volatilidad y agregando señales de confirmación.

/*backtest
start: 2023-01-08 00:00:00
end: 2024-01-14 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// 
// @author Sunil Halai
//
// This script has been created to demonstrate the effectiveness of using market regime filters in your trading strategy, and how they can improve your returns and lower your drawdowns
//
// This strategy adds a simple filter (The historical volatility filter, which can be found on my trading profile) to a traditional buy and hold strategy of the index SPY. There are other filters
// that could also be added included a long term moving average / percentile rank filter / ADX filter etc, to improve the returns further.
//
// The filter added closes our long position during periods of volatility that exceed the 95th percentile (or in the top 5% of volatile days)
//
// Have included the back test results since 1993 which is 28 years of data at the time of writing,  Comparing  buy and hold of the SPY (S&P 500), to improved by and hold offered here.
//
// Traditional buy and hold:
//
// Return per year:     7.95   % (ex Dividends)
// Total return :       851.1  %
// Max drawdown:        50.79  %
//
// 'Modified' buy and hold (this script):
//
// Return per year:     9.92    % (ex Dividends)
// Total return:        1412.16 %
// Max drawdown:        31.57   %
//
// Feel free to use some of the market filters in my trading profile to improve and refine your strategies further, or make a copy and play around with the code yourself. This is just 
// a simple example for demo purposes.
//

//@version=4
strategy(title = "Simple way to beat the market [STRATEGY]", shorttitle = "Beat The Market [STRATEGY]", overlay=true, initial_capital=100000, default_qty_type=strategy.percent_of_equity, currency="USD", default_qty_value=100)


upperExtreme = input(title = "Upper percentile filter (Do not trade above this number)", type = input.integer, defval = 95)
lookbackPeriod = input(title = "Lookback period", type = input.integer, defval = 100)

annual = 365
per = timeframe.isintraday or timeframe.isdaily and timeframe.multiplier == 1 ? 1 : 7
hv = lookbackPeriod * stdev(log(close / close[1]), 10) * sqrt(annual / per)

filtered = hv >= percentile_nearest_rank(hv, 100, upperExtreme)

if(not(filtered))
    strategy.entry("LONG", strategy.long)
else
    strategy.close("LONG")

Más.