Опционы. Разработка, оптимизация и тестирование торговых стратегий - читать онлайн книгу. Автор: Сергей Израйлевич, Вадим Цудикман cтр.№ 81

Страница

Доля прибыльных сделок (сделкой считается совокупность всех торговых операций, относящихся к определенной комбинации, и выполненных в течении одного дня): 53,6 %.

Доля прибыльных месяцев: 76,6 %.

Максимальное число прибыльных месяцев, следующих подряд: девять месяцев.

Максимальное число убыточных месяцев, следующих подряд: два месяца.

Среднее число прибыльных месяцев, следующих подряд: 3,3 месяца.

Среднее число убыточных месяцев, следующих подряд: 1,2 месяца.

Суммарный доход прибыльных сделок: grossprofit = 2 684 032.

Суммарный убыток убыточных сделок: grossloss = 1 730 438.

Profit/Loss-фактор, рассчитанный по отдельным сделкам: grossprofit / grossloss =1,55.

В данной стратегии, как и во многих других опционных стратегиях, Profit/Loss-фактор, рассчитанный по отдельным сделкам, не является полностью корректным (см. объяснения в разделе 5.5.2). Поэтому более информативным будет аналогичное отношение, рассчитываемое для прибылей и убытков отдельных месяцев. Сам алгоритм стратегии предусматривает подобный подход, поскольку динамически наращиваемая позиция от первого дня торговли каждого месяца до закрытия коротких позиций перед экспирацией, является логичным единичным событием, подобно отдельной сделке в стратегиях с линейными инструментами (акциями, фьючерсами). Profit/Loss-фактор, рассчитанный на основании месячных данных, оказался значительно выше, чем тот же показатель, рассчитанный по отдельным сделкам: 1 176 797 / 223 203 = 5,3.

Первый вызов, с которым сталкивается разработчик при тестировании торговой системы, это необходимость поддержания базы исторических данных, содержащей максимально полную информацию для торгуемых стратегий и инструментов. Эта информация должна быть надежной, без неточностей и ошибок. Два требования к базе данных – полнота информации и надежность – в определенной степени противоречат друг другу. При стремлении включить в базу данных максимум информации, разработчик неизбежно сталкивается с проблемой контроля ее надежности. Соответственно, чем больше разнотипной информации подлежит накоплению, тем выше вероятность попадания в базу ошибочных и неточных данных. Поэтому при создании базы данных стремление к максимальной полноте накапливаемой информации должно регулироваться возможностями ее верификации.

Фильтрация нежелательных сигналов, производимая на основе различных индикаторов, является продуктом компромисса между стремлением к максимальной строгости фильтрации, с одной стороны, и стремлением не отбросить потенциально прибыльные торговые варианты, с другой стороны. Чем строже фильтрация, тем выше вероятность отказа от потенциальных торговых возможностей. Моделирование цены и объема исполнения сигналов также основано на компромиссе. Чем более консервативный подход используется при моделировании (объемы и цены исполнения хуже, чем те, которые использовались при генерировании сигналов), тем ниже оценочная эффективность стратегии и тем выше вероятность того, что результаты реальной торговли не окажутся хуже результатов бэктестинга.

Одним из самых трудноразрешимых компромиссов при создании системы бэктестинга является распределение исторического периода, покрываемого базой данных, между in-sample и out-of-sample периодами. Чем больше in-sample период, тем меньше данных остается для out-of-sample периода (и наоборот). В общем виде можно утверждать, что разработчик должен стремиться к максимально возможному увеличению протяженности out-of-sample периода. Это позволяет протестировать стратегию в разных фазах рынка, используя данные, незадействованные при оптимизации стратегии. Однако удлинение out-of-sample периода неизбежно ведет к сокращению in-sample периода. Это чревато тем, что оптимизация стратегии будет недостаточно надежной, поскольку in-sample период не будет включать все возможные типы рыночной динамики.

Главный вызов, стоящий перед разработчиком, заключается в опасности заоптимизировать стратегию. Эта проблема обостряется тем больше, чем больше параметров используется при создании стратегии. Соответственно, уменьшить вероятность заоптимизированности можно путем сокращения количества оптимизируемых параметров. Однако и в этом случае необходим разумный компромисс, поскольку чрезмерное сокращение параметров приводит к тому, что стратегия утрачивает свою гибкость. В результате может быть упущен потенциально прибыльный вариант торговой стратегии.

Американский опцион. Вид опционного контракта, предоставляющий покупателю опциона право купить или продать базовый актив в любой момент до даты исполнения.

Вега. Частная производная первого порядка стоимости опциона по волатильности базового актива (величина, на которую изменяется стоимость опциона при изменении волатильности на 1 пункт). Этот показатель играет большую роль в динамических стратегиях торговли волатильность.

Внутренняя стоимость. Составляющая опционной премии, равная для опциона колл разности текущей цены базового актива и страйка, если величина этой разности положительная, и – нулю в противном случае. Для опциона пут внутренняя стоимость равна разности страйка и текущей цены базового актива, если величина этой разности положительна, и – нулю, если разность отрицательна.

Временная стоимость. Часть опционной премии, равная разности опционной премии и внутренней стоимости. Временная стоимость представляет премию за риск, уплачиваемую покупателями опционов продавцам.

Временной распад. Процесс снижения временной стоимости опционов по мере приближения даты исполнения. Чем ближе дата исполнения, тем быстрее протекает процесс распада.

Гамма. Частная производная второго порядка стоимости опциона по цене базового актива (величина, на которую изменяется дельта при изменении цены базового актива на 1). Гамма показывает, является ли скорость изменения дельты возрастающей, убывающей или постоянной.

Греки. Показатели, используемые для оценки риска опционов и их комбинаций и выражающие, насколько изменится стоимость опциона в случае изменения определенной переменной на один пункт. В качестве переменных могут выступать цена базового актива, волатильность, время и процентная ставка. Греки обычно вычисляются аналитически как частные производные стоимости опциона по заданной переменной. Для нахождения производной используется определенная модель ценообразования опционов (например, формула Блэка-Шоулза). Соответственно, эти показатели можно интерпретировать как скорость изменения стоимости опциона в ответ на изменение заданной переменной.

Дата исполнения (дата истечения, дата экспирации). Зафиксированная в контракте дата, до наступления которой (см. американский опцион) или по наступлению которой (см. европейский опцион) покупатель опциона может реализовать свое право купить или продать базовый актив.

Страница