Fracaso Del Sistema De Trading

El fracaso del sistema NYSE muestra un evento de vulnerabilidad empresarial El 8 de junio de 2001, el NYSE detuvo el comercio durante más de una hora debido a problemas de tecnología. La NYSE informó que una actualización fallida del software causó la destrucción de la mitad de sus anuncios. El intercambio suspendió la negociación de todas las acciones a las 10:10 de la mañana y el comercio se reanudó a las 11:35 de la mañana, aunque el 10 por ciento de las acciones cotizadas seguían sin estar disponibles para operaciones en ese momento. El NYSE también paró el comercio el 26 de octubre de 1998 y divulgó problemas similares de la conectividad del sistema. Análisis El fracaso más reciente en el sistema NYSE muestra, una vez más, que incluso los entornos de TI más sofisticados son vulnerables al fracaso, generalmente causados ​​por errores humanos o fallos de proceso. La investigación de Gartner muestra que las personas o fallos de proceso causan directamente el 80 por ciento del tiempo de inactividad del servicio de aplicaciones de misión crítica. La complejidad de las infraestructuras y aplicaciones actuales de TI hace que la gestión de estos sistemas a niveles muy altos de disponibilidad sea enormemente difícil (véase la Nota de Investigación TG-07-4033, "Fabricación de inversiones inteligentes para reducir los tiempos de inactividad no planificados"). De todas las causas de las personas y los fracasos del proceso, el más común es el cambio. Las empresas que han establecido fuertes prácticas de gestión del cambio suelen tener los niveles más altos de disponibilidad. Cuando un cambio causa un problema, las empresas deben tener procedimientos de reversión para minimizar la interrupción total. En el caso de la Bolsa de Nueva York, sin embargo, parece que el retorno a la implementación anterior tardó más en ponerse en vigor de lo que debería. Finalmente, los cambios que causan interrupciones prolongadas pueden requerir que la empresa invoque su plan de continuidad de negocio. Analítica Fuente: Donna Scott, Networked Systems Management Escrito por Terry Allan Hicks, gartner copia 2001 Gartner, Inc. y / o sus afiliados. Todos los derechos reservados. Se prohíbe la reproducción y distribución de esta publicación en cualquier forma sin previa autorización por escrito. La información contenida en este documento se ha obtenido de fuentes consideradas fiables. Gartner renuncia a todas las garantías en cuanto a la exactitud, integridad o adecuación de dicha información. Aunque la investigación de Gartner puede discutir asuntos legales relacionados con el negocio de tecnología de la información, Gartner no proporciona asesoramiento o servicios jurídicos y su investigación no debe ser interpretada ni utilizada como tal. Gartner no tendrá ninguna responsabilidad por errores, omisiones o deficiencias en la información contenida en este documento o en interpretaciones de los mismos. Las opiniones aquí expresadas están sujetas a cambios sin previo aviso. Conviértase en un Cliente Utilice nuestro teléfono gratuito para llamarnos de lunes a viernes de 8 am a 5 pm Hágase ClienteDurante los dos últimos puestos he hablado sobre el fracaso del sistema de comercio y cómo podemos detectar esto a través del uso de 8220blunt8221 y medidas progresivas. En particular, he hablado del fallo del sistema como un punto donde un sistema ya no coincide con las estadísticas esperadas de sus pruebas históricas y cómo hay medidas estadísticas claras que pueden detectar este punto. Sin embargo, un aspecto más interesante del fracaso del sistema de comercio es entender por qué sucede esto. ¿Por qué un sistema comienza a realizarse por debajo de lo que se espera de sus pruebas? ¿Por qué un sistema construido con sesgos de baja mineralización de datos comienza a deteriorarse. Tal vez lo más importante, ¿cómo podemos evitar que esto suceda (o al menos atenuarlo) En el post today8217s voy a discutir por qué los sistemas de comercio fallan y lo que podemos hacer dentro del proceso de desarrollo para asegurar que la probabilidad de que esto suceda es tan baja como sea posible. Vamos a hablar sobre el proceso de construcción del sistema, la cantidad de datos de mercado utilizados y la influencia que esto tiene en el proceso de prueba hacia adelante. Cuando se desarrolla un sistema utilizando datos históricos, se trabaja fundamentalmente bajo el supuesto de que las ineficiencias que existen dentro de su historial de comercio se repetirán a lo largo del futuro. Esta suposición básica es la razón por la que todos los sistemas deben enfrentarse eventualmente al fracaso (no cumplir con sus estadísticas de pruebas históricas), ya que el número de condiciones potenciales del mercado es infinito mientras que el número de condiciones de diseño es limitado. Si usted toma el cuidado de desarrollar su estrategia comercial teniendo en cuenta el sesgo de minería de datos en cuenta, entonces su sistema no falla porque la ineficiencia que encontró en el pasado no fue porque el mercado cambió a un conjunto de características que ya no incluyen esta ineficiencia. Su sistema fue construido para abordar algo que dejó de existir bajo nuevas condiciones de mercado. Un error común que he visto en la construcción de estrategias comerciales se refiere a la forma en que los datos utilizados para construir sistemas se elige. Muchas personas creen que cuando se negocia períodos de tiempo inferiores es necesario utilizar menos datos porque el número de puntos que tiene dentro de su prueba es mayor. Por ejemplo, algunos comerciantes creen que si usted está negociando un sistema 1H puede utilizar 2 años de datos en lugar de 10 para un sistema equivalente en los gráficos diarios, porque tiene 24 veces más datos y por lo tanto necesitan menos tiempo para obtener el mismo número de operaciones Y la misma relevancia estadística. Es cierto que cuanto más barras tengas, más seguro estarás con menos tiempo de prueba que el de desarrollar un sistema por encima de los sesgos de minería de datos, pero esto no tiene nada que ver con la solidez de tu estrategia. Cuando se construye un sistema de comercio en la gráfica 1H usando 2 años de datos, puede estar seguro de que puede obtener el mismo sesgo de minería de datos que con un sistema 4H en 8 años de datos. Esto significa que usted puede estar tan confiado en el sistema 1H 8211 de 2 años como usted está en el sistema de 4 años 8211 8 años sobre la existencia de una ineficiencia real del mercado para esos períodos. Sin embargo, hay una diferencia clave aquí, debe hacer una distinción entre la robustez y el sesgo de minería de datos. Si un sistema falla porque las nuevas condiciones del mercado no se asemejan a nada dentro de su período de prueba, entonces es racional suponer que una estrategia robusta debe ser probada en más condiciones del mercado. Si ha visto más condiciones del mercado, entonces es adecuado para sobrevivir más condiciones, que simple. Sin embargo, las condiciones del mercado cambian en ciclos que son independientes de los puntos de datos porque cambian en relación con los factores macroeconómicos que atraviesan ciertos intervalos de tiempo. Esto significa que su estrategia de 2 años podría haber detectado una ineficiencia real durante esos dos años, pero simplemente fracasó porque esa ineficiencia era inexistente a medida que el mercado avanzaba. Sin embargo, su estrategia 8211, que había visto un entorno macroeconómico diferente al 8211, fue capaz de acomodar mejor las nuevas condiciones, porque se parecían a algo que la estrategia había visto en el pasado. La diferencia aquí era que con la estrategia de 4H habíamos visto más condiciones de mercado, aunque teníamos la misma certeza con respecto al sesgo de minería de datos. Esto significa que el marco de tiempo de su estrategia es completamente irrelevante cuando se habla de la robustez de su sistema. La solidez sólo se determina por el alcance de las condiciones del mercado de su estrategia es capaz de sobrevivir a y no por la cantidad de operaciones o cuántos puntos de datos de su estrategia se simuló a través. Una estrategia diaria 8211 con un desempeño por encima de los sesgos de data mining 8211 que operan a lo largo de 25 años es más robusta que una estrategia de 1H simulada a lo largo de 2 años, aunque la estrategia de 1H puede tener más operaciones y más datos que simplemente no ha visto una variedad de Condiciones de mercado tan amplias. Tal vez todo el período de 2 años para la estrategia de 1H se situó dentro de una gama anormalmente estricta diaria, mientras que las condiciones fuera de este período es completamente diferente. Cuando se desarrollan estrategias de negociación, más condiciones siempre significan más robustez y por lo tanto el uso de tantos datos como sea posible siempre es una buena idea. Algunas personas dicen que no utilizan datos de mercado previos porque ahora es irrelevante ya que tales condiciones de mercado nunca volverán a suceder. Sin embargo, el hecho es que esto ahora no se conoce ya veces pueden aparecer condiciones de mercado similares a las de un pasado lejano. Si ha leído mi mensaje sobre las condiciones actuales del mercado con respecto a la volatilidad en el EUR / USD, podría haber visto que las condiciones actuales del mercado son en realidad similares a las condiciones del comercio en 1996. Aunque las condiciones no son exactamente las mismas y la microestructura del mercado sí Cambiado significativamente, la volatilidad general y la direccionalidad se han comportado de manera similar durante el año. Puesto que usted nunca sabe qué condiciones del mercado se podrían repetir, ir para la robustez adicional es siempre un favorable. Es claramente más difícil encontrar sistemas que funcionen en más condiciones del mercado, pero cuando se encuentran tales sistemas (con el cuidado obvio de desarrollarlos por encima del sesgo de extracción de datos) se obtiene una mayor probabilidad de abordar con éxito algo en el futuro. Lo anterior no significa que se puedan crear sistemas inmunes al fracaso. Como ya he dicho, las condiciones de mercado disponibles para la creación del sistema son finitas, pero las posibles variaciones de las condiciones del mercado en el futuro son prácticamente infinitas. Esto significa que a pesar de sus esfuerzos siempre puede haber un conjunto de condiciones de mercado que harán que su estrategia de bajo rendimiento y llegar a fracaso estadístico formal. La clave aquí es tener una gran variedad de estrategias explotando ineficiencias no correlacionadas, de modo que la probabilidad de fracaso al mismo tiempo sea mínima. Otros dos aspectos clave son la capacidad de detectar fallos rápidamente y la capacidad de crear nuevos sistemas bajo demanda, ya que las estrategias deben ser reemplazadas (teniendo una implementación de minería de datos sólida). Si desea obtener más información sobre la detección de fallos y la creación de sistemas algorítmicos, por favor considere unirse a Asirikuy. Un sitio web lleno de videos educativos, sistemas de comercio, desarrollo y un enfoque sano, honesto y transparente hacia el comercio automatizado en general. Espero que hayan disfrutado este artículo. O) Una característica invariable, imparable de las estrategias de comercio es que todos ellos finalmente fallan 8212 por 8220fail8221 Quiero decir que caen por debajo de las expectativas derivadas de las pruebas históricas. Esto no hace ninguna distinción entre los métodos históricos de desarrollo, tales como la optimización regular, el análisis prospectivo, el aprendizaje automático, etc., porque es consecuencia de la imprevisibilidad de las series temporales financieras y la falta de resultados históricos para tener en cuenta todas las posibles variaciones de los instrumentos de negociación. Incluso si un sistema tiene un alto grado de adaptabilidad que ha probado ser exitoso en el pasado (como el aprendizaje de la máquina o el análisis progresivo puede generar) no implica que un conjunto de condiciones de mercado no llegue donde esta adaptabilidad será completamente inútil. Eventual falla del sistema 8211 lo que podemos llamar muerte del sistema 8211 es una consecuencia inevitable de un borde desarrollado en una cantidad finita de información sobre un mercado con variaciones potencialmente infinitas. La siguiente pregunta es: ¿qué podemos hacer al respecto? Incluso si el fracaso del sistema es inevitable, no significa que no podemos obtener un beneficio antes de que suceda. Sin embargo, es importante tener en cuenta que la detección del fallo del sistema tiene un precio. Esto es una consecuencia de los ciclos de extracción natural que los sistemas pasan. Puesto que un sistema puede tener 8220normal8221 perdiendo períodos, debemos entrar en algún tipo de período perdidos anormal para poder descartar un sistema. La detección de esta disminución anormal requiere cierto grado de pérdida que debe alcanzarse. Es extremadamente difícil ser capaz de prever el fallo del sistema con algún grado de precisión, por lo que está obligado a por lo menos vivir con suficiente de este fracaso como para detectarlo. Aquí es donde suceden las cosas interesantes, el grado de pérdida necesaria para la detección del fallo depende fundamentalmente de las características del sistema de comercio y los riesgos que está tomando. Cosas como la relación entre el riesgo y la recompensa, el porcentaje de ganancias y la frecuencia de negociación pueden influir mucho en la cantidad de pérdidas necesarias para descartar una estrategia. Por ejemplo, si usted está negociando un sistema con una proporción 3: 1 de recompensa a riesgo y un porcentaje ganador de 30, lo más probable es que tenga períodos de retiro históricamente largos dentro de sus back-tests. Si usted tiene una reducción histórica de 600 periodos y 25 operaciones perdidas consecutivas, entonces las simulaciones de Monte Carlo están obligadas a sugerir los peores casos que están en el orden del doble de estas cantidades. El costo de oportunidad 8211 tiempo de comercio una mala estrategia antes de que pueda decir que se fue mal 8211, así como el dinero perdido es muy importante para las estrategias en esas circunstancias. Otro gran problema de estas estrategias es que dependen en gran medida de un pequeño número de operaciones altamente exitosas. La falta de unos pocos oficios debido a la dependencia del corredor influirá en gran medida la profundidad y la longitud de reducción. Sin embargo, el caso extremo contrario no es mejor que esto. Un sistema con una relación de riesgo a recompensa de 0,2 y una tasa ganadora de 80 tiene problemas igualmente malos. Aunque sólo toma unas pocas pérdidas para hacer que decida dejar de negociar una estrategia, estas pérdidas son mucho más grandes que su beneficio promedio. En este caso teniendo pérdidas adicionales debido a cosas como la dependencia de corredor también plantea grandes problemas, ya que podría poner dos cuentas en escenarios completamente diferentes cuando se están negociando la misma estrategia. Si una cuenta toma una pérdida adicional podría ser suficiente para descartar la estrategia en esa cuenta, mientras que otras cuentas podrían estar muy lejos del mismo escenario. Aunque las longitudes del período de estiramiento son generalmente cortas bajo tales sistemas 8211 lo que significa que el costo de oportunidad es pequeño 8211 los períodos de extracción son usualmente de naturaleza muy aguda y por lo tanto resulta muy difícil descartar sistemas en una simulación de Monte Carlo por número de comercio. La configuración estadística ideal para descartar un sistema es en realidad el punto medio. La mejor posibilidad de descartar un sistema de comercio con la menor pérdida posible con la menor dependencia de corredor se materializa cuando se tiene una estrategia de negociación para la cual el riesgo de recompensar ratio es cercano a 1 y el porcentaje de ganancia es sólo 50-65. Alrededor del nivel 50 es mejor estar por encima que por debajo, porque los sistemas con porcentajes ganadores por debajo de 50 ponen una presión psicológica adicional fuerte para el operador que ejecuta la estrategia. Ganar más a menudo es mucho mejor psicológicamente y también conduce a una probabilidad más rápida de detección de fallos en los recuentos consecutivos de pérdidas. Losos y los beneficios son de magnitud similar por lo que no hay escenario desigual que podría muy sesgar estrategias debido a cosas como la dependencia de corredores. Otro punto digno de discutir es frecuencia de negociación. En un mundo ideal donde el fracaso del sistema no existe 8211, no es obvio elegir sistemas comerciales con la mayor frecuencia de negociación posible, ya que la composición es obviamente más rápida en este caso. Dada una expectativa positiva permanente, la mayor facturación genera claramente las mejores rentabilidades a largo plazo. Sin embargo, en el mundo real 8211 donde ocurre el fracaso del sistema 8211 la alta frecuencia es una mala opción porque incluye una posibilidad de falla muy rápida / profunda cambios de corta duración en las condiciones del mercado. Un sistema que negocia 4 veces por semana tendrá 16 pérdidas consecutivas en un mes donde el mercado es 8220misbehaving8221 según las expectativas del system8217s mientras que un sistema con solamente 2 oficios por semana se enfrentaría a la mitad de las pérdidas. Las probabilidades de que el segundo sistema salga de las malas condiciones sin ser descartado es mucho mayor (suponiendo que de otra manera son estadísticamente iguales, diferenciándose solamente en la frecuencia de negociación). Sin embargo, también es necesario tener suficientes resultados históricos como para tener confianza en las estadísticas históricas generadas, por lo que todo en todo lo que desea tener una frecuencia de negociación que supera por lo menos 10 operaciones por año con pruebas históricas que estarán en el 10- 20 años. En conclusión, los sistemas deben ser construidos con características estadísticas que reflejen las mejores y más rápidas posibilidades de detectar estadísticamente el fallo del sistema con la menor pérdida posible. El diseño de sistemas que se basan en una hipótesis de aristas sin fin es irracional, ya que sabemos que el fracaso se garantiza que eventualmente ocurrirá. Desde esta perspectiva, tiene mucho más sentido diseñar varios sistemas con una frecuencia limitada y un riesgo de medio terreno para recompensar la proporción y el porcentaje de ganancia de perspectiva donde la pérdida de un borde puede ser detectado rápidamente, pero la pérdida del borde general (todos los sistemas fallan) Es improbable. Si bien una estrategia de negociación de frecuencias rápidas con la mayor expectativa matemática posible sería la elección obvia si el fracaso del sistema no existiera (la mejor expectativa de ganancia) en realidad debemos diseñar sistemas que minimicen el peor escenario (detección estadística del fracaso) y no sistemas que Maximizar el mejor escenario. Si desea obtener más información sobre la creación de sistemas de comercio y cómo usted también puede generar sus propios sistemas de comercio, por favor considere unirse a Asirikuy. Un sitio web lleno de videos educativos, sistemas de comercio, desarrollo y un enfoque sano, honesto y transparente hacia el comercio automatizado en general. Espero que hayan disfrutado este artículo. o