He hecho pruebas retroactivas de miles de estrategias. La lección que aprendí por las malas: El sobreajuste te hará perder $$$. Ahora uso la validación cruzada para ayudar a defenderme. Aquí tienes el código para hacerlo (en 2 minutos):

Por si no estás familiarizado con la validación cruzada: • Reduce el riesgo de sobreajuste en modelos • Implica la partición de datos en subconjuntos • Estima el rendimiento del modelo con datos no vistos Se usa en todas las ciencias de datos. Ahora puedes usarlo para intercambiar con VectorBT PRO. ¡Vamos!

Importemos VBT PRO y las pocas librerías relevantes para nuestro análisis.

Recoge los datos de tu activo favorito. Usaremos AAPL.

A continuación, configuraremos un "divisor", que divide un rango de fechas en segmentos más pequeños según un esquema elegido.

El comando splitter.plots().show_png() da como resultado la siguiente visualización:

A continuación, crearemos una función para ejecutar una estrategia de trading dentro de un rango de fechas especificado usando un único conjunto de parámetros, que devuelve una métrica clave. Nuestra estrategia será un crossover EMA sencillo combinado con un tope trasero ATR.

Al decorar (o envolver) nuestra función con 'parametrizado', permitimos que 'objetivo' acepte una lista de parámetros y los ejecute en todas las combinaciones.

Analicemos los resultados segmentando los periodos de EMA rápido y lento. Destaca la mínima variación en la proporción de Sharpe entre el entrenamiento y el conjunto de pruebas en al menos el 50% de los partidos, donde el azul indica un cambio positivo.

El resultado es un mapa de calor que muestra las distintas proporciones de Sharpe a lo largo de las combinaciones de periodos lento y rápido.

Aunque puedas haber desarrollado una estrategia prometedora sobre el papel, validarla cruzadamente es esencial para confirmar su rendimiento constante a lo largo del tiempo y asegurarse de que no sea simplemente resultado de fluctuaciones aleatorias. Aplica las técnicas que aprendiste aquí a tu propia estrategia.