Já testei milhares de estratégias para o retroteste. A lição que aprendi da pior forma: Overfitting vai te fazer perder $$$. Agora uso validação cruzada para ajudar a reagir. Aqui está o código para fazer isso (em 2 minutos):

Caso você não esteja familiarizado com validação cruzada: • Reduz o risco de superajuste em modelos • Envolve o particionamento dos dados em subconjuntos • Estima o desempenho do modelo com dados não vistos É usado em toda ciência de dados. Agora você pode usá-lo para negociar com o VectorBT PRO. Vamos!

Vamos importar o VBT PRO e as poucas bibliotecas relevantes para nossa análise.

Pegue os dados do seu ativo favorito. Vamos usar a AAPL.

Em seguida, vamos configurar um "divisor", que divide um intervalo de datas em segmentos menores de acordo com um esquema escolhido.

O comando splitter.plots().show_png() resulta na seguinte visualização:

Em seguida, criaremos uma função para executar uma estratégia de negociação dentro de um intervalo de datas especificado usando um único conjunto de parâmetros, retornando uma métrica chave. Nossa estratégia será um crossover EMA simples combinado com um parada de arrastamento ATR.

Ao decorar (ou envolver) nossa função com 'parametrizado', habilitamos o 'objetivo' para aceitar uma lista de parâmetros e executá-los em todas as combinações.

Vamos analisar os resultados segmentando os períodos de EMA rápido e lento. Ela destaca a variação mínima na razão de Sharpe do conjunto de treinamento para o conjunto de testes em pelo menos 50% dos segmentos, onde o azul indica uma mudança positiva.

O resultado é um mapa de calor mostrando as várias proporções de Sharpe entre as combinações de períodos lento e rápido.

Embora você possa ter desenvolvido uma estratégia promissora no papel, validá-la é essencial para confirmar seu desempenho consistente ao longo do tempo e garantir que não seja apenas resultado de flutuações aleatórias. Aplique as técnicas que você aprendeu aqui à sua própria estratégia.