TRADERS'ES 05_2020

60 / 82

60 TRADERS´ 05.2020
ESTRATEGIAS
dinero, o cuando por el contrario cuando la confianza
sea pequeña podemos no operar en ese día.
Estrategia de Trading sobre el futuro del DAX
Vamos a exponer ahora un ejemplo de sistema sobre el
futuro del DAX con los siguientes parámetros:
1. Número de minutos a esperar desde la apertura del
activo N=4
2. Número de días pasados en los que basar la predic-
ción M=5
3. Órdenes de stop loss y take profit: stop loss
días alcistas= apertura - (media(bisagras) +
0.25*std(bisagras)) take profit días alcistas = aper-
tura + (media(bisagras) + 1.25*std(bisagras)) stop
loss días bajistas = apertura + (media(bisagras) +
0.25*std(bisagras)) take profit días bajistas= aper-
tura -(media(bisagras) + 1.25*std(bisagras))
4. El umbral de confianza 0.6 (el sistema no opera a no
ser que asigne un 0.6 de probabilidad a la clase más
probable)
Son parámetros que creemos que pueden dar buenos
resultados por lo visto anteriormente pero que no han
sido optimizados con respecto a
ninguna métrica objetivo para no
caer en el sesgo de selección. La
media de las bisagras es una media
simple de las últimas 20 sesiones
y “std” es la desviación estándar
de las bisagras de las últimas 20
sesiones. En la Figura 7 se grafica
la curva del balance acumulado en
puntos en el futuro del DAX y en
la Tabla 1 se pueden ver algunas
métricas del sistema para estos
parámetros y descontando 0,75
puntos en concepto de comisiones y
deslizamientos por cada operación
de entrada y salida.
Un sistema como el expuesto en este
artículo, entrenado para el futuro
Emini SP500, está operando a la vez
que escribimos este artículo en la
competición ROBOTRADER en su X
edición (ver en la pestaña de compe-
tición y el concursante Mario Alfonso) y los lectores
interesados podrán seguir su evolución hasta finales de
Mayo de 2020 que es cuando termina la competición.
Los resultados expuestos son sólo un ejemplo de lo
que el sistema puede dar de sí, pero se podría mejorar
adecuándolo a las características del mercado y a
nuestra personalidad como traders. Así se pueden
elaborar diversos procedimientos de trade management,
money management, position sizing, etc. no tratados en
este artículo. Esto lo dejamos a la imaginación y consi-
deración del lector.
Conclusión
Parece que la regresión logística como sistema de clasi-
ficación de días alcistas y bajistas a partir de unos pocos
minutos después de la apertura y del comportamiento
de los días anteriores, permite realizar un sistema ORB
predictivo como se sugiere en este artículo; obtenién-
dose unos resultados mejores que los sistemas de rotura
del rango inicial, que es como operan la mayoría de los
sistemas ORB que hemos llamado tradicionales.
Se pueden ver algunas métricas del sistema en el periodo de test (out-of-sample) que va desde el año
2015 al 2020, descontando 0.75 puntos en concepto de comisiones y deslizamientos por operación
de entrada y salida.
Fuente: Elaboración propia
T1 Métricas del sistema
La regresión logística después de la apertura y del comportamiento de los días anteriores,
permite realizar un sistema ORB predictivo.