Trading quote

Värt att reflektera över.

"A low-risk idea is an idea with a positive expectancy that’s traded at an exposure level (i.e. position sizing) that allows you to survive the worst possible contingency in the short run so that you can achieve the long-term expectancy of the system."

Masters In Business

Podcasts är en bra form för att plocka upp information eftersom det möjliggör multi-tasking. Det är svårt att läsa en bok eller artikel samtidigt som man kör ett träningspass till exempel.

Barry Ritholtz har en bra podcast, Masters In Business. Jag har inte lyssnat på alla men jag brukar lyssna när det är kända namn som dyker upp. Här är några avsnitt som jag inte tycker man får missa. Du kan leta upp dom här

Mark Cuban
Den här mannen är lite av min idol och kan bocka av många av mina drömmar i livet. Entreprenör, check. Driva hedgefond, check. Bygga upp en idrottsorganisation och vinna mästerskap, check.
Wikipage

Jack Schwager
Författare av Market Wizards böckerna som förmodligen är dom bästa böckerna någonsin skriva om trading och investering.
Wikipage

Bill Gross
Väldens förmodligen bästa obligationsinvesterare genom tiderna. Grundare av PIMCO. 
Wikipage

Robert Shiller
Nobelpristagare och en akademiker som faktisk tillför väldigt mycket till den riktiga världen.
Wikipage

Min trading idag

Automatiserad Trading

Förra inlägget var kanske lite dystert men det finns ju en anledning att jag har lagt mycket tid på att utveckla idéer för automatisk eller mekanisk trading. Sedan årsskiftet har nämligen mina mekaniska modeller varit de som presterat bäst och min manuella handel har varit väldigt medioker. Här är de verkliga resultaten av min mekaniska handel.

Det här är över förväntan och med i takt med att antalet trades ökar så borde resultatet krypa ner mot en PF på 1.6-1.7 om mina backtest är hyfsat korrekta. Winrate långsiktigt borde ligga på ca 60%. Den faktiska avkastningen är inte så stor eftersom jag har testat dessa modeller med minsta möjliga insats. Det är ändå väldigt inspirerande när man ser att strategierna fungerar och det gör det lite lättare att fortsätta dyka ner i mer data.

Backtesting och överoptimering

Jag har den senaste tiden lagt rätt mycket tid på backtesting, att gå igenom statistik och försöka hitta nya edger. En grej jag alltid brottas med är huruvida det jag hittat bara är ett resultat av att jag har "misshandlat" data för mycket. Det finns några citat i stil med "if you torture the data long enough, it will confess" som beskriver fenomenet väl.

Jag skrev för ca en månad sedan om en ny idé jag hade med fundamental data, läs här. Så här en månad senare är det bara att konstatera att det fanns en hel del curve-fitting och överoptimering i det testet. Efter en månad ser out-of-sample ut så här:

Not so hot...

Ändå bygger strategin inte på några komplicerade formler eller 50 olika parametrar med exakta värden. Den var tvärt om, väldigt enkel, få parametrar med vad jag ansåg ganska logiska förklaringar till varför de borde vara relevanta. Just därför är det så viktigt att inte "hoppa rakt in" och börja handla en strategi direkt utan att man observerar den ett tag för att se om det verkligen fungerar.

Jag tittade på ett webinarium med Trade-Ideas(programmet jag använder) där dom visade en strategi som verkade rätt lik en idé jag har försökt få fungera under ett tag. Resultatet var helt sjukt bra så jag antog redan från början att dom hade överoptimerat strategin. Det borde ändå finnas en del värdefull information tänkte jag och skickade iväg ett mail med lite fler frågor angående vilka parametrar som var med. Jag fick faktiskt till min förvåning hela strategin med alla parametrar och insåg därmed att den var dömd att misslyckas (ingen ger bort något så värdefullt om den faktiskt fungerade).  Så här såg resultatet ut: