Analisi della Trade Dependency sugli Strangle Monthly

Ripartiamo da questo articolo dove avevo fatto un bilancio sul primo anno e mezzo dei protocolli Short Strangle Advanced (presentati per la prima volta nell'omonimo corso di Novembre 2017, anche se si tratta di protocolli su cui avevamo già iniziato a lavorare durante il Trading Camp di Luglio 2017), e dal precedente articolo (che puoi rileggere cliccando qui) dove li avevo messi a confronto con i protocolli Strangle Monthly "tradizionali" (che stiamo continuando a tracciare)

A differenza dei protocolli Short Strangle Weekly con Difesa Meccanica sul Future sottostante (che stanno continuando a dimostrarsi efficaci), quelli che impiegano Opzioni Monthly sembrano ormai dover cedere il passo ai più sofisticati protocolli Short Strangle Advanced... ma non c'è davvero nessun accorgimento che avremmo potuto adottare su questi protocolli "tradizionali", per migliorare il risultato dell'ultimo anno? 

Questa analisi, condotta da uno dei partecipanti ai corsi QTLab, va ad indagare la presenza di un fenomeno, quello della Trade Dependency, che sembra offire un'alternativa di lavoro promettente.

-------------------------------------------------------------------------------------------------------- 

"Analisi della Trade dependency sulle Strategie Short Strangle Monthly Tradizionali" 

(di Roberto Donadello).

Dopo avere frequentato i corsi sulle Opzioni di QTLab e fatto un pò di paper trading a gennaio del 2018 ho messo live il mio portfolio di short strangle weekly e dopo pochi mesi, dopo avere fatto per bene tutti i compiti per bilanciare il portfolio, ho deciso di aggiungere gli strangle monthly.

Qualcuno si ricorderà cosa è successo a marzo dello scorso anno e poi in autunno. Per chi avesse la memoria corta basta dare un'occhiata a questa sezione del forum dove QTLab traccia l'andamento, mese dopo mese di queste operatività. La professione del trader è frustante … puoi perdere soldi anche facendo le cose giuste.

Il bilanciamento del portfolio con gli strangle weekly ha in parte smorzato l’effetto negativo dei monthly.

Nella revisione di fine anno ho cercato di capire se avevo commesso degli errori ed eventualmente cosa avrei potuto fare meglio per il futuro. Tra i vari punti di miglioramento (aumento della diversificazione con più strategie, aggiungere gli SSA, Lavorare su TF più bassi) ho deciso di investire un po’ di tempo per costruire quella che io chiamo infrastruttura di trading, che per me comprende non solo la parte sistemistica del business ma anche l’insieme di tutti gli aspetti che riguardano la gestione del rischio di portfolio, le logiche rotazionali ed il controllo dell’equity (si tratta di aspetti che puoi approfondire nelle giornate Trading Systems & Money Management e in Portafogli di Trading Systems, che valgono per qualsiasi strategia meccanica, incluse quelle con le Opzioni)

Mentre studiavo senza successo vari modelli di controllo dell’equity degli strangle monthly ho parlato con un trader professionista che ho conosciuto ai corsi di Luca che mi ha messo una pulce nell’orecchio: "Trade Dependency"! Nel trading si parla di dependency quando l’esito di un trade dipende da quello precedente; in sostanza è una forma di probabilità condizionata che permette di avere un edge da sfruttare (per gli amanti cinefili suggerisco di vedere il film “21” che applicata questo concetto al Black Jack).

Con molta pazienza e tanta curiosità ho raccolto i dati che mi servivano per eseguire le mie analisi. In particolare i risultati che seguiranno si riferiscono a:
Operatività : Short Strangle Monthly
Periodo : 2013 – 2019 (dati reali pubblicati sul sito di QTLab nella sezione dei Segnali Operativi a cui sono abbonato)
Strutture : 1 contratto X 16 strangle mensili (quello che in seguito chiamo: Portfolio Originale)
Sottostanti : EC, AUD, BP, LC, YM, TF, ES, NQ, TY, C, W, BO, SB, NG, GC, CL

A questo punto ho costruito un modello in Excel che mi ha permesso di simulare cosa sarebbe successo se nel periodo di osservazione avessi inibito una struttura strangle nel mese corrente in base all’esito del mese precedente. In particolare ho testato diverse soglie di inibizione; a partire dai trades in perdita fino a quelli in profitto (range -2000$ ÷ 1500$).

Nell’immagine seguente avete un’idea di cosa succede quando si filtra in base alla trade dependency; a sinistra il portfolio originale ed a destra quello filtrato.

Vediamo quindi i risultati che avremmo ottenuto filtrando in base alle soglie che abbiamo definito utilizzando tutti 16 gli strangle a disposizione con pesi unitari (Portfolio Originale).

 

Nel primo grafico vediamo la distribuzione delle curve di equity con i relativi drawdown e sulla destra la massima perdita mensile registrata per ogni sottostante; quest’informazione verrà usata in seguito per ribilanciare il portfolio.
Fondamentalmente si nota che più è bassa la soglia di inibizione e minore è il ritorno finale, mentre all’aumentare della soglia le curve tendono a quella originale. La prima informazione interessante è che comunque tutte le curve guadagnano. Quello che si nota meno bene è il comportamento del drawdown massimo. La linea tratteggiata si riferisce al portfolio originale mentre quelle colorate a quelli filtrati. Per facilitare la lettura ho costruito le altre tabelle. Nella prima si trovano le metriche principali di performance che sono poi messe sotto forma grafica nell’immagine seguente.

 

Qui si comincia a notare qualcosa di interessante. Osservando il range compreso tra -200$ e 500$ si vede che i portafogli filtrati presentano una “zona” in cui il profit factor, il return/Max DD e l’average trade sono maggiori del portfolio originale con un numero di trades che oscilla tra 200 e 500. I filtri hanno ridotto tra 80% e 50% il numero di operazioni.
Il mio portfolio però è stato costruito in modo da non sovra pesare gli indici azionari. Per cui andiamo a vedere cosa sarebbe successo se avessi avuto in portfolio solo lo strangle su ES (13 strutture con pesi unitari).

Ormai sapete come leggere i grafici quindi passiamo subito ai commenti. Il comportamento è analogo al caso precedente ma con due differenze principali, una attesa e l’altra un po' meno. La prima è che abbiamo ovviamente ridotto il drawdown del 2015 (quelli che Luca chiama “dentini” ma nella realtà fanno male come zanne) la seconda è che questa volta pur avendo sempre un range di drawdown più basso il profit factor e return/MAX DD del portfolio originale è migliore.

Arrivati a questo punto vediamo come possiamo sfruttare questa situazione. Abbiamo visto che il ritorno netto totale dei vari portafogli filtrati è minore di quello originale a parità di numero di strutture ma il drawdown è decisamente più contenuto.

Questo ci apre la possibilità di spingere un po’ sull’acceleratore e di porci la seguente domanda: “Come avrebbero performato i vari portafogli filtrati accettando un rischio più alto che mi avrebbe alzato il drawdown?”. In altre parole se sono disposto ad accettare il drawdown del portfolio originale posso aumentare i contratti di quelli filtrati per avvicinarmi al rischio originale … vediamo cosa sarebbe successo.

Nelle immagini che seguono trovate le stesse metriche viste prima ottenute aumentando i contratti di ogni singolo sottostante in modo da equilibrare la massima perdita mensile intorno a 3000$. Nel primo caso applicando i filtri nell’intorno -500$ ÷ 200$ al portfolio originale …

 

… e ripetendo lo stesso esercizio per il portfolio che non sovra pesa gli indici azionari.

 

 

Il passo successivo è stato quello di capire come ogni sottostante ha contribuito a questo risultato per capire se c’era spazio di miglioramento. Proviamo a fare due conti chiamando in aiuto la statistica. In particolare ho utilizzato un modello chiamato “Hypotesis Testing” che permette di valutare la compatibilità dei dati campionari rispetto all’ipotesi che i risultati ottenuti siano frutto del caso. Ho quindi calcolato una metrica chiamata ZScore per ogni sottostante sulla base del campione di dati a disposizione; i risultati sono esposti nell’immagine seguente.

Un valore di ZScore vicino allo zero non ci permette di trarre conclusioni sull’ipotesi mentre se è maggiore di 1,96 ci dice, con un livello di confidenza maggiore del 95%, che il campione potrebbe avere una natura non casuale. Come si vede per la maggior parte delle strutture non posso escludere l’ipotesi che il risultato trovato sia frutto del caso (non tutte le strutture presentano |Zscore| < 1,96) … selezioniamo allora solo quelle con Zscore > 2 (EC & C) e ripetiamo i calcoli modificando i pesi in modo da avere sempre 3k$ di massima perdita mensile.

 

Interessante! Il portfolio costituito da due solo strutture messo in produzione senza filtri presenta una volatilità maggiore di quello originale come è ovvio che sia ma quello filtrato sale come una linea retta.

Perfetto, adesso sono pronto a fare ALL-IN su Euro e Corn! [...Keep Calm and make your math!]

La statistica è un brutto animale da gestire, soprattutto se non la si conosce. Immaginate di campionare l’ora usando un orologio rotto e giocati dal caso (o per sfiga come direbbe qualcuno altro) vi capita di raccogliere i vostri dati proprio all’ora in cui l’orologio si è fermato. Se sottoponeste a test l’ipotesi che l’orologio è rotto ed usaste male la statistica arrivereste alla conclusione contraria che l’orologio funziona perfettamente.
So a cosa state pensando … Si, ma le probabilità che ciò accada sono basse.

Proviamo a verificarlo.

Per capire quanto fosse attendibile il risultato che ho trovato ho costruito un modello che genera trades casuali e che quindi per definizione non può presentare dependency. Quindi ho simulato un numero crescente di trades partendo da 75 (che è il numero di mesi per sottostante del campione reale della mia analisi) fino a 10.000 che equivale a poco più di 830 anni di strangle mensili!

Facendo girare il simulatore sono state sufficienti pochi run per ottenere subito uno Zscore di 2,58 per il campione fatto da 75 trades che equivale ad un livello di confidenza del 99%!

Ma come è possibile? I trades sono casuali non può esserci dependency!

Sicuramente è colpa delle dimensioni del campione; 75 trades sono poche e come spesso sento dire in modo impreciso non sono “statisticamente significativi”. Sono state sufficienti alcuni decine di run per trovare livelli di confidenza superiori al 99,5% su campioni di migliaia di trades, quelli che dovrebbero essere “statisticamente significativi”.

 

Affermare che il portfolio Strangle Monthly ha trade dependency sulla base del campione analizzato significa fare un’inferenza su tutti i trades che verranno in futuro.

Per essere corretti dovremmo validare la qualità dei campioni, misurare entro quale margine di certezza questa affermazione può essere vera o falsa ed integrare l’analisi con altre considerazioni … io non sono in grado di farlo ne so valutare se il gioco vale la candela quindi qui mi fermo.

Detto questo esco dalla statistica ed entro nel dominio delle opinioni personali e come tali del tutto opinabili. Forse si può evitare di buttare via il bambino con l’acqua sporca. Io credo che applicare un filtro come quello che abbiamo visto possa portare dei benefici al portfolio di strangle mensili e la spiegazione che mi sono dato ma che non ho sottoposto a verifica è che per loro natura le strategie in opzioni tendono a cumulare piccoli guadagni con qualche grossa perdita (il famoso albero che cade mentre la foresta cresce). Con questa forma di controllo delle perdite probabilmente si evitano un po' di quegli alberi a beneficio del risultato finale.

A questo punto il rischio di essere "giocati dal caso" spetta solo al trader.

E ricorda sempre che: "There are more mathematicians in the world than successful traders"

-------------------------------------------------------------------------------------------------------- 

...un'analisi davvero interessante e ringrazio Roberto per averla voluto condividere con gli altri abbonati al servizio Short Strangle Monthly con Difesa Meccanica, dove trovate anche queste strutture (oltre a tutte quelle che lavoriamo invece con le Opzioni Weekly).

Le conclusioni a cui arriva Roberto sono le stesse risposte che do a chi mi chiede se esista una Trade Dependency da poter sfruttare su un portafoglio di strategie: "probabilmente non hai abbastanza dati a disposizione per poter validare questo risultato, ma da Trader, se puoi (e devi) accettare una certa soglia di rischio, allora puoi utilizzare questa osservazione"

1) Se vuoi approfondire i protocolli Short Strangle Weekly con Difesa Meccanica, clicca qui. 

2) Se vuoi approfondire i protocolli Short Strangle Advanced, che lavorano con le Opzioni Monthly e superano i limiti dei protocolli Monthly "tradizionali", clicca qui.

Se, infine, vuoi approfondire meglio quello che Roberto ha chiamato "infrastruttura", dalle scelte di money management, all'equity control, all'analsi della trade dependency, alla costruzione e bilanciamento di portafogli (anche di strategie con le opzioni), allora i due corsi su cui indirizzarti sono:

3) Trading Systems & Money Management

4) Portafogli di Trading Systems

...ci vediamo in sala! 

             

 

In questi giorni trovi anche una  PROMOZIONE  di cui puoi approfttare per seguere queste giornate con riduzioni importanticlicca qui per tutti i dettagli!