σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Ruta de Statistics›Módulo 4 · Validación y sobreajuste›Tema 4.3·~1 h 40 minAvanzado

Proyecto final: ¿es real esta anomalía?

Posición en la rutaMódulo 4 de 4 · Tema 3 de 3
4.3 Proyecto final: ¿es real esta anomalía?
—Puntuación del lab— / 100XP total—Racha—

Probar un hallazgo con honestidad

Este proyecto final reúne toda la habilidad en una pregunta: una regla de tendencia que compra cuando la suma de los últimos L días es positiva y vende en corto en caso contrario, probada con 24 ventanas en veinte años de SPY. Su mejor versión tiene un ratio de Sharpe cercano a 0,31. ¿Es una ventaja? Primero estime el ratio de Sharpe, luego mida su incertidumbre con el bootstrap y después corrija que miró 24 versiones y presentó la mejor.

SR=r̄/s√252, z≈SR/(√252)√m, p_adj=min(1, N p)

La primera fórmula anualiza la media diaria dividida por la desviación típica muestral. La segunda la convierte en un valor z para la nula de media cero: el ratio de Sharpe diario por la raíz cuadrada de los m días de la estrategia. La tercera es la corrección de Bonferroni para N pruebas. Dos detalles hacen honesta la regla. La posición del día t solo puede usar rendimientos hasta el día t-1, porque una señal que mira el día en que opera gana cada día el rendimiento absoluto. Y el valor p de la mejor de N reglas no es el de una regla elegida de antemano.

Qué dicen los datos realesEn SPY desde 2006 (5190 días), comprar y mantener tiene un ratio de Sharpe de 0,62. Entre las 24 ventanas de 5 a 120 días, la mejor regla de tendencia es la de 60 días, con un ratio de Sharpe de 0,31 en 5130 días. Su valor z es 1,41, un valor p unilateral de 0,080, que parece casi interesante. Multiplicado por las 24 pruebas, el valor p ajustado es 24×0,080>1, es decir, 1. La mejor regla de tendencia es peor que simplemente mantener el índice, y la evidencia de una ventaja desaparece al contar cuántas reglas se miraron.
  • Ratio de Sharpe: media anualizada sobre desviación típica, con la desviación muestral (n - 1).
  • Bootstrap: remuestree días con reemplazo y lea los percentiles 2,5 y 97,5 del estadístico.
  • Sin anticipación: la posición del día t solo puede usar rendimientos hasta el día t - 1.
  • Pruebas múltiples: el valor p de la mejor de N intentos es N veces mayor de lo que parece.
Un hallazgo es una afirmación sobre una búsquedaInforme cuántas cosas probó además de la mejor. El mismo ratio de Sharpe es una evidencia débil tras 24 intentos y fuerte tras un solo intento preregistrado. Las ventanas vecinas están muy correlacionadas, así que Bonferroni es conservador aquí y la cifra honesta queda entre el valor p bruto y el ajustado. Aun así no salva un Sharpe de 0,31 inferior al de comprar y mantener.

Lab: qué se califica

  • El ratio de Sharpe15 pts
  • Una regla de tendencia sin anticipación25 pts
  • Un intervalo bootstrap25 pts
  • Buscar y corregir35 pts
Explorador · lab-st-10
▾ lab-st-10
▾ data
…
bash · en el navegador
learner@quantcraft:~/lab-st-10$
Python aún no cargadoPythonLn 1, Col 1Spaces: 4UTF-8

¿Restablecer este tema?

Todo lo que hay en lab-st-10 vuelve a los archivos iniciales y se limpia el terminal. Tu solución actual se perderá: no se puede deshacer.

Se restablecerá
  • main.py → código inicial
  • Historial del terminal y salida de pruebas
  • Cambios sin enviar
Se conservará
  • Mejor puntuación del lab
  • Tu XP y tu racha
  • Progreso de la lección y notas

Inicia sesión para ejecutar tu código.

Todas las clases se pueden leer gratis. Crea una cuenta o inicia sesión para ejecutar código, lanzar las pruebas y enviar este lab.

  • IDE en el navegador con terminal bash — sin instalar nada
  • Corrección instantánea, XP y tu lugar en la ruta
Crear una cuentaIniciar sesión
O
Continuar con GitHub