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 AcademyFeuilles de routeParcours
Ctrl K
AO
+1,2 k apprenants
ConnexionRejoindre ↗
Feuilles de routeParcours
AO
+1,2 k apprenants
Connexion
  • 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 AcademyFeuilles de routeParcours
Ctrl K
AO
+1,2 k apprenants
ConnexionRejoindre ↗
Feuilles de routeParcours
AO
+1,2 k apprenants
Connexion
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Parcours Statistics›Module 4 · Validation et surapprentissage›Sujet 4.3·~1 h 40 minAvancé

Projet final : cette anomalie est-elle réelle ?

Position dans le parcoursModule 4 sur 4 · Sujet 3 sur 3
4.3 Projet final : cette anomalie est-elle réelle ?
—Score du lab— / 100XP total—Série—

Tester honnêtement une découverte

Ce projet final réunit toute la compétence en une seule question : une règle de tendance qui est acheteuse quand la somme des L derniers jours est positive et vendeuse sinon, essayée pour 24 fenêtres sur vingt ans de SPY. Sa meilleure version a un ratio de Sharpe proche de 0,31. Est-ce un avantage ? Estimez d'abord le ratio de Sharpe, mesurez ensuite son incertitude par le bootstrap, puis corrigez le fait que vous avez regardé 24 versions et retenu la meilleure.

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

La première formule annualise la moyenne quotidienne rapportée à l'écart type empirique. La deuxième la transforme en score z pour l'hypothèse nulle d'une moyenne nulle : le ratio de Sharpe quotidien fois la racine carrée des m jours de la stratégie. La troisième est la correction de Bonferroni pour N essais. Deux détails rendent la règle honnête. La position du jour t ne doit utiliser que les rendements jusqu'au jour t-1, car un signal qui regarde le jour qu'il négocie gagne chaque jour la valeur absolue du rendement. Et la valeur p de la meilleure de N règles n'est pas celle d'une règle choisie à l'avance.

Ce que disent les vraies donnéesSur SPY depuis 2006 (5 190 jours), le ratio de Sharpe du buy and hold est de 0,62. Sur les 24 fenêtres de 5 à 120 jours, la meilleure règle de tendance est celle de 60 jours, avec un ratio de Sharpe de 0,31 sur 5 130 jours. Son score z est de 1,41, soit une valeur p unilatérale de 0,080, ce qui paraît presque intéressant. Multipliez par les 24 essais : la valeur p ajustée est 24×0,080>1, donc 1. La meilleure règle de tendance fait moins bien que détenir simplement l'indice, et l'indice d'un avantage disparaît dès que l'on compte combien de règles on a regardées.
  • Ratio de Sharpe : moyenne annualisée sur écart type, avec l'écart type empirique (n - 1).
  • Bootstrap : rééchantillonnez les jours avec remise et lisez les percentiles 2,5 et 97,5 de la statistique.
  • Pas d'anticipation : la position du jour t ne peut utiliser que les rendements jusqu'au jour t - 1.
  • Tests multiples : la valeur p de la meilleure de N tentatives est N fois plus grande qu'il n'y paraît.
Une découverte est une affirmation sur une rechercheIndiquez combien de choses vous avez essayées en plus de la meilleure. Le même ratio de Sharpe est une preuve faible après 24 essais et forte après un seul essai préenregistré. Les fenêtres voisines sont fortement corrélées, donc Bonferroni est prudent ici et le chiffre honnête se situe entre la valeur p brute et la valeur ajustée. Cela ne sauve pas pour autant un Sharpe de 0,31 inférieur à celui du buy and hold.

Lab : ce qui est noté

  • Le ratio de Sharpe15 pts
  • Une règle de tendance sans anticipation25 pts
  • Un intervalle bootstrap25 pts
  • Chercher puis corriger35 pts
Explorateur · lab-st-10
▾ lab-st-10
▾ data
…
bash · dans le navigateur
learner@quantcraft:~/lab-st-10$
Python pas encore chargéPythonLn 1, Col 1Spaces: 4UTF-8

Réinitialiser ce sujet ?

Tout le contenu de lab-st-10 revient aux fichiers de départ et le terminal est vidé. Votre solution actuelle sera perdue : cette action est irréversible.

Sera réinitialisé
  • main.py → code de départ
  • Historique du terminal et sortie des tests
  • Modifications non soumises
Sera conservé
  • Meilleur score du lab
  • Votre XP et votre série
  • Progression du cours et notes

Connectez-vous pour exécuter votre code.

Tous les cours sont gratuits à lire. Créez un compte ou connectez-vous pour exécuter du code, lancer les tests et soumettre ce lab.

  • IDE dans le navigateur avec terminal bash — rien à installer
  • Correction instantanée, XP et votre place dans le parcours
Créer un compteSe connecter
OU
Continuer avec GitHub