Alpha Predator ™: Performances d'analyse

Lors de la dernière observation de l'Alpha Predator ™ dans APM II, nous avons étudié la manière dont il utilise l'apprentissage par la machine pour optimiser ses algorithmes en fonction des conditions du marché. à travers toutes ces options manuellement. L’Alpha Predator est peut-être une entité cosmologique, mais étant donné qu’il est plus long que l’âge de l’Univers et impossible à réaliser manuellement en une seule vie, les méthodes d’optimisation bayésienne permettent d’optimiser ces divers paramètres en quelques heures.

Après quelques mois de test en temps réel des performances d'Alpha Predator, le moment est bien choisi pour discuter de cette performance, ainsi que de nos performances vérifiées depuis deux ans. Depuis 2017 et 2018 étant des années très différentes dans le monde des actifs numériques, il est intéressant de voir ce que nous pouvons apprendre sur le comportement du prédateur Alpha au cours de ces deux périodes apparemment disparates.

Récapitulatif des performances

Si les informations sur les prix des crypto-monnaies prenaient une forme unique en 2017 et 2018, il s'agirait d'une belle parabole cintrée vers le ciel. En 2017, les tirs se sont dirigés vers la Lune avant de retomber sur Terre en 2018. Les deux bitcoin et Ethereum sont en baisse 72 % et 80%, respectivement, de leurs pics paraboliques. Selon Hedge Fund Research, l'indice HFR Cryptourrency Hedge Fund était en baisse de 69,8%, signe que la plupart des fonds de cet espace ne semblent pas se concentrer de manière appropriée sur la couverture de la gestion des risques.

En tant que tel, nous voyons une formidable opportunité dans le monde des actifs numériques d’appliquer une approche plus traditionnelle de la gestion des risques dans cet espace extrêmement instable. Dans notre quête constante de l'excellence, nous avons récemment atteint un niveau d'analyse supérieur, combinant nos méthodes traditionnelles de gestion des risques liés aux actions à l'Intelligence Artificielle et à l'apprentissage automatique pour développer des stratégies quantitatives modernes conçues pour couvrir le risque de portefeuille dans ce nouveau monde d'actifs numériques. Idéalement, lors de mouvements paraboliques comme en 2017, nos stratégies visent à capturer 80% de la hausse et 40% de la baisse du marché. Alors que la plupart des fonds ont perdu une quantité importante de capital en 2018, les tests de sécurité de nos stratégies ont fait un excellent travail de gestion des risques de perte, et nous sommes heureux d'annoncer que les tests de contrôle de nos trois stratégies étaient tous en hausse pour 2018.

Vue d'ensemble de la stratégie

Derrière le rideau cosmologique d'Alpha Predator, notre équipe quantitative a développé un certain nombre de stratégies complémentaires, toutes conçues pour gérer les risques dans le monde des actifs numériques. Nous avons actuellement trois modèles quantitatifs en production, avec un certain nombre d’autres à différents stades de développement. Les modèles actuellement en production sont:

• Systématique - Bitcoin

• Systématique - Ethereum

• Rotation de jetons

Nos stratégies sont conçues dès le départ dans le but de tirer parti des importantes opportunités d’alpha que nous voyons sur les marchés des actifs numériques. Nous pensons que l'environnement de marché actuel est propice à la récolte d'alpha en raison d'infrastructures naissantes, de marchés boursiers fragmentés et de l'omniprésence de l'illiquidité.

Vue d'ensemble systématique

Les modèles quantitatifs AlphaPredator ™ Systematic (initialement étudiés dans APM I) mesurent la direction du marché, la vitesse, la volatilité et les écarts de prix afin de catégoriser et d'adapter des algorithmes à l'environnement de marché actuel. Vous trouverez des détails sur le fonctionnement de nos modèles au niveau du code dans notre coin technique. Les algorithmes cherchent à ajouter une exposition lorsque le marché confirme une tendance à la hausse. De même, lorsque la tendance des plateaux ou renverse, le modèle est conçu pour réduire l'exposition. Les modèles se concentrent sur la saisie de positions lorsqu'il calcule que la probabilité de profit est supérieure à la moyenne et sur la suppression de l'exposition lorsque les algorithmes considèrent que la probabilité de profit est décroissante ou inexistante. L’objectif général de nos stratégies systématiques est de fournir entre 70% et 80% de la hausse du marché, 40% à 50% de la baisse et environ la moitié de la volatilité de l’actif sous-jacent. Les modèles cherchent à maximiser le rapport risque / rendement en mesurant les indicateurs de risque Sharpe, Sortino et Downside, le tout en temps réel.

Performance systématique en bitcoins

Nos métriques de performance Systematic-Bitcoin présentées ci-dessous représentent les résultats de tests en direct du 15 octobre 2018 au 31 décembre 2018 et les résultats de backtest du 1er janvier 2017 au 15 octobre 2018, le cas échéant.

Performance systématique en bitcoins

Performance Ethereum systématique

Nos mesures de performance Systematic-ETH représentent les résultats des tests en direct du 13 décembre 2018 au 31 décembre 2018, ainsi que les résultats des backtest du 1er janvier 2017 au 13 décembre 2018, le cas échéant.

Performance Ethereum systématique

Présentation et performances de la rotation des jetons

La stratégie de rotation des jetons AlphaPredator vise à accroître la visibilité lorsque le marché évolue dans un environnement à tendance ascendante. Le modèle analyse les 15 principaux actifs numériques par capitalisation boursière et investit dans les quatre actifs les plus performants, mesurés par la vitesse et la performance de ces actifs les uns par rapport aux autres. Toutefois, si certains actifs numériques semblent inverser négativement leur tendance, le modèle cherche à protéger le risque de perte en convertissant ces actifs en espèces. À tout moment, le modèle peut être investi entre 0 et 100%.

Alors que les stratégies systématiques se concentrent sur la limitation du risque en fonction de l’actif sous-jacent, la stratégie de rotation des jetons est un chercheur de risque lorsque le modèle calcule la probabilité élevée d’un marché à tendance haussière. L'objectif à long terme du modèle de rotation des jetons est de cibler 120% de la hausse de l'indice de cryptomonnaie HFR, 60% de la baisse et environ 60% de la volatilité.

Remarque rapide sur la rotation des jetons: compte tenu des volumes dérisoires en altcoins par rapport aux crypto-monnaies à grande capitalisation telles que Bitcoin, Ethereum et XRP, le montant de capital pouvant être alloué à la stratégie est fortement limité.

Performance de rotation des jetons

Diversification vers la corrélation inférieure

Comme le montrent les statistiques de backtest ci-dessus, nos stratégies ont suivi une tendance à la hausse en 2017 et ont protégé le risque de perte en 2018. Chaque stratégie est actuellement exécutée individuellement pour suivre la performance, mais ces stratégies sont complémentaires et doivent donc, lorsqu'elles sont exécutées simultanément, équilibrer le risque et le risque. corrélations plus faibles avec l'ensemble des marchés. En utilisant la théorie moderne du portefeuille, nous pouvons adapter une combinaison optimale de stratégies de réduction de risque (neutre au marché) et de stratégies d'amélioration du rendement (rotation systématique et par jetons). La stratégie combinée optimale qui en résulte devrait permettre de maximiser les ratios de Sharpe et de Sortino, de limiter les risques de perte et de générer un flux de rendement moins volatil que les stratégies de marché traditionnelles.

Performance et allocation optimales des mélanges

Et après?

Notre équipe quantitative travaille constamment à l'optimisation de nos algorithmes - intégrant de nouveaux signaux et à une infrastructure de développement - dans le but de créer des solutions évolutives qui gèrent les risques de manière appropriée.

Vous trouverez ci-dessous un échantillon des domaines sur lesquels notre équipe travaille actuellement:

1. Stratégie systématique - Mise à niveau de v1 à v1.5: le modèle actuel (v1.0) alloue 100% de trésorerie ou 100% de trésorerie. La mise à niveau à venir incorporera de nombreux signaux, entrant et sortant de positions, en mettant l’accent sur la recherche d’une amélioration de la capture à la hausse et de la limitation des risques de perte.

2. Stratégie de rotation des jetons - Création d'échelle: le modèle actuel de rotation des jetons est limité en capital en raison de l'aspect rotationnel des allocations aux actifs numériques à plus faible capitalisation boursière. Nous modifions la gestion du capital en incorporant un modèle multifactoriel qui répartit en fonction des signaux à long et à court terme, dans le but de ralentir la rotation du portefeuille et d’accroître le montant de capital pouvant être affecté à la stratégie.

3. Stratégie de marché neutre - Rentabilité et évolutivité: Bien que nous n'ayons pas encore beaucoup parlé de nos stratégies de marché neutre dans cette mise à jour ou des chiffres publiés pour cette stratégie, notre équipe travaille à la création et à l'amélioration des performances du système par rapport à la performance totale. . Nous avons un certain nombre de stratégies à divers stades de développement, y compris l'arbitrage de change, l'arbitrage statistique, l'arbitrage de pièces stables et la tenue de marché. Au cours des prochains mois, nous déploierons ces stratégies après leur passage dans notre environnement de tests rigoureux.

4. Court-circuitage: Nos modèles actuels se concentrent sur la prise de positions longues ou l'entrée dans la trésorerie. C'était intentionnel, car nous avions comme priorité de réduire la volatilité et d'accroître l'exposition via des positions longues. Dans la plupart des scénarios, nous considérons que la vente à découvert est une position et non une couverture, ce qui augmenterait la volatilité du portefeuille, en contradiction avec notre objectif. Une fois que nous aurons finalisé nos positions biaisées sur le long terme, nous chercherons à ajouter des algorithmes visant à capturer les performances via des mouvements à la baisse via des positions courtes.

Conclusion

Alors que le soleil se couche sur un autre papier Alpha Predator, l'auto-optimisation continue. Avec les algorithmes d’apprentissage automatique fonctionnant de manière diligente entre les os du prédateur, nos stratégies sont d'autant plus strictes et plus efficaces: elles nous permettent de pénétrer dans ces fissures d'alpha inaccessibles pour la plupart. Nous allons continuer à optimiser et espérons que vous continuerez à lire.

Cette publication a été développée par Blockforce Labs, LLC. Blockforce Labs, LLC, est une société de recherche qui n’est pas un conseiller en investissement inscrit et n’agit pas en tant que courtier en valeurs mobilières en vertu de lois sur les valeurs mobilières fédérales ou d’État. Cette publication est fournie à titre indicatif uniquement et contient des informations sur les performances théoriques (tests rétroactifs et tests réels) des stratégies de négociation. Les résultats théoriques présentés ne sont pas des résultats réels et les résultats réels peuvent différer considérablement de ceux présentés ici. Les performances passées ne garantissent pas les résultats futurs. Cette publication ne constitue ni une offre de vente ni la sollicitation d'une offre d'achat d'un intérêt quelconque dans un investissement. Il n'est pas possible d'investir directement dans une stratégie. Les stratégies décrites ci-dessus ne sont pas gérées et n'entraînent pas de frais de gestion, de coûts de transaction, d'impôts ou d'autres dépenses associées aux produits pouvant être investis. Les résultats théoriques présentés dans le présent document sont présentés «hors frais», c'est-à-dire sans aucun des frais potentiels déduits qui seraient facturés par un gestionnaire ou un conseiller utilisant la stratégie de négociation. Les résultats théoriques ne reflètent pas les honoraires de conseil distincts qui peuvent être facturés par un conseiller en investissement (par exemple, un honoraire de conseil de 1% composé sur une période de 10 ans réduirait le rendement annuel de 10% à 8,9%). Les résultats reflètent la performance d'une stratégie non offerte aux investisseurs et ne représentent PAS les rendements que tout investisseur a réellement atteints.

Les résultats de performance théoriques peuvent avoir des limitations inhérentes et les rendements réels des investissements réels peuvent différer considérablement des rendements hypothétiques présentés. Bien que ces informations aient été préparées de bonne foi, le destinataire doit en tenir soigneusement compte. Les résultats de performance théoriques ne présentent pas l’impact que des facteurs économiques et de marché significatifs pourraient avoir sur une stratégie de négociation ou sur le processus de prise de décision d’un conseiller en investissements si le conseiller externe gérait réellement des fonds d’investisseurs. Des conditions de marché et / ou économiques différentes, des tailles d'allocation différentes, des commissions différentes ou des hypothèses différentes peuvent donner des résultats différents. La performance testée à l’avance est développée avec le bénéfice du recul et présente des limitations inhérentes. Les résultats des back-tests sont calculés par l'application rétroactive d'un modèle construit sur la base de données historiques et sur des hypothèses intégrées au modèle, qui peuvent ou non être testables et sont sujettes à des pertes. Les hypothèses générales sont les suivantes: les actifs recommandés par le modèle auraient pu être achetés et les marchés étaient suffisamment liquides pour permettre toutes les transactions. Toute modification de ces hypothèses peut avoir une incidence importante sur les déclarations rétroactives présentées. Certaines hypothèses ont été faites à des fins de modélisation et il est peu probable qu’elles se concrétisent. Aucune déclaration et garantie ne sont données quant au caractère raisonnable des hypothèses. Ces informations sont fournies à titre indicatif uniquement.

Cette publication ne constitue en aucun cas une recommandation de stratégie ou de produit d'investissement pour un investisseur particulier, ni ne prend en compte les circonstances financières uniques de chaque individu. Les investisseurs doivent toujours consulter un professionnel de la finance avant de prendre une décision d'investissement. Tous les investissements comportent un certain degré de risque, notamment une perte totale de capital.