Python para el trading algorítmico

Capítulo 6. Construir clases parael backtesting basado en eventos

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Las tragedias reales de la vida no guardan ninguna relación con las ideas preconcebidas. En realidad, siempre nos desconciertan su sencillez, su grandeza de diseño y ese elemento de extrañeza que parece inherente a ellas.

Jean Cocteau

Por un lado, el backtesting vectorizado con NumPy y pandas es, en general, cómodo y eficiente de implementar debido a la concisión del código, y es rápido de ejecutar debido a que estos paquetes están optimizados para dichas operaciones. Sin embargo, el enfoque no puede hacer frente a todos los tipos de estrategias de negociación ni a todos los fenómenos que la realidad de la negociación presenta a un operador algorítmico. En lo que respecta al backtesting vectorizado, las posibles deficiencias del enfoque son las siguientes:

Sesgo de previsión

El backtesting vectorizado se basa en el conjunto completo de datos disponibles y no tiene en cuenta que los nuevos datos llegan de forma incremental.

Simplificación

Por ejemplo, los costes de transacción fijos no pueden modelizarse mediante la vectorización, que se basa principalmente en los rendimientos relativos. Tampoco se pueden modelizar adecuadamente las cantidades fijas por operación o la no divisibilidad de instrumentos financieros individuales (por ejemplo, una acción de un valor).

No recursividad

Los algoritmos, ...