Pourquoi T T S F est une approche unique...
TTSF a été conçu pour pouvoir être utilisé de façon autonome par un non spécialiste de l'intelligence artificielle, du trading systématique ou de l'analyse technique, sous la supervision discrète, active et informatiquement traduite de la connaissance d’experts en ces domaines.
L’histoire en bref
-
Personne ne saurait prétendre à trouver une solution générale à la prédiction des marchés.
La finance n’est pas une science dure et l’analyse technique, essentiellement empirique tend à palier cette carence par d’autres approximations empiriques ou non afin de contrebalancer les dégâts qu’elles créent nécessairement. -
La suite TTSF ne fait pas exception , mais par contre les palliatifs utilisés sont assez nombreux, spécifiques et complémentaires, certains originaux.
-
Cette page en donne un aperçu en 12 points avec leur justification.
-
Un tableau en conclusion résume les effets , la portée de chaque composant, le concept en relation avec le problème à traiter.
Intelligence Artificielle adaptée : Le Neuroflou
Une combinaison de réseaux de neurones et de logique floue permet avec peu de données, de trouver des solutions qui généralisent. Adapté à la modélisation de situations issues de la perception humaine, floue, ce qui est le cas des marchés financiers.
Le neuroflou (neurofuzzy logic)
La logique floue présente un avantage particulier dans le domaine de l'analyse technique:
Les indicateurs utilisés sont en fait trop précis numériquement pour être efficaces, alors qu'en général il faudrait seulement savoir si tel indicateur est haussier, neutre ou baissier.
En logique conventionnelle (crisp logic), la fixation de niveaux numériques fixes, ou même adaptatifs répond forcément à une logique booléenne, ici préjudiciable. Il suffit que le niveau précédent soit franchi d'un incrément infinitésimal par l'indicateur dérivé des cours pour que le signal soit donné. Ce qui est beaucoup trop fréquent pour que l'analyse technique puisse produire des résultats fiables dans le temps sur cette base conceptuelle.
La logique floue (fuzzy logic) permet de s'affranchir de cette logique en "tout ou rien", en recodant l’information d’une façon particulière :
On mesure l’appartenance d’un indicateur à un sous ensemble flou par l’intersection de l’ordonnée de sa valeur avec la forme géométrique (triangulaire ici) qui représente les sous ensembles flous.
Du fait de l’interpénétration des triangles, un indicateur peut être à la fois dans une zone et une autre, et ce à hauteur d’un pourcentage d’appartenance déterminé :
Appartenance d’un indicateur à deux sous ensembles flous
L’interprétation en logique floue d’un indicateur est donc paradoxalement bien plus riche et précise qu’elle ne le serait par des méthodes classiques à base de niveaux suracheté- survendu
Interprétation d’un oscillateur
en logique classique et en logique floue
Mais le revers de la médaille se trouve dans la définition des sous - ensembles flous et la construction de règles.
En effet, chaque indicateur étant codé en logique floue, les variantes d’interprétation deviennent rapidement impossibles à gérer pour l’esprit humain :
Ce travail peut être considérable en termes de temps de développement.
Fort heureusement, les techniques d'apprentissage neuronales de SAFIR-Xp permettent la définition des règles et des ensembles flous sans intervention directe de l'utilisateur (d’où la dénomination " neuroflou ").
Neuroflou, analyse technique et SAFIR-Xp
On voit tout de suite l'impact que peut avoir le Neuroflou :
- Les règles deviennent floues pour accommoder les fluctuations de seuil,
- La base de connaissance peut être optimisée automatiquement à partir de données historiques.
A partir d'un choix d'indicateurs et d'un ensemble de données boursières sur une période de référence, SAFIR-Xp met à profit les capacités d'apprentissage offertes par le noyau SAFIR-X pour rechercher les descriptions floues qui satisfont au mieux un critère de performance choisi par l'utilisateur (gain total, retour sur investissement, engagement financier minimum ...)
Les données historiques sont systématiquement fractionnées en deux parties : la première est utilisée pour la recherche des prédicteurs, la seconde permet un test immédiat sur des données non vues.
SAFIR-Xp ne fournit pas une solution unique mais propose un ensemble de FIS (Fuzzy Inference System). Il est possible de vérifier le comportement de chacun de ces prédicteurs sur des données supplémentaires. Il ne faut pas oublier en effet que presque toujours SAFIR-Xp aboutira à une solution donnant des résultats, mais la fonction de transfert << indicateurs - signal achat/vente>> capturée ne sera pas forcément celle recherchée, par exemple si les données boursières sont fortement bruitées.
L'accent a donc été mis pour fournir à l'utilisateur le maximum de facilités pour tester ses systèmes de trading "off-line".
Vous trouverez dans les pages Présentation une description détaillée de SAFIR-Xp, son interface utilisateur et ses fonctionnalités. Les pages Mise en œuvre décrivent les étapes à suivre pour développer des systèmes de trading avec SAFIR-Xp et donnent des conseils d’utilisation. Enfin le glossaire précise certains termes ou expressions utilisées dans ce guide.
Choix des données d'apprentissage indifférent
Pas de sélection fastidieuse, de mise en forme, n’importe quelle série chronologique peut être utilisée, le logiciel fera le tri pour constituer ses jeux d’apprentissage et de test ou rejettera les données non pertinentes.
+ 20 ans de recherche en Intelligence Artificielle appliquée au trading systématique
TTSF est l’aboutissement de toutes les améliorations et de la résolution de la problématique du développement automatique de systèmes de trading utilisant l’intelligence artificielle et sa facilité d’emploi.
L’analyse technique
Cette dénomination peut prêter à confusion par son aspect généraliste.
Elle vise à regrouper toutes les techniques numériques, graphiques utilisant les séries chronologiques de cours, pour en tirer des prédictions des tendances futures.
Vouloir prédire les cours à venir à partir de ceux du passé est une entreprise plutôt illusoire et son succès tout à fait relatif tend à montrer que l'équation magique qui régirait les marchés n'a pas encore été découverte.
Le débat reste ouvert et risque de ne jamais être clos, car là encore une telle découverte serait incompatible avec l'existence même des marchés, régis uniquement par la loi de l'offre et la demande.
Cependant, des études menées il y a une cinquantaine d'années, montre que la distribution statistique des variations des cours ne suit pas une distribution normale (gaussienne).
Cette anomalie de distribution perdure de nos jours :
Il a été observé une leptokurtose de la courbe de distribution qui est en fait la seule justification scientifique de l'analyse technique: La progression des cours ne se fait pas toujours au hasard, et on observe des tendances (trends) qui peuvent alors être détectées par l'analyste technique.
Par contre, le départ du trend et sa fin suivent un processus aléatoire, en tout cas difficile à formaliser, même si certaines techniques (fractales) tirent un léger avantage quant à l'explication.
Plus prosaïquement, il est possible de produire des gains sur les marchés financiers en essayant de détecter le sens des tendances dès qu'elles semblent se dessiner dans un sens , et d'inverser sa position dans le cas contraire.
Des centaines de techniques ont été développées depuis plus d'un siècle dans le monde occidental pour interpréter les séries chronologiques boursières et la plupart d'entre elles visent à retravailler les données brutes pour y faire apparaître de façon plus lisible les tendances.
L’analyse technique en neuroflou
C'est ce que font les systèmes de trading Safir-Xp 2020 en inventant de nouvelles règles, mais en langage informatique, générées par intelligence artificielle.
A partir d'un choix d'indicateurs et d'un ensemble de données boursières sur une période de référence, SAFIR-Xp met à profit les capacités d'apprentissage offertes par le noyau SAFIR-X pour rechercher les descriptions floues qui satisfont au mieux un critère de performance choisi par l'utilisateur (gain total, retour sur investissement, engagement financier minimum ...)
Les données historiques sont systématiquement fractionnées en deux parties : la première est utilisée pour la recherche des prédicteurs, la seconde permet un test immédiat sur des données non vues.
SAFIR-Xp ne fournit pas une solution unique, mais propose un ensemble de FIS (Fuzzy Inference System). Il est possible de vérifier le comportement de chacun de ces prédicteurs sur des données supplémentaires. Il ne faut pas oublier en effet que presque toujours SAFIR-Xp aboutira à une solution donnant des résultats, mais la fonction de transfert << indicateurs - signal achat/vente>> capturée ne sera pas forcément celle recherchée, par exemple si les données boursières sont fortement bruitées.
Les systèmes ainsi produits seront ensuite mis en concurrence dans des portefeuilles de telle sorte que les meilleurs puissent être sélectionnés dynamiquement, en fonction de leurs résultats récents, le la réponse des marchés, de la volatilité.
Safir-Xp 2020 assure le développement automatique des systèmes de trading, mais des améliorations sont possibles par le money management dynamique de ces systèmes, l'ensemble constituant une solution complète : The Trading Systems Factory
Le sens de la tendance, objectif d'apprentissage évident
Le logiciel va détecter les tendances dans le jeu d’apprentissage et utilisera de multiples amplitudes pour faire ses recherches. Pas de prédiction du cours futur. Rien que la tendance (+1 -1).
Test sur données non vues
Les tests sur données de marché non vues sont la règle. Elles sont dans un portefeuille de test. Vous pouvez ensuite refaire d’autres tests sur d’autres données non vues avec ces mêmes systèmes et le grouper en portefeuilles.
Une bibliothèque de systèmes validés et stockés devant vous
Le logiciel teste des dizaines de combinaisons par seconde et garde celles qui passent un benchmark que vous choisissez. La base de donnée stocke ces résultats et permet de ressortir les meilleurs systèmes.
Systèmes applicables à des sampling différents (barres)
Les systèmes fonctionnent avec des barres d’amplitude différentes et peuvent avoir tendance à montrer une généralisation quand on change ce paramètre, ce qui est alors une indication de robustesse.
Portefeuilles avec Money Management dynamique
Il s’agit de choisir à chaque position fermée sur quel support, sur quel système intervenir. C’est ce que fait le money management dynamique, et c’est backtestable.
Taille variable , Multi systèmes , multimarchés
Les systèmes peuvent être appliqués à différents intervalles (barres), différent supports, et combinés entre eux dans le cadre de portefeuilles diversifiés variables en fonction de la volatilité, de la réponse des systèmes.
Des portefeuilles diversifiés...
… en quelques clic à partir de vos bibliothèques de systèmes de trading neuroflous: désélectionner des lignes, afficher les performance summary individuels ou collectifs, dans une présentation adaptée à la vision d’ensemble, appliquer le money management dynamique, filtrer les supports.
Passage d'ordre automatique, multimarchés
Le passage d’ordre est sécurisé par un backup de toute les données sur votre disque dur, permettant de reconstituer votre position réelle rapidement en cas d’incident informatique ou autre. Les ordres déclenchés stop sont envoyés au prix du marché, et la position globale du compte vérifiée à chaque trade.
Tout ce qui est décrit ici est backtestable:
Les systèmes de trading pris individuellement ou collectivement, les portefeuilles multi support, multi time frame, multi systèmes, avec ou sans money management dynamique, la sélection dynamique des supports et l’adaptation de la taille managée, et toutes les combinaisons permises.
Ce que TTSF peut vous apporter dans la résolution des problèmes de
trading systématique, programmation automatisée, gestion des difficultés liées à la modélisation par systèmes de trading:
Quelques définitions, remarques préalables pour s'entendre sur le sujet :
Les systèmes directionnels ou trend following) sont gagnants dans les tendances et perdants dans les trading range, périodes bruitées.
Les systèmes produits par Safir-Xp 2020 sont de ce type, mais les multiples techniques développées ici réduisent l’impact des périodes de bruit et de trading range.
Données d’apprentissage : Cours utilisés pour la modélisation. Ne peuvent plus servir de test de validation. ( portefeuille explore , partie 1)
Données de test: Données servant à vérifier la qualité de l’apprentissage. Ne peuvent plus servir de test ou de validation. ( portefeuille explore, partie 2)
Données non vues ( portefeuille check ). Données permettant de valider les systèmes produit. Elles sont quand même vues une fois (lorsque vous les utilisez). Alors que les données de marché en temps réel vous seront toujours inconnues.
Les tests sur données non vues sont de ce fait plus optimistes que dans la réalité.
Appliquez toujours un facteur correctif <1 au rendement calculé, fonction de ce que vous observez ( spread bid / ask, slippage, dérive du système par rapport au backtest…)
Pool : Un groupe des systèmes appliqué à support ou un groupe de support auquel on applique un système. Un portefeuille se compose de plusieurs pools dans PFO 2020
MIDD = Maximum Intraday Drawdown. Dénivelé maximum observé sur l’Equity Curve d’un système, d’un portefeuille. Sera dépassée un jour ou l’autre et ne saurait représenter le risque maximum réel, de surcroît sur des données vues une fois ou plus…
Il est courant de provisionner au moins le double de cette valeur si elle est statistiquement représentative.
Gain moyen: Doit être au moins le double des frais et slippage réalistes.
Les solutions proposées ici visent à diminuer la MIDD et augmenter le gain moyen par trade.
Le rendement ne dépend pas que de la qualité des systèmes ( MIDD, gain moyen…), mais aussi de celle données de marché sur lesquelles nous n’avons aucune influence.
Par contre, il est possible d’en privilégier certaines à certains moments, c’est ce qui est proposé ici dans le cadre des portefeuilles managés dynamiques , afin de palier pour partie les défauts de qualité de la matière première ( les séries chronologiques) sur laquelle nous travaillons.
En fait on trie tout ici : Les cours, les systèmes, les Equity Curves… pour arriver au produit fini.
Une véritable usine (virtuelle) on vous dit !
D’où le nom de la suite logicielle…dont les solutions proposées sont résumées dans le tableau ci dessous.
Les problèmes posés par le trading systématique et la recherche de solutions
Problème | Inconvénient à éviter | Solution | Avantage | Inconvénients / iconoclasie putative | Mise en œuvre | Exploitation | |
---|---|---|---|---|---|---|---|
Programmation de système | Temps perdu | Safir-Xp 2020 | Rapidité , précision | Règles non compréhensibles ( neuroflou) | Rapide | PFO 2020 | |
Manque d'idées, difficulté de traduction en langage informatique | Service externe, achats... | Safir-Xp 2020 | moteur neuroflou sur multiples configurations | Demande une certaine acceptation de la supériorité de la machine, acquise en quelques heures d'observation. | Recherche automatique | Toute la suite TTSF | |
Choix des données d'apprentissage | risque d'overfitting et de data snooping | Données pseudo aléatoires en apprentissage | Evite de se poser la question | Processus intellectuellement choquant, dont vous devrez vous convaincre du bien fondé par les tests sur données non vues réeelles. | Les données sont fabriquées d ans TradeStation et accessibles comme de vrais cours | Safir-Xp 2020 | |
Choix des données de test | risque d'overfitting | Les données de test sont indépendantes dans Safir-Xp | Evite de se poser la question | Aucun | Inclus dans le processus de recherche | Safir-Xp 2020 | |
Choix des données de validation ( check data), non vues, | risque d'overfitting | Portefeuille check de Safir-Xp | sans objet, sinon que les données sont vues au moins une fois | Peut être décevant en mono système, car un système universel est quasiment impossible | Recherche automatique | Safir-Xp 2020 | |
Systèmes devenant perdants | MIDD prévue dépassée | Portefeuille managé dynamique, écarte les systèmes perdants | Rassurant car préventif et testable | Introduit un lag minimal. Peut réduire le ROA. L'amélioration joue aussi sur celle de la MIDD | compare les systèmes entre eux en temps réel | PFO 2020 | |
MIDD | MIDD excessive | Lissage mécanique par portefeuille | Diminution mécanique de la MIDD, | Augmentation du capital nécessaire. Le management dynamique le contrôle, | PF0 2020 | PFO2020, passage d'ordre, PFO VOLAT | |
Que faire quand le marché n'est pas favorable aux systèmes directionnels ? | MIDD, pertes dues au gains moyen faible ou négatif, | Filtrer les systèmes, diminuer la taille du portefeuille managé | Le trading peut aller jusqu'à s'arrêter et reprendre dès que les conditions sont favorables | Aucun sinon une mise en place supplémentaire et des tests plus longs. | PFO 2020, DAE | PFO2020, passage d'ordre | |
Que faire quand certains supports ne fonctionnent plus avec des systèmes directionnels ? | Cas des actions par exemple ou des monnaies | Filtrage par la volatilité désactivante. Compatible avec ce qui précède | Les supports concernés sont désactivés du portefeuille, Ils se réactivent quand leur volatilité reprend | Aucun sinon une mise en place supplémentaire et des tests plus longs. | PFO 2020, DAE, PFO VOLAT | PFO2020, passage d'ordre, PFO VOLAT | |
Comment diversifier les systèmes neuroflous | avoir des systèmes partiellement décorrélés en vue du lissage | PFO 2020, pools différenciés par tout moyen | Jeux d'indicateurs, types de barres, compression, ordres long only, short only long and short | Restez raisonnable, la diversification fonctionne à partir de quelques lignes, quelques dizaines sont suffisantes, le temps de calcul en backtest est proportionnel à ce nombre... | PFO 2020 | PFO 2020 | |
Comment diversifier les systèmes neuroflous, nouveau concept | Que faire avec des systèmes qui ne fonctionnent pas | Trading indirect neuroflou sur les résultats de systèmes classiques déficients | PFO 2020, ces indicateurs spécifiques peuvent même être combinés à d'autres classiques | Résultats surprenants sur les apprentissages sur données pseudo aléatoires synthétiques | TOUTE LA SUITE TTSF | PFO2020, passage d'ordre, PFO VOLAT | |