La prima, e probabilmente la più ovvia, considerazione l’effettiva comprensione della strategia. Siamo in grado di spiegare la strategia in modo conciso o richiederà una serie di eventi e un elenco di parametri senza fine? Inoltre, la strategia ha buone e solide basi realistiche? Ad esempio, si potrebbe verificare qualche comportamento del mercato o qualche vincolo a cui i fondi sono soggetti che potrebbe causare i pattern che si sta tentando di sfruttare? Questo vincolo sarebbe ancora valido in caso di modifiche strutturali, come un’improvvisa e ampia modifica al contesto normativo? La strategia si basa su complesse regole statistiche o matematiche? Si applica a tutte le serie finanziare o è specifica per un determinato strumento o asset?

Si deve costantemente valutare tutti questi fattori quando si cercano nuovi metodi di trading, altrimenti si rischia di sprecare una notevole quantità di tempo nel tentativo di backtesting  e ottimizzare strategie non redditizie.

Una volta compresi i principi alla base della strategia si deve decidere se si adatta al proprio stile di trading. Questa non è una considerazione vaga come sembra! Le strategie differiranno sostanzialmente nelle loro caratteristiche di rendimento. Vi sono alcuni tipi di persone che possono gestire periodi di drawdown più significativi o che sono disposti ad accettare un rischio maggiore al fine di ottenere un rendimento maggiore. Nonostante il fatto che noi, come quants, proviamo ad eliminare il più possibile i bias cognitivi e dovremmo essere in grado di valutare oggettivamente una strategia, i bias si insinueranno sempre. Quindi abbiamo bisogno di mezzi meccanici e non emotivi attraverso i quali valutare le prestazioni delle strategie . Ecco l’elenco dei criteri che osservo quando valuto una potenziale nuova strategia:

• Metodologia – La strategia è basata sul momentum, mean-reverting, market-neutral, direzionale? La strategia si basa su sofisticate (o complesse!) tecniche statistiche o machine learning difficili da comprendere e che richiedono un dottorato di ricerca in statistica? Queste tecniche introducono una quantità significativa di parametri, che potrebbero portare a errori di ottimizzazione? La strategia è in grado di resistere a un cambio di regime (vale a dire una potenziale nuova regolamentazione dei mercati finanziari)?
• SharpeRatio – Caratterizza euristicamente il rapporto reward/risk della strategia. Quantifica quanto profitto è possibile ottenere con un accettabile livello di volatilità della curva equity. Naturalmente, è necessario determinare il periodo e la frequenza nei quali i rendimenti e la volatilità (cioè la deviazione standard) sono misurati. Una strategia di frequenza più alta richiederà una maggiore frequenza di campionamento della deviazione standard, ma, per esempio, un tempo complessivo più breve.
• Leverage: la strategia richiede una leva significativa per essere redditizia? La strategia richiede l’uso di contratti derivati ​​con leva (futures, opzioni, swap) al fine di ottenere un rendimento? Questi contratti a leva possono avere una forte volatilità e quindi possono facilmente portare a margin call. Si dispone del capitale e del temperamento per sopportare tale volatilità?
• Frequenza – La frequenza della strategia è intimamente legata allo stack tecnologico (e quindi alla competenza tecnologica), al SharpeRatio e al livello generale dei costi di transazione. In generale, le strategie ad alta frequenza richiedono più capitale, sono più sofisticate e più difficili da implementare. Tuttavia, supponendo che motore di backtesting sia performante e privo di bug, queste strategie hanno SharpeRatio molto alti.
• Volatilità: la volatilità è strettamente correlata al “rischio” della strategia. E’ contraddistinto dal SharpeRatio lo contraddistingue. Una maggiore volatilità degli asset class sottostanti, se non controllata, causa spesso una maggiore volatilità della curva equity e quindi un SharpeRatio più basso. Naturalmente presumo che la volatilità positiva sia approssimativamente uguale alla volatilità negativa. Alcune strategie possono avere una maggiore volatilità al ribasso. Devi essere consapevole di queste caratteristiche.
• Win / Loss, Average Profit / Loss – Le strategie differiscono nelle loro caratteristiche per il numero di vincite/perdite e per la media profitti/perdite. Si può avere una strategia molto redditizia, anche se il numero di trade  perdenti supera il numero di operazioni vincenti. Le strategie di momentum tendono ad avere questo schema in quanto si basano su un piccolo numero di “grandi successi” per essere redditizi. Le strategie di inversione della tendenza tendono ad avere profili opposti in cui ci molti trade “vincenti”, ma le operazioni in perdita possono incidere molto negativemente sul capitale.
• Drawdown massimo: il drawdown massimo è Il drawdown è la discesa, la correzione, da un precedente massimo assoluto fino ad un minimo assoluto nella curva equity della strategia. Le strategie del momentum sono ben note per soffrire di periodi di estesi drawdown (a causa di una serie incrementale di molti trade perdenti). Molti trader si disperano nei periodi di drawdown estesi, nonostante i test storici hanno suggerito che questo comportamento è “tipico” per questa strategia. Si deve stabile quale percentuale di drawdown (e in quale periodo di tempo) sono accettabili prima di interrompere l’esecuzione della strategia. Questa è una decisione altamente personale e quindi deve essere valutata attentamente.
• Capacità / Liquidità – A livello retail, a meno che non si stia tradando uno strumento altamente illiquido (come uno stock a ridotta capitalizzazione), non dovrete preoccuparvi molto della capacità strategica. La capacità determina la scalabilità della strategia a seconda del capitale. Gli hedge fund più grandi hanno notevoli problemi di capacità man mano che le loro strategie aumentano nella dotazione di capitale da gestire.
• Parametri – Alcune strategie (in particolare quelle presenti nella comunity del Machine Learning) richiedono una grande quantità di parametri. Ogni parametro introdotto rende una strategia più vulnerabile al bias di ottimizzazione (noto come “curve-fitting”). E’ consigliato individuare le strategie con il minor numero di parametri possibile o assicurarsi  di disporre di una sufficiente quantità di dati con cui testare le strategie.
• Benchmark – Quasi tutte le strategie (a meno che non siano  “absolute return”) sono misurate rispetto a un benchmark di performance. Il benchmark è solitamente un indice che caratterizza un ampio campione dello strumento o mercato su cui la strategia opera. Se la strategia negozia titoli azionari statunitensi a grande capitalizzazione, l’S&P500 sarebbe un benchmark naturale per misurare la propria strategia. I termini “alpha” e “beta”, applicati a strategie di questo tipo. Discuteremo questi coefficienti in modo approfondito negli articoli successivi.

Da notare che non abbiamo parlato dei rendimenti effettivi di una strategia. In realtà, i rendimenti forniscono informazioni limitate sull’efficacia della strategia. Non permettono di valutare la leva finanziaria, la volatilità, i benchmark o i requisiti patrimoniali. Pertanto le strategie vengono giudicate raramente solo in base ai loro rendimenti. Considerare sempre le prestazioni relative al rischio di una strategia, prima di esaminare i rendimenti.

In questa fase molte delle strategie trovate dalla nostra pipeline sono respinte immediatamente, dal momento che non soddisfano i requisiti di capitale, i vincoli di leva, la massima tolleranza di drawdown o la volatilità. Le strategie che rimangono possono ora essere utilizzate per il backtesting. Tuttavia, prima che sia possibile, è necessario considerare un criterio finale di esclusione, quello sulla disponibilità dei dati storici su cui testare queste strategie.