IV. Μέγιστη Πτώση Απόδοσης (Maximum DrawDown)
Ένα άλλο πολύ χρήσιμο στατιστικό στοιχείο που προκύπτει από το BackTest ενός Αλγοριθμικού Συστήματος είναι η Μέγιστη Πτώση Απόδοσης ανά την περίοδο. Ορίζεται ως ποσοστό % και αντικατοπτρίζει την Μέγιστη Αρνητική Απόδοση πάνω στο Αρχικό Κεφάλαιο κατά την περίοδο του BackTest.
Με διαφορετική διατύπωση και σε επίπεδο αποδόσεων χαρτοφυλακίου απαντάει στην ερώτηση
” Ποιά είναι η μέγιστη αρνητική απόδοση της Στρατηγικής όπως κυλάει ο χρόνος δυναμικά (κι όχι στατικά όταν φωτογραφίζουμε τις αποδόσεις στο τέλος κάθε χρόνου) ”.
Σε επίπεδο μεγέθους, το % Maximum DrawDown προτιμάται να είναι κοντά στην ετήσια μεταβλητότητα των αποδόσεων έτσι ώστε η δυναμική εικόνα της Στρατηγικής να είναι κοντά στην τυχαία στατική, διατηρώντας έτσι την εμπιστοσύνη του επίδοξου επενδυτή ανεξαρτήτος χρονικού διαστήματος.
Για παράδειγμα, ένα Σύστημα με ετήσιες αποδόσεις +5% και ετήσια μεταβλητότητα 5% φαντάζει με πρώτη ματιά πολύ αξιοπρεπές και σταθερό. Εάν όμως π.χ. αυτό το σύστημα στους τελευταίους μήνες του 2008 που κατάρρευσε η Lehman Brothers ή σε κάποια άλλη τυχαία περίοδο έκανε δυναμικά ένα Maximum DrawDown -25% (έστω στιγμιαία ή μόνο για 10 ημέρες και μετά σιγά σιγά ισορρόπησε), τότε χάνει σε αξιοπιστία.
Ο επενδυτής το μεταφράζει πως σε κανονικές συνθήκες η Στρατηγική συμπεριφέρεται ικανοποιητικά στο + / - 5% αλλά στην πιθανότητα ενός ακραίου γεγονότος ή ακόμα και τυχαία, με βάση το BackTest θα μπορούσε να δει ξαφνικά τον επενδυτικό του λογαριασμό στο -25%.
V. Δείκτες Επιτυχίας (Hit Ratios)
Οι περισσότερες BackTest πλατφόρμες έχουν τη δυνατότητα εξαγωγής κάποιων Δεικτών Επιτυχίας, οι οποίοι λειτουργούν συμπληρωματικά με τα βασικά στατιστικά στοιχεία της απόδοσης και μεταβλητότητας. Ο πιο χρήσιμος τέτοιος Δείκτης αναμφισβήτητα είναι το Ποσοστό των συναλλαγών με θετικό πρόσημο κέρδους ως προς το σύνολο των συναλλαγών (Trades Hit Ratio). Ο,τιδήποτε κοντά κι άνω του 65% Trades Hit Ratio θεωρείται γενικά αξιόλογο. Ειναι φρόνιμο αντίστοιχα, να υπολογίζουμε τους επιτυχήμενους μήνες στο σύνολο των μηνών καθώς και σε επίπεδο ετών. Ένα Αλγοριθμικό Σύστημα με ποσοστά επιτυχίας σε μήνες κι έτη κοντά στο 70% δείχνει μία σταθερή και έμπιστη συμπεριφορά και σίγουρα θεωρείται αξιόλογο.
VI. Το Γράφημα
Τα βασικά στατιστικά στοιχεία, η ανά μονάδα κινδύνου προσδοκώμενη απόδοση, οι δείκτες επιτυχίας και ο,τιδήποτε άλλο θα μπορούσε να περιγράψει το Αλγοριθμικό Σύστημα με νούμερα οφείλουν να συνοδεύουν την αλήθεια τους και από το αντίστοιχο Γράφημα Απόδοσης.
Συνήθως ως Γράφημα Απόδοσης σε όρους BackTest εννοούμε το Γράφημα της Κινητής Προστιθέμενης Συνολικής Απόδοσης του Συστήματος στο χρόνο, οπότε συνηθίζεται στον άξονα Χ να έχουμε τον χρόνο σε ημέρες ενώ στον άξονα Υ είτε το συνολικό κέρδος σε νόμισματικλη αξία είτε σαν απόδοση % επί του αρχικού κεφαλαίου.
VII.Μοναδικός Αλγόριθμος Έναντι Αλγοριθμικού Συστήματος
Θεωρώ σημαντικό σε αυτό το σημείο να τονίσω πως τα παραπάνω στατιστικά στοιχεία χρίζουν διαφορετικής αντιμετώπισης ανάλογα με την οπτική του δημιουργού της Στρατηγικής. Τα ίδια ακριβώς νούμερα έχουν διαφορετική ερμηνεία όταν αφορούν έναν συγκεκριμένο Αλγόριθμο (π.χ. EURUSD σε συχνότητα 5minute bars) ή ένα συνολικο Χαρτοφυλάκιο Αλγορίθμων (π.χ. ένα Αλγοριθμικό Σύστημα στο Συνάλλαγμα σε EURUSD, GBPUSD, USDCAD, AUDUSD σε συχνότητες 1minute, 5minutes, 15minutes bars).
Η Μέση Ετήσια Απόδοση, η Ετήσια Μεταβλητότητα, το Sharpe Ratio και το Maximum DrawDown που αφορούν ένα αλγόριθμο στο EURUSD στις 5minute bars, είναι κάτι πολύ συγκεκριμένο και τα συμπεράσματα που θα βγάλουμε από τα νούμερα αφορούν αυτόν τον Αλγόριθμο.
Όταν όμως αυτός ο Αλγόριθμος είναι απλά ο 1 από τους 40 Αλγορίθμους που αποτελούν το Αλγοριθμικό Σύστημα, τότε η βαρύτητα που έχουν τα δικά του νούμερα μειώνεται και αυτό που κυρίως μας ενδιαφέρει είναι πώς η συνύπαρξη των 40 αυτών Αλγορίθμων διαμορφώνει τη Μέση Ετήσια Απόδοση, την Ετήσια Μεταβλητότητα, το Sharpe Ratio και το Maximum DrawDown σε επίπεδο Χαρτοφυλακίου.
Η βασική Αρχή της Διαφοροποίησης του Κινδύνου Χαρτοφυλακίου που χαρακτηρίζει την ΧρηματοΟικονομία μας προδιαθέτει πως τα νούμερα του συνόλου θα είναι καλύτερα από το άθροισμα των επιμέρους στοιχείων του συνόλου, κυρίως σε όρους ρίσκου, που είναι και το πλέον σημαντικό.
Εν κατακλείδι, ναι μεν ψάχνουμε για Αλγορίθμους που από μόνοι τους ξεχωριστά έχουν αξιόλογα και εύρωστα στατιστικά στοιχεία όπως ανέλυσα προηγουμένως, αλλά είναι ιδιαίτερα σημαντικό το συνδυαστικό Χαρτοφυλάκιο των Αλγορίθμων αυτών να παράγουν ένα Αλγοριθμικό Σύστημα με τα επιθυμητά βασικά στατιστικά στοιχεία. Κάποιες φορές δε, μπορεί ένας Αλγόριθμος από μόνος του να παράγει πολύ μέτρια αποτελέσματα, αλλά η συμβολή στις μετρικές του Αλγοριθμικού Συστήματος να είναι εντυπωσιακά χρήσιμη λόγω διαφοροποίησης.