Paper para o SSRN em preparação

Um artigo completo desta revisão de doze estudos está sendo preparado para o SSRN. Os estudos e resultados abaixo estão completos.

Revisão de pesquisa · López de Prado

López de Prado, Reprodução & Revisão

Uma reprodução do zero e uma extensão em larga escala dos métodos de Marcos López de Prado em cripto, ações dos EUA e forex, cada afirmação empírica filtrada pelo Deflated Sharpe Ratio

Este é um programa de reprodução e extensão construído do zero em torno dos métodos de Marcos López de Prado em Advances in Financial Machine Learning e nos artigos relacionados, barras orientadas por informação, diferenciação fracionária, rotulagem financeira e validação cruzada, ensembles e importância de variáveis, construção de portfólio, fatores causais, variáveis preditivas e dimensionamento de apostas. Cada estudo reproduz a afirmação original em um benchmark controlado e então a re-executa em larga escala sobre dados reais, com custos completos e sem look-ahead, abrangendo cripto, ações dos EUA e forex, com cada conclusão empírica filtrada pelo Deflated Sharpe Ratio.

O fio condutor honesto é simples: quase nada supera a significância deflacionada em lugar algum , o que é precisamente a tese de López de Prado, enquanto várias de suas afirmações metodológicas se reproduzem de forma limpa: o relógio de atividade de fato afina as caudas, a diferenciação fracionária de fato preserva a memória, o bagging de fato generaliza onde o boosting não, e um confundidor de fato pode fabricar um fator do nada. Estes são resultados metodológicos, não resultados financeiros, e são enquadrados assim em todo o trabalho.

A revisão, em números

12
Estudos reproduzidos
do zero e depois em escala
42
Instrumentos
cripto · ações EUA · FX
1,2M+
Strategy-windows
walk-forward, em todos os estudos
14
Obras referenciadas
López de Prado e fundamentais
17,1k
Linhas de código
a base de código da revisão

Código & dados

github.com/DaruFinance/lopez-de-prado-work-review

12 estudos · 3 classes de ativos

Cada afirmação deflacionada

dados reais, com custos completos e sem look-ahead

Os estudos

datafeatmodeltestgate
assembly line · separable roles → disclosure gate
Capstone

Organização de Meta-Estratégia

O modelo de linha de montagem, papéis de pesquisa especializados e separáveis, mais a divulgação obrigatória de cada tentativa, como o antídoto estrutural para a busca por backtest do quant solitário.

DSRSR*
E[max SR] null · best < DSR threshold
estudo 01

Sobreajuste de Backtest & o Deflated Sharpe Ratio

Em ~92.500 estratégias reais em cripto, ações e forex, a melhor não supera sua hipótese nula de testes múltiplos em nenhum mercado.

fat tails → Gaussian · activity clock
estudo 02

Barras Orientadas por Informação

Barras de dólar / volume / tick gaussianizam os retornos nos três mercados, dependente da granularidade, e ações exigem tratamento de sessão.

0.00.51.00.98FFD0.01ret
corr w/ price level · FFD vs returns
estudo 03

Diferenciação Fracionária

A diferenciação fracionária de largura fixa mantém correlação de ~0,98 com o nível de preço, contra ~0,01 dos retornos simples.

testtrainpurge
purged + embargoed k-fold
estudo 04

Rotulagem & Validação Cruzada

O vazamento no k-fold escala com a razão entre o horizonte do rótulo e o tamanho do fold; o meta-labeling é um filtro de precisão, não alfa.

cost + DSR
feature signal < cost + deflation
estudo 05

Variáveis Preditivas

Variáveis de quebra estrutural / entropia / microestrutura carregam sinal fraco que não sobrevive a custos + deflação; um proxy barato iguala dados caros de fluxo de ordens.

OOSbagboost4.8×
generalization · bagging ≈ 4.8× boosting
estudo 06

Ensembles & Importância de Variáveis

O bagging generaliza ~4,8× melhor que o boosting em 100% dos 40 instrumentos; o MDI tem viés de substituição, o MDA não.

−θ
OU mean-reversion · entry / exit bands
estudo 07

Regras de Negociação & Dimensionamento de Apostas

O dimensionamento de apostas reduz o giro em 80–87%, mas não acrescenta edge deflacionado; o controle de drawdown Triple-Penance AR(1) é o ganho validado.

HRP dendrogram · block-diagonal corr
estudo 08

Construção de Portfólio: HRP, NCO & Denoising

HRP / NCO superam o Markowitz bruto na variância fora da amostra; o valor do denoising é função de q = T/N.

ZXY
confounder fork · backdoor X ← Z → Y
estudo 09

Investimento em Fatores Causais

Um confundidor faz um fator nulo parecer significativo 100% das vezes; o ajuste de backdoor corrige isso, e poucos fatores reais sobrevivem.

toverlap
overlapping labels · uniqueness weights
estudo 10

Unicidade de Amostras & Bootstrap Sequencial

Rótulos de triple-barrier sobrepostos tornam as observações não-IID; a ponderação por unicidade e o bootstrap sequencial restauram o tamanho efetivo da amostra antes do treino.

DSR0single10/10x-sect
DSR: single-series 0 · x-section 10/10
estudo 11

ML Transversal

As árvores superam a deflação no corte transversal onde o ML de série única falha: o lgbm sobrevive ao Deflated Sharpe em 10 de 10 horizontes, o primeiro edge de ML do programa a sobreviver ao DSR, aproximando-se mas sem superar o melhor arquétipo estático.

O tema da disciplina de seleção que percorre este programa é o mesmo por trás de The edge is in the process e do corpo de trabalho mais amplo em Research.