Modèle Stockpicker : Jour du mois – Filtre de tendance et de volatilité

Modèle Stockpicker : Jour du mois – Filtre de tendance et de volatilité

Un modèle StrategyQuant X Builder pour le moteur AlgoCloud Stockpicker (barres quotidiennes, groupes d'actions tels que le Dow Jones, S&P 100 ou Nasdaq 100). Le modèle fige la structure Stockpicker ainsi qu'une idée d'entrée : entrer en fin de mois (changement de mois). Le Builder explore ensuite les parties libres, de sorte que chaque exécution génère des stratégies différentes.

Ce que le modèle fige

• Idée d'entrée : Jour du mois (entrer en fin de mois (changement de mois)).
• Un filtre de régime (Close supérieur à la SMA 200 jours), un filtre de volatilité (ATR/Close inférieur à une limite aléatoire) et un ordre au marché.
• Sens acheteur (long) uniquement, règles Stockpicker avec score de position et un nombre maximal de positions ouvertes.

Ce que le Builder recherche

• Les paramètres de l'idée d'entrée, la limite de volatilité, les paramètres de sortie et la formule de score de position.

Mode d'emploi

1. Builder > Paramètres complets > Données : moteur AlgoCloud Stockpicker, un groupe d'actions, unité de temps D1, dates in-sample et out-of-sample.
2. Paramètres complets > Que construire > Stratégie à partir d'un modèle > choisir ce modèle.
3. Lancez la génération, puis vérifiez les résultats hors échantillon (out-of-sample) et sur d'autres groupes avant toute utilisation en réel.

Testé

Chargé dans StrategyQuant X 145.3205 sur le groupe Dow Jones (D1) : le Builder a généré et validé des stratégies à partir de ce modèle. Cela démontre uniquement le bon fonctionnement du modèle. Cela ne préjuge en rien de la qualité des stratégies générées, et aucun test hors échantillon ou sur un autre univers n'a encore été réalisé.

Prérequis

StrategyQuant X 145.3205 ou supérieur avec le moteur AlgoCloud Stockpicker et les données de groupes d'actions dans le Data Manager. Aucun bloc personnalisé ni groupe aléatoire n'est requis.

Outil de recherche hypothétique. Les résultats de backtests ne constituent pas une prévision et les performances passées ne garantissent pas les résultats futurs.