I dagens inlägg tar jag hjälp av ChatGPT för att generera en tradingidé. Ni, liksom jag, imponeras säkerligen av vad ChatGPT kan åstadkomma. Frågan vi ställer oss är om ChatGPT kan skapa en fungerande tradingidé komplett med programkod. Det är precis vad vi gör idag, det vill säga vi använder teknisk analys med ChatGPT. Detta inlägg markerar starten på en serie där jag kommer att använda ChatGPT för att utforska och utveckla tradingidéer.
Teknisk analys med ChatGPT
Hur skapar man egentligen en tradingidé och programkod med hjälp av ChatGPT? För att göra detta skrev jag en prompt där jag specificerade de egenskaper jag önskade att strategin skulle innefatta. I detta fall sökte jag en strategi som genererar köp- och säljsignaler på en marknad utan en tydlig trend. Jag formulerade prompten på engelska, tydligt angav att strategin ska generera signaler vid avsaknad av trend och enbart fokusera på att gå lång. Genom att använda teknisk analys med ChatGPT, kunde jag därmed utforma en sådan strategi.
Strategin som ChatGPT utvecklade baserar sig på motstånd och stöd, där dessa definieras med hjälp av en priskanal där det nedre bandet avsåg stöd och det övre bandet avsåg motstånd. För att identifiera perioder med svag trend användes ADX.
En köpsignal genereras när stängningskursen ligger inom 1% från stödnivån, och en säljsignal ges när stängningskursen når nivån inom 1% av motståndsnivån. Även en stop-loss inkluderades i strategin. Så här beskrev ChatGPT strategin:
”This code sets up a basic framework for range trading. The strategy enters a long position when the price is close to the support level and exits when it approaches the resistance level. A stop-loss is implemented to manage risk.”
ChatGPT
Jag bad även ChatGPT att generera den kod som behövdes för att testa strategin. Jag specificerade programspråket (Easylanguage) och efter några modifikationer fungerade koden utmärkt i Multicharts, som är det program jag använder. Denna process visar på den praktiska tillämpningen av teknisk analys med ChatGPT, inte bara för att utveckla strategier utan även för att skapa den nödvändiga koden för att genomföra dem. I den bifogade figuren illustreras köp- och säljsignalerna på indexet OMXS30. Denna visualisering ger en tydlig bild av hur strategin, utvecklad med teknisk analys med ChatGPT, appliceras i praktiken.
Figur 1. OMXS30 med priskanal
Priskanalen är inställd på 20 perioder och ADX är definierat för 14 dagar med ett gränsvärde på 25. En stoploss är satt till 5000. Samtliga dessa parametrar gavs av ChatGPT. När stängningskursen närmar sig den nedre stödnivån genereras en köpsignal, och när stängningskursen rör sig upp mot det övre motståndsbandet framträder en säljsignal. Denna mekanism är en central del av den strategi som utvecklats genom teknisk analys med ChatGPT.
Utvärdering av tradingstrategin – Teknisk analys med ChatGPT
Min utvärdering av ChatGPT-strategin kommer att baseras på dagsdata för OMXS30 (EOD-data), vilket inkluderar information om dagens stängningskurs, öppningskurs, högsta och lägsta notering. Data kommer från Yahoo Finance och NasdaqOMX.
Liksom i tidigare utvärderingar kommer transaktioner att genomföras dagen efter att signalen mottagits, till nästa dags öppningskurs. Simulerade köp kommer att utföras med en summa på 100 000 kr. Det är viktigt att notera att denna utvärdering inte inkluderar några transaktionskostnader. Utvärderingsperioden omfattar tiden från 1990 till och med den 12 januari 2024. Equity curve för strategin baserad på teknisk analys med ChatGPT återges i Figur 2.
Figur 2. Equity-kurvan för strategin Teknisk analys med ChatGPT
Tyvärr är utseendet på equity-kurvan som strategin genererar inte särskilt uppmuntrande. Det mest positiva att notera är att strategin verkar ha fungerat tillfredsställande efter 2009. Under årens lopp har strategin genererat 101 köp/säljsignaler, med en vinstprocent på goda 76%. Nettovinsten (NP) ligger på 129 000 kronor, medan den maximala drawdown (DD) är så hög som 94 000 kronor, vilket resulterar i en NP/DD-kvot på låga 0,98. Profit factor är 1,54.
Optimerad version av tradingstrategin
I den optimerade versionen av ChatGPT-strategin har vi justerat priskanalen för stöd och motstånd till att variera mellan 10 och 30 dagar i steg om 5 dagar. ADX-parametern har varierats från 12 till 16 dagar i steg om 1 dag, och gränsvärdet för ADX har justerats från 15 till 35 i steg om 5. Stoploss-parametern har varierats från 0 (ingen stoploss) till 5000 i steg om 1000 kronor. Equity-kurvan från den optimerade ChatGPT-strategin presenteras i figur 3.
Figur 3. Equity-kurvan- optimerad
I den optimerade versionen av strategin har resultatet förbättrats avsevärt. Equity-kurvan uppvisar nu ett mer imponerande utseende. De optimerade parametrarna innefattar en priskanal på 15 dagar och ADX definierat för 12 dagar med ett gränsvärde på 15. Stop-loss är i den optimerade versionen av strategin inte inkluderad.
Nu uppgår nettovinsten (NP) till drygt 261 000 kronor och maximal drawdown (DD) ligger på 35 000 kronor. Kvoten NP/DD är därmed 3,97, vilket kan anses vara relativt bra. Profit factor ligger på hela 5,03. Strategin har dock endast genererat 52 köp/säljsignaler under 30 år, vilket är för få för att kunna utvärdera strategin effektivt. Andelen vinstaffärer är på imponerande 82% och strategin är investerad i marknaden 35% av tiden. Viktigt att komma ihåg är att dessa resultat baseras på in-sample.
Walk-forwardanalys av tradingstrategin
I det tredje och kritiska steget av min utvärdering av ChatGPT-strategin utför jag en walk-forward analys (WFA). Denna metod delar upp analysperioden i flera optimeringsperioder (träningsperioder) och utvärderingsperioder (out-of-sample). För min analys används upp till fem olika analysperioder. Längden på utvärderingsperioderna varierar mellan 10 och 50% av den totala analysperioden. Det kriterium jag tillämpar är att prestationen under utvärderingsperioden bör vara minst 60% av den under optimeringsperioden. Detta krav innebär att en strategi som presterar bra in-sample också måste leverera starka resultat out-of-sample för att betraktas som värd att följa. Totalt utförs 20 WFA-tester, och idealiskt sett bör de flesta av dessa möta det fastställda kriteriet. Resultatet från WFA återges i figur 4.
Figur 4. WFA av strategin teknisk analys med ChatGPT
WFA (Walk Forward Analysis) indikerar att strategin inte är tillräckligt robust eller effektiv. Endast 5 av 20 deltester uppfyller mitt utvärderingskriterium, vilket är otillfredsställande. Detta innebär att nettovinsten under utvärderingsperioderna (out-of-sample) är lägre än 60% av de vinster som uppnås under optimeringsperioderna (in-sample). Även om nettovinsterna i samtliga deltester är positiva, vilket är positivt, uppfyller de inte de högre krav som ställs för en effektiv strategi. Denna analys är en viktig del av att använda teknisk analys med ChatGPT, eftersom den hjälper till att identifiera och förbättra strategins svagheter. Det är dock inget som jag kommer att göra i det här inlägget.
Sammanfattning och slutsatser av teknisk analys med ChatGPT
Utvärderingen av ChatGPT-strategin för handel av finansiella instrument som följer aktieindexet OMXS30 kan sammanfattas som en process som involverar flera steg av optimering och testning. Inledningsvis fokuserade utvärderingen på att anpassa och testa olika parametrar som priskanalen, ADX-parametern, och stoploss-inställningar för att finjustera strategin. Denna optimering resulterade i en förbättrad equity-kurva, vilket indikerar en potentiellt effektiv strategi. Dock visade Walk Forward Analysis (WFA) att strategin inte alltid var tillräckligt robust eller effektiv, med endast en mindre del av testerna som uppfyllde de uppsatta kriterierna för framgång. Detta understryker vikten av att inte bara förlita sig på in-sample data, utan också att noggrant utvärdera strategins prestanda i out-of-sample perioder för att säkerställa dess tillförlitlighet och hållbarhet över tid.
Slutsatserna som kan dras från denna utvärdering är flera. För det första, även om ChatGPT-strategin visade lovande resultat i vissa aspekter, som hög vinstprocent och imponerande nettovinster i vissa optimerade scenarier, är det tydligt att strategin kräver ytterligare förfining för att vara konsekvent effektiv över längre tidsperioder. För det andra, den varierande framgången i WFA-testerna och den låga frekvensen av trades över en 30-årsperiod pekar på behovet av en mer dynamisk och anpassningsbar strategi för att hantera olika marknadsförhållanden.
Sammantaget visar denna utvärdering på potentialen i att använda avancerade verktyg som ChatGPT för att utveckla handelsstrategier, men också på vikten av omfattande testning och kontinuerlig anpassning för att uppnå långsiktig framgång i handel. I dagsläget kommer inte strategin inte att ingå i den portfölj av strategier som jag följer.
Friskrivning
Informationen som presenteras i detta blogginlägg är endast avsedd för utbildnings- och informationsändamål och ska inte ses som investeringsrådgivning, rekommendationer eller uppmaningar att köpa eller sälja värdepapper. Även om informationen baseras på data som anses vara tillförlitlig, garanterar vi inte dess exakthet eller fullständighet och den bör inte förlitas på som sådan.
Investeringar på finansmarknaden är förenade med risk och det är möjligt att förlora hela eller delar av det investerade kapitalet. Historisk avkastning är ingen garanti för framtida resultat. Varje investerare bör göra sin egen bedömning eller konsultera en professionell finansiell rådgivare innan någon investeringsbeslut fattas.
Åsikterna och strategierna som diskuteras i blogginlägget är författarens egna och speglar inte nödvändigtvis åsikterna hos institutionen, företaget eller organisationen författaren är associerad med.