NG Futures

Vamos a analizar el futuro del NG

Hour	2001	2002	2003	2004	2005	2006	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016	2017	All
0	-0,164	0,038	-0,007	0,013	0,029	-0,065	0,058	0,055	-0,053	-0,072	-0,047	0,083	-0,107	-0,067	-0,105	0,099	0,095	-0,217
1	-0,054	0,044	-0,003	0,087	-0,29	0,132	-0,045	0,581	-0,026	-0,041	-0,04	0,057	0,24	-0,127	-0,013	0,182	-0,221	0,463
2	0,01	0,026	-0,054	0,086	-0,008	0,292	-0,116	-0,068	-0,154	0,318	-0,113	-0,066	-0,084	0,447	-0,113	0,051	-0,129	0,325
3	0,001	0,024	0,024	0,105	-0,326	0,578	0,086	-0,384	0,195	0,002	-0,115	-0,079	0,17	-0,121	-0,066	-0,15	-0,002	-0,058
4	-0,015	-0,035	0,04	0,244	0,435	0,188	-0,292	0,023	0,449	-0,112	-0,107	-0,046	0,006	0,236	-0,037	-0,306	-0,021	0,65
5	0,074	0,106	0,206	-0,13	-0,106	-0,113	-0,321	0,283	0,101	0,057	-0,115	-0,036	-0,07	-0,117	0,04	0,227	0,168	0,254
6	-0,169	-0,14	-0,108	-0,366	-0,539	-0,204	-0,125	-0,262	0,299	0,178	-0,215	-0,059	0,176	0,163	0,108	0,092	0,085	-1,086
7	-0,282	-0,054	-0,364	0,036	2,573	-1,053	0,469	0,372	0,499	-0,456	0,344	-0,453	0,244	0,294	0,054	-0,436	-0,162	1,625
8	0,167	0,237	0,131	-0,295	-0,297	-0,266	-0,498	-0,84	-2,107	-0,235	0,095	-0,442	0,049	0,529	-0,314	0,261	0,095	-3,73
9	-0,508	-0,058	-1,327	0,707	-2,812	-1,671	-0,689	-1,938	-2,208	-0,164	-0,507	0,118	-0,124	-1,214	0,253	0,032	-0,281	-12,391
10	-0,023	0	-1,099	-1,21	-1,786	-0,353	0,583	-1,569	-0,575	0,185	-0,143	0,148	-0,073	-1,272	0,132	-0,196	0,012	-7,239
11		0,868	0,902			-0,084	-0,57	-2,683	-0,495	-1,728	-0,752	-0,458	-0,162	-0,019	-0,413	0,478	0,285	-4,831
12		0,362	0,07		0	1,117	-0,112	0,311	0,608	-0,753	0,132	-0,016	0,149	-0,251	-0,587	0,299	-0,32	1,009
13		-0,545	-0,28			0,313	-1,617	2,288	0,108	-1,324	-0,258	0,264	-0,281	0,121	0,009	0,121	-0,309	-1,39
14		-0,043	0,83			-1,12	-0,283	-1,397	-0,53	0,31	0,126	0,102	0,359	0,224	-0,492	-0,073	-0,052	-2,039
15	-0,025	0,302	0,21			-0,577	1,481	-2,018	1,067	1,327	0,104	0,907	-0,28	-0,272	0,519	0,021	-0,266	2,5
16	0,054	0,264	-0,078	0,301	1,003	0,766	0,948	1,019	0,361	0,056	-0,208	-0,426	-0,044	0,216	0,125	0,114	0,105	4,576
17	-0,063	0,05	0,126	-0,357	1,245	-0,672	0,77	0,619	0,52	0,659	0,071	0,516	0,259	-0,095	0,172	-0,157	0,207	3,87
19	-0,128	0,038	-0,039	-0,308	-0,299	-1,041	0,191	0,289	0,545	0,237	0,204	-0,058	-0,234	-0,159	-0,063	0,015	0,003	-0,807
20	0,046	-0,098	0,186	0,581	-0,076	-0,16	-0,525	0,122	-0,116	-0,289	0,055	-0,145	-0,076	0,131	0,011	-0,04	-0,008	-0,401
21	-0,055	0,168	-0,403	-0,03	0,316	-0,485	-0,329	0,919	0,101	0,085	-0,089	-0,002	0,048	-0,132	0,01	-0,099	0,056	0,079
22	-0,023	-0,065	-0,08	-0,17	0,515	-0,248	-0,069	-0,772	-0,121	-0,028	0,072	0,011	0,05	0,166	0,036	0,062	0,037	-0,627
23	0,002	0,051	-0,041	0,164	-0,172	-0,209	-0,01	-0,383	-0,365	-0,109	-0,007	-0,183	0,004	-0,294	-0,058	-0,034	0,02	-1,624
All	-1,155	1,54	-1,158	-0,542	-0,595	-4,935	-1,015	-5,433	-1,897	-1,897	-1,513	-0,263	0,219	-1,613	-0,792	0,563	-0,603	-21,089

df['horario']=np.where((df.Hour >= 16) & (df.Hour<= 18),df.diferencia,0)
df['horario2']=np.where((df.Hour >= 8) & (df.Hour<= 10),-df.diferencia,0)

Podemos sacer estos edges horarios

total aciertos 2624
total fallos   2315
total          4939
% aciertos     53
suma aciertos 28.078
suma fallos   -23.271
ratio 1.20656611233
total fallos   2315
sharpe         1.14285308288

<matplotlib.figure.Figure at 0x7fb596dba250>

95% de no perder mas de
-0.024
Mediana de la distribucion, trata que sea positiva
0.0
media de la distribucion
0.00131811014986
maxima ganancia mensual
0.157
maxima perdida mensual
-0.127
desviacion tipica
0.0181376943051
dos veces la desviacion tipica
-0.0349572784603
tres veces la desviacion tipica
-0.0530949727654

Empezamos con un sharpe de 1,1

Hour	2001	2002	2003	2004	2005	2006	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016	2017	All
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16							0,765	0,747	0,52	0,659	0,071	0,516	0,259	-0,095	0,185	-0,157	0,231	3,701
17							0,196	0,26	0,506	0,232	0,158	0,076	-0,166	-0,273	0,057	-0,035	0,095	1,106
19
20
21
22
23
All							0,961	1,007	1,026	0,891	0,229	0,592	0,093	-0,368	0,242	-0,192	0,326	4,807

aplicamos el primer filtro o arbol de decision

total aciertos 2279
total fallos   1978
total          4257
% aciertos     53
suma aciertos 24.665
suma fallos   -20.073
ratio 1.22876500772
total fallos   1978
sharpe         1.15576156064

<matplotlib.figure.Figure at 0x7fb595b6c110>

95% de no perder mas de
-0.022
Mediana de la distribucion, trata que sea positiva
0.0
media de la distribucion
0.00125916887177
maxima ganancia mensual
0.157
maxima perdida mensual
-0.127
desviacion tipica
0.0170780835961
dos veces la desviacion tipica
-0.0328969983204
tres veces la desviacion tipica
-0.0499750819165

No mejora ninguna barbariDAD

Buscamos otro arbol q lo mejore, nadie dijo q esto es facil

total aciertos 1299
total fallos   1060
total          2359
% aciertos     55
suma aciertos 15.24
suma fallos   -10.247
ratio 1.48726456524
total fallos   1060
sharpe         1.65266382119

<matplotlib.figure.Figure at 0x7fb597ba6550>

95% de no perder mas de
-0.012
Mediana de la distribucion, trata que sea positiva
0.0
media de la distribucion
0.00136912678065
maxima ganancia mensual
0.157
maxima perdida mensual
-0.12
desviacion tipica
0.0129455323486
dos veces la desviacion tipica
-0.0245219379166
tres veces la desviacion tipica
-0.0374674702652

Hour	2001	2002	2003	2004	2005	2006	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016	2017	All
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16							0,906	0,846	0,695	0,582	0,371	0,444	0,37	0,255	0,17	0,005	0,244	4,888
17							0,191	0,048	-0,031	-0,026	-0,08	0,129	0,041	-0,219	-0,027	0,067	0,012	0,105
19
20
21
22
23
All							1,097	0,894	0,664	0,556	0,291	0,573	0,411	0,036	0,143	0,072	0,256	4,993

podemos ver la comparativa pues mejora y mucho

**comparacion**

<matplotlib.figure.Figure at 0x7fb5979e2310>

95% de no perder mas de
-0.08915
95% de no perder mas de
-0.069
95% de no perder mas de
-0.08915 -0.069
Mediana de la distribucion, trata que sea positiva
0.015 0.034
media de la distribucion
0.00125916887177 0.0426264957265
maxima ganancia mensual
0.393 0.456
maxima perdida mensual
-0.326 -0.196
desviacion tipica
0.0732531170645 0.0790682318057
dos veces la desviacion tipica
-0.124781363907 -0.115509967885
tres veces la desviacion tipica
-0.198034480972 -0.194578199691
ratio sharpe anualizado
1.15576156064 1.65266382119