RB futures 1

Veamos que tal nos va con el futuro RB

total aciertos 31902
total fallos   31375
total          63277
% aciertos     50
suma aciertos 172.6336
suma fallos   -172.4902
ratio 1.00083135158
total fallos   31375
sharpe         0.00404779454937

<matplotlib.figure.Figure at 0x7f425439fd10>

95% de no perder mas de
-0.0644
Mediana de la distribucion, trata que sea positiva
0.0007
media de la distribucion
4.47220033677e-05
maxima ganancia mensual
0.3062
maxima perdida mensual
-0.269
desviacion tipica
0.0395927082622
dos veces la desviacion tipica
-0.0791406945209
tres veces la desviacion tipica
-0.118733402783

Hour	2001	2002	2003	2004	2005	2006	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016	2017	All
0	0,0034	0,0183	-0,0147	-0,0115	0,038	-0,0111	0,0128	-0,0113	-0,0158	0,0136	-0,0362	0,0417	-0,0114	-0,0269	-0,023	-0,0323	-0,0263	-0,0927
1	-0,0018	0,0134	0,0165	-0,0093	-0,0311	0,0064	0,0156	-0,0717	-0,0093	-0,0033	-0,0134	0,0507	-0,0661	-0,0262	0,0428	-0,0098	-0,0202	-0,1168
2	0,002	0,0068	0,0049	0,0207	0,0198	-0,0029	0,0038	0,001	-0,0357	-0,0206	-0,0725	-0,036	-0,0352	-0,0491	-0,0987	-0,0439	-0,025	-0,3606
3	-0,0048	0,028	-0,0044	0,0052	0,0047	0,0058	-0,0414	-0,2219	-0,1435	0,124	0,0982	-0,0401	-0,017	-0,0106	-0,1299	-0,1292	0,081	-0,3959
4	0,0009	-0,0345	-0,0476	-0,0266	-0,15	-0,1188	-0,0212	-0,1002	0,0106	-0,1079	0,1198	-0,2437	0,0745	-0,1278	-0,0575	-0,0614	0,0177	-0,8737
5	0,0033	-0,0267	-0,082	-0,014	0,0341	-0,1105	-0,1061	-0,5304	-0,2955	0,0349	-0,3232	-0,227	-0,2367	-0,0128	0,0792	-0,1942	0,0887	-1,9189
6	0,0227	-0,0265	0,0096	-0,0453	-0,2876	-0,0209	-0,0937	-0,1301	0,0829	0,0954	-0,1509	0,0107	0,0943	-0,0198	0,0817	0,1771	-0,1406	-0,341
7	-0,0204	-0,0095	0,0262	-0,0592	0,0214	0,0697	-0,0606	0,329	-0,0102	-0,0671	-0,1087	-0,0995	-0,0548	0,0045	-0,0663	0,1037	-0,0024	-0,0042
8	0,0338	-0,0214	0,0428	-0,0225	0,1156	-0,0593	-0,0768	0,1165	-0,0075	-0,0456	0,1397	0,3796	0,0619	0,1041	-0,023	0,0301	0,0355	0,8035
9	-0,0106	-0,0374	0,0519	0,1162	0,1328	0,1122	0,112	-0,0363	0,098	-0,0146	-0,0088	0,2064	0,0301	-0,0965	-0,4012	-0,099	-0,0129	0,1423
10	-0,003	0	0,0147	0,0085	0,0416	0,0254	0,1604	-0,8144	-0,1775	0,025	-0,3276	-0,1633	-0,5051	-0,3587	-0,0661	0,0967	-0,0979	-2,1413
11		0	0			-0,1753	-0,0969	-1,0926	-0,3492	0,0558	0,5566	-0,1564	-0,0057	-0,0231	-0,0989	-0,1333	-0,1374	-1,6564
12						0,033	-0,3362	-1,1591	-0,169	-0,157	0,157	-0,1699	0,4692	-0,2862	0,1473	0,165	-0,2046	-1,5105
13						0,1506	0,2359	0,532	0,0519	-0,1304	-0,302	0,114	0,1741	0,3373	0,0354	-0,0273	-0,0684	1,1031
14				0		-0,2313	0,4195	0,4712	0,7844	0,0993	0,3874	0,194	0,1497	-0,368	-0,0978	-0,0191	0,0847	1,874
15	-0,0038					0,0431	0,4967	0,4729	0,655	0,2783	-0,2292	0,5151	-0,0625	-0,0121	0,4723	0,1213	-0,1127	2,6344
16	-0,0035	0,0373	-0,0368	0,0281	-0,0118	0,0257	0,064	0,1344	-0,0903	0,0031	0,4146	0,2655	0,0452	0,125	0,1729	0,0686	0,0308	1,2728
17	0,036	0,0744	-0,0317	0,0091	0,1055	-0,0649	0,1433	0,0562	0,0004	0,0455	0,2293	0,1179	0,1182	0,0007	-0,0574	-0,0707	-0,0169	0,6949
19	0,0006	0,0072	0,0114	0,0106	-0,0029	0,0293	0,0472	0,157	0,1445	-0,0063	-0,0282	0,0674	0,1898	0,0934	0,4251	0,0834	0,0558	1,2853
20	0,0157	0,0063	0,0238	0,0189	-0,0194	0,0156	-0,0224	-0,1273	-0,0097	0,013	-0,0069	0,0131	-0,0025	-0,0019	-0,009	0,0471	-0,0369	-0,0825
21	0,0113	-0,0048	-0,0101	0,0033	0,008	0,0179	0,0087	-0,0177	-0,0639	-0,0519	0,0462	-0,0712	-0,0548	-0,0367	-0,0412	-0,0823	0,0691	-0,2701
22	-0,0057	0,0114	0,0104	0,0016	0,0131	-0,0152	-0,0069	-0,0105	0,0141	-0,0409	-0,011	0,0525	0,0011	-0,0076	-0,0664	-0,0488	0,0652	-0,0436
23	0,0102	-0,0064	-0,0106	-0,0141	0,0435	0,0639	0,0016	-0,1421	0,0034	0,0229	0,0103	0,0562	0,0895	-0,0117	0,0526	0,0186	-0,008	0,1798
All	0,0863	0,0359	-0,0257	0,0197	0,0753	-0,2116	0,8593	-2,1954	0,4681	0,1652	0,5405	0,8777	0,4458	-0,8107	0,2729	-0,0397	-0,3817	0,1819

esta es la disposición horaria del futuro desplazado un periodo

df['horario']=np.where((df.Hour >= 13) & (df.Hour<= 19),df.diferencia,0)

podemos ver que hay un edge muy potente entre las 1300 y las 1900

Tambien hay otro negativo entre las 1 y las 5