Mekaniske handelssystemer Et mekanisk handelssystem er en der hver eneste beslutning er laget for deg av et dataprogram som er designet for å generere buysell-signaler. Over lange perioder overgår mekaniske handelssystemer menneskelig vurdering, hovedsakelig fordi menneskelig dom inkluderer impuls og følelser. Ved å fjerne de daglige svingninger av følelser, inkludert grådighet og frykt, men også stolthet, sinne og følelse av selvværd, har dataprogrammet en klar kant. Overordnede signaler Når det er sagt, er det ingen datamaskin som kunnskapsrik som den menneskelige hjerne. Indikatorer fanger handelsdrivende adferd med aritmetikk, og indikatorer ved definisjon forsinker alltid, men den menneskelige hjernen kan oppdage og forestille seg menneskelig atferd mer direkte, og også raskere. Den prediktive verdien av indikatorer er begrenset, mens mennesker ofte kan forutsi andre atferd med rettferdig nøyaktighet. For eksempel, hvis en ledende økonomisk indikator som amerikanske lønnslister kommer i dobbelt konsensusprognosen, vet alle menneskelige nærere øyeblikkelig hvordan markedet vil reagere. Selv det fanciest mekaniske systemet vil ha en forsinkelse til etter at noen av prisbevisene for reaksjonen har hatt tid til å bli registrert og inkludert i indikatorene. Dette er begrunnelsen for å overordne signalene til mekaniske handelssystemer, og det er ikke dårlig når de brukes sparsomt og bare i situasjoner der menneskelig tolkning er klart overlegen. Ellers regjeringen fastslår at mekaniske handelssystemer over lengre perioder nesten alltid overgår menneskelig vurdering på grunn av den destruktive kraften av følelser. Det er viktig å tenke gjennom disse problemene fordi nesten hver Forex-handler i dag bruker et mekanisk handelssystem til en viss grad. De fleste mekaniske systemer som har blitt riktig utformet og utført, vil arbeide for å generere høyere gevinster enn handel, viljestyrt på observasjon og instinkt. Problemet er ikke at mekaniske systemer ikke fungerer, det er at handelsmenn ikke kan motstå å overstyre dem. Når handelsmannen overstyrer et system har dyp kunnskap, mye erfaring og gode instinkter, kan et godt mekanisk system forbedres for å gi enda bedre resultater. Når næringsdrivende gjør det overordnede er ikke opplevd og verre, sårbar for chatter, overstyrer det mekaniske systemet resulterer i å miste utfall. Dette er en av grunnene til at handelsbusser sier at handel er en reise med selvoppdagelse. Hvis du virkelig tror på vitenskapen bak teknisk analyse. Du overstyrer ikke ditt mekaniske system. Hvis du tilsidesetter til poenget med å få dårlige resultater, betyr det at du har et disiplinproblem. Hvilke indikatorer Du kan kjøpe et mekanisk handelssystem hundrevis er tilgjengelig, eller du kan bygge din egen. Å velge indikatorer er ikke vanskelig. Du starter i en ende av en liste over indikatorer som leveres av programvaren eller plattformen, og ser på dem på et diagram en etter en. Hvis indikatoren hjelper øyet ditt til å se mønstre og strømmer, er det en god indikator for deg. Kjør gjennom listen til du får to eller flere (men ikke mer enn ti) som du tror vil lede deg godt. Sett dem deretter alle på samme diagram og kontroller de resulterende handler for å se hvor mange var vinnere og hvor mange var tapere. Å bygge et mekanisk system er mye enklere enn å fullføre et handelssystem, for det meste fordi når du fortsetter å lære om teknisk analyse, vil du alltid finne noen teknikk som er ny for deg som virker som et ideelt supplement til indikatorene du allerede har. Noen ganger er dette sant, men oftere finner du at som med alle indikatorer, vil noen motsette seg de andre. For eksempel fungerer det parabolske SAR og MACD ganske bra for å generere buysell-signaler på nesten samme tid, men begge lagrer seg, og hva gjør du når raskere indikatorer som RSI eller den stokastiske oscillatoren genererer det motsatte signalet. Hvis du har en preferanse for trend-følge, vil du holde deg til det parabolske pluss MACD. Hvis din strategiske stil er å handle breakouts, vil du legge mer vekt på RSI og stokastisk. Poenget er at du må vektere indikatorene dine i henhold til tidsrammen du handler og til din viktigste handelsstrategi og stil. Hvis din handelsstil er å vente på en oppføring som ikke er sannsynlig å være feil, vil du gå glipp av den første delen av et nytt trekk, men du vil ikke bli offer for falske breakouts og whipsaws. Din hovedstil er trend-følge. Hvis din stil er å snatch hver eneste mulighet, må du trekke deg til et høyt forhold til å miste handler, men også en og annen hjemlig runde. Denne stilen sannsynligvis gjør deg til en svinghandler. Denne forskjellen i stil henger tilbake til din opprinnelige handelsplan. Hvilken strategi er din hovedstrategi Du kan ikke være en trend-tilhenger og en opportunistisk breakout-aktør på samme tid. Du må velge mellom dem eller ha to systemer og dele kapitalinteressen mellom dem. Hvis noen ganger ivaretar trendindikatorer og noen ganger du holder på pauseindikatorer, kan du ikke stole på systemets hypotetiske sporopptegnelse den du selv skapte ved hjelp av backtests. Hopping fra en stil til en annen mens du later ut som å følge et enkelt system, er veldig vanlig. Det viser mangel på fokus og manglende evne til å holde fast ved metodologien som allerede er valgt, og dermed avslører den følelsesregelen. I tilfelle trendmodus vs breakout-modus valgte du trend når du er redd (og sannsynligvis bare tok tap). Når du er i breakout-modus, er du i grepet av grådighet, men en breakout er en mulighet til å tjene penger. Du vil sannsynligvis lene deg mot følgende breakouts hvis du bare hadde en fettforsterkning (eller kanskje hatt et stort tap og føler deg desperat om å gjenopprette det). Å velge indikatorer er en interaktiv prosess som ser frem og tilbake mellom handelsstilen du tror du starter med og egenskaper og fordeler av indikatorene i sanntid. Noen ganger er det et pågående arbeid som aldri blir fullført. Kombinere indikatorer Nesten alle systemer vil ha trendidentifikatorer (for eksempel bevegelige gjennomsnitt, støtte - og motstandslinjer etc.), og nesten alle systemer vil også ha breakout og ventende breakout-indikatorer, som kanaler, mønstre og momentumindikatorer. Hvordan bruke begge typer indikatorer over en rekke bransjer er jobben med ærlig backtesting og seriøs disiplin. Analytikere anbefaler alltid at du velger mer enn én indikator for systemet ditt, og at ingen indikator bør være høyt korrelert med en annen, siden det du leter etter er bekreftelse. Når en annen indikator er enig med den første, er sannsynligheten nå mye høyere at det nye signalet er riktig. Bekreftelsesprinsippet er veletablert, men kombinere konkurrerende tekniske konsepter er ikke veldefinert eller beskrevet overalt. Tekniske forfattere sier bare hva som passer din risikoprofil uten å beskrive hvordan. Dette er irriterende og frustrerende eksperterne tilbake, bare når du er på et kritisk punkt, men det er nødvendig kopiering. Den eneste teknikken for å velge ditt eget sett med indikatorer er å backtest hver av dem separat og deretter sammen. Backtesting Ærlig back-testing er viktig for å velge indikatorer, enten du kjøper eller oppdager et mekanisk handelssystem. Du trenger et tilstrekkelig antall observasjoner for å trekke et pålitelig fradrag, og det betyr minst 30 og trolig flere forekomster av en bestemt indikator buysell signaler. Du må undersøke ytelsen til hver indikator, og deretter, for å gjøre saker skjult mer komplisert, må du undersøke resultatene av indikatorer kombinert. Du kan virkelig sette pris på egenskapene til en bestemt indikator, men finner at den ikke fusjonerer godt med andre. Dette er en spesiell feil med gjennomsnittlig retningsbestemmelse (ADX) og dens mange fettere, for eksempel. Den vanskeligste delen av å kjøpe eller bygge et handelssystem etter å ha svart på overstyringsproblemet, gjør at pengestyringsreglene passer dine indikatorer. Indikatorer har nesten alltid innebygde buysell signaler. Noen gjør ikke, som band og kanaler, men til og med den grunnleggende glidende gjennomsnittsovergangen har per definisjon et innebygd kjøpesignal. Du kjøper når spotprisen eller et kortsiktig glidende gjennomsnitt krysser over en lengre, og selger når den faller under. Når du har en foranderlig parameter som antall dager i et bevegelige gjennomsnitt (eller en annen indikator), vil du bli fristet til å justere parametrene for å tvinge utfallet du vil ha. Problemet med denne prosedyren, kalt overfitting eller kurvefitting, er at det kan ha vært den optimale parameteren for perioden du studerer, men vil trolig ikke være den beste parameteren for kommende forhold. Hvis du elsker MACD, men ved hjelp av standardparametrene, får du oppføringer som er for sent for din handelsstil, du må bestemme mellom å endre din handelsstil og overgi MACD. En breakout-forhandler vil nesten aldri få bekreftelse fra MACD i første eller andre eller tredje periode etter breakout. Hvis du fortsatt elsker MACD for sin pålitelighet i Forex, kan breakout-forhandleren høre det som en sunnhetssjekk. Ok, du tar pause og fading trenden, men stoppet ditt vil være stramt og målet ditt vil være beskjedent. Du vil være forberedt på å vende tilbake til den primære trenden på en krone. Dette er ubehagelig, men hvis nervene dine kan ta det, kan det virke. Nøkkelpunktet er at din trading style trend-følge vs breakout trading i dette eksemplet ikke er noe du oppdager ved soul-searching. Du oppdager det ved å arbeide med indikatorer og tilbakestest dem. Du kan tenke ved starten at du er en trendfølger fordi du liker den konservative lyden av det, men oppdager deg som mer risiko og burde egentlig være en svinghandler. Eller du setter ut for å være en svinghandler så fantastisk, men oppdager at du foretrekker mindre risiko og trender som passer deg bedre. 1. Det største problemet ved å velge eller bygge et mekanisk handelssystem er å velge indikatorer. bestemme hvor mye å overrideparing Backtesting og lever trading system gjennomføring: Etter en million bransjer Systematiske handelsfolk nesten alltid bruke backtesting å vurdere tidligere resultater av en handelsalgoritme. Dette er et utrolig verdifullt verktøy som gir oss mulighet til å få en ide om hvordan en handelsalgoritme ville ha utført tidligere uten å måtte handle et system for lengre perioder. Men hele bruken av backtesting er avhengig av hvor godt simuleringene modellen forbi ytelsen, og derfor er den åpen for mange fallgruver som kommer fra flere praktiske bekymringer. På grunn av det ovenfor er it8217s svært viktig å utføre livebacktesting sammenligninger hvor en live-handlet periode er sammenlignet med en backtest av den samme perioden for å se om resultatene 8211, uansett om de er positive eller negative 8211 match. På today8217s innlegg Jeg vil diskutere en analyse av livebacktesting konsistens Jeg har laget bruk av data fra mer enn 1 million live-bransjer hentet fra mer enn to tusen Asirikuy-opprettede systemer. Det finnes flere måter som en backtest kan gjøre fortiden ser bedre ut enn hva det egentlig ville vært som. I reell handel er det vanligvis likviditet, timing og spredning av bekymringer som generelt er svært vanskelig å ta hensyn til ved backtesting. I Forex trading er historiske likviditetsdata svært vanskelig å få, mens slipping er nesten umulig å regne på grunn av det faktum at historiske tilkoblingshastigheter og responstider er ukjente. Tick-data kan lindre spredningsbehovet 8211, da kryssdata inneholder budsjettdata 8211, men dette er megler-spesifikt og kan sjelden oppnås for en bestemt megler i mer enn noen få år. Hvis simuleringer utføres uten hensyn til noen av de ovennevnte 8211 uten likviditetsdata, antas perfekt henrettelser og med konstante spredninger 8211 så er det kritisk å se om disse forutsetningene virkelig fører til akseptable samsvar mellom backtesting og live trading. Hvis noen av disse forutsetningene fører til betydelige problemer, må simuleringene gjøres mer pessimistiske for å tilpasse seg disse økte kostnadene. Takket være det faktum at vi har hundrevis av brukere som handler tusenvis av handelsstrategier i sine egne kontoer, har vi kunnet samle en database med millioner av handler sammen med deres reelle inngangs - og utgangspriser som vi kan sammenligne med våre backtests for å se hvordan vel våre simuleringer representerer den siste tiden. Først av alt kan vi se om vår backtesting og live trading logikk er faktisk identisk og for det andre kan vi se om de ovennevnte problemene knyttet til slippage og spredningskostnader påvirker vår handel på en betydelig negativ måte. Vi har analysert totalt 76.813 signaler som har blitt utført over mange ulike handelsregnskap. For hvert signal beregner vi de gjennomsnittlige inngangs - og utgangsprisene 8211 ved å bruke data fra alle handler som ble tatt på grunn av dette signalet 8211, og dette tillater oss å estimere hvor mye inngang og utgang avvikes på en gunstig eller ugunstig måte. I gjennomsnitt var vår totale avvik (åpen avvik i tillegg til nær avvik, bestemmelse av fordeler med tanke på handelsretning for hvert tilfelle) -1,37 pips, noe som betyr at hver handel utført 1,37 pips mindre gunstig enn forventet av våre simuleringer, kan dette forestilles som å betale en tillegg 1,37 pips per handel i spredningskostnader. Det første bildet i dette innlegget viser resultatene etter par. Her kan vi faktisk se at for 4 av 6 par har vi faktisk gunstige avvik (EURJPY 0.3, EURUSD 0.81, GBPUSD 2.05, USDJPY 1,17), noe som betyr at spredene vi bruker i våre simuleringer, er trolig gode estimater for disse symbolene og forsinkelsene i gjennomføring vi får er enten gunstig eller lav nok til ikke å saken på en betydelig måte. Det er imidlertid to saker med negative resultater, den første er USDCHF (-1,53) og den andre er GBPJPY (-8,78). I det første tilfellet er avviket ikke veldig høyt, men i det andre har vi et resultat som er enormt negativt, sannsynligvis står for hovedårsaken til at vårt hovedmiddel per handel er negativt. Årsaken til det ovenstående skyldes både at GBPJPY er mye mer flyktig som de andre parene, og fordi vi bruker en spredning på 5 pips for dette symbolet, som er 8211 som vist ved overbevisning 8211 sannsynligvis for lavt. Selv om 5 pips er over gjennomsnittlig Oanda-markedsspredning for dette symbolet, gir det ikke nok plass til ytterligere tap på grunn av glidning og utvidelse. Det andre bildet viser avvikene når splittet av handler åpnet på forskjellige timer. Det er tydelig at alle timer ikke er det samme, og selv for den svært negative GBPJPY synes det å være noen timer når avvik har en tendens til å være positiv. Du kan også se noen tilfeller hvor avvikene er svært positive 8211 for eksempel GBPUSD-handler åpnet klokken 8 8211. Dette er hovedsakelig knyttet til at handler åpnet på denne timen har møtt positive nyheter som helhet ved en tilfeldighet og potensielt også møtt noen viktige Markedsbevegende hendelser som Brexit eller GBP-flashkortet positivt. Det er imidlertid lite sannsynlig at slike avvik vil vare over en betydelig lang periode, da de sannsynligvis er konsekvensen av disse sjeldne hendelsene som skjedde for å favorisere noen strategier mer enn andre ved bare lykke. Jeg forventer at disse avvikene blir lavere og lavere som en funksjon av tiden, noe som gir oss en mye jevnere kurve etter noen år med handel. Av samme grunn må vi ta mer tid og samle inn flere data før vi vurderer handlinger som kan innebære direkte bruk av denne informasjonen (for eksempel gruvesystemer som handler i timevis når avvik forventes å være gunstige). Ovennevnte viser allerede at våre simuleringsutbredelseskostnader sannsynligvis må økes betydelig for GBPJPY og kanskje bare moderat for USDCHF. Det viser også at utførelsen vår har vært god over hele linjen 8211 på de fleste symboler, faktisk 8211, og at høyere likviditetssymboler viser lavere avvik enn lavere likviditetssymboler (ikke overraskende siden disse kostnadsøkningene hovedsakelig er relatert til forsinkelsesforsinkelser og spredning utvidende). Vi har nå kodet noen skript for å utføre analysen ovenfor hver uke, slik at vi8217ll kan holde oppdaterte faner om hvordan våre systemer utfører og hvorvidt våre simuleringer stemmer overens med disse henrettelsene. Hvis du vil lære mer om samfunnet vårt og hvordan du også kan lage dine egne algoritmiske handelsstrategier, vær så snill å vurdere å bli med Asirikuy. et nettsted fylt med pedagogiske videoer, handelssystemer, utvikling og en lyd, ærlig og gjennomsiktig tilnærming til automatiserte trading. strategies. How å vinne med mekaniske handelssystemer Mange blekk har vært viet til å finne årsakene til mekaniske handelssystemfeil, spesielt etter at faktum. Selv om det kan virke oksymoronisk (eller, for noen handelsmenn, bare moronske), er hovedgrunnen til at disse handelssystemene mislykkes, fordi de stoler for mye på håndfri, brann og glem natur av mekanisk handel. Algoritmer selv mangler det objektive menneskelige tilsyn og intervensjon som er nødvendig for å hjelpe systemene utvikle seg i takt med endrede markedsforhold. Mekanisk handelssystemssvikt eller svikt i handelsbransjen I stedet for å svikte på et handelssystemssvikt, er det mer konstruktivt å vurdere hvordan handelsmenn kan få det beste fra begge verdener: Det vil si at handelsmenn kan nyte fordelene ved algoritmstyrte mekaniske handelssystemer , som for eksempel automatiske henrettelser med hurtige brann og følelsesfrie handelsbeslutninger, mens de fremdeles bruker sin medfødte menneskelige evne til å tenke på feil og suksess. Det viktigste elementet i enhver næringsdrivende er den menneskelige evnen til å utvikle seg. Traders kan endre og tilpasse sine handelssystemer for å fortsette å vinne før tap blir økonomisk eller følelsesmessig ødeleggende. Velg riktig type og mengde markedsdata for testing. Vellykkede handelsmenn bruker et system med repeterende regler for å høste gevinster fra kortvarige ineffektiviteter i markedet. For små, uavhengige forhandlere i den store verden av verdipapirer og derivathandel, hvor spreads er tynne og konkurranseharde, kommer de beste mulighetene for gevinster fra å oppdage markedets ineffektivitet basert på enkle data som er enkle å kvantifisere, og så raskt som mulig mulig. Når en næringsdrivende utvikler og driver mekaniske handelssystemer basert på historiske data, håper han eller hun på fremtidige gevinster basert på ideen om at dagens markedseffektivitet vil fortsette. Hvis en forhandler velger feil datasett eller bruker feil parametere for å kvalifisere dataene, kan verdifulle muligheter gå tapt. Samtidig, når ineffektiviteten oppdaget i historiske data ikke lenger eksisterer, mislykkes handelssystemet. Årsakene til at det forsvant er ubetydelig for den mekaniske handelsmannen. Bare resultatene betyr noe. Velg de mest relevante datasettene når du velger datasett hvorfra du skal opprette og teste mekaniske handelssystemer. Og for å kunne teste et utvalg som er stort nok til å bekrefte om en handelsregel fungerer konsistent under et bredt spekter av markedsforhold, må en næringsdrivende bruke den lengste praktiske perioden med testdata. Så det virker som hensiktsmessig å bygge mekaniske handelssystemer basert på både det lengste mulige historiske datasettet og det enkleste settet med designparametere. Robusthet betraktes generelt som evnen til å motstå mange typer markedsforhold. Robusthet bør være iboende i ethvert system som er testet over et langt tidsrom av historiske data og enkle regler. Langvarig testing og grunnleggende regler bør gjenspeile den bredeste rekke potensielle markedsforhold i fremtiden. Alle mekaniske handelssystemer vil etter hvert mislykkes fordi historiske data åpenbart ikke inneholder alle fremtidige hendelser. Ethvert system som er bygd på historiske data vil etter hvert møte historiske forhold. Menneskelig innsikt og intervensjon hindrer automatiserte strategier fra å løpe av skinnene. Folkene på Knight Capital vet noe om live trading snafus. Enkelhet vinner med tilpasningsevne Vellykkede mekaniske handelssystemer er som levende, pustende organismer. Verdens geologiske lag er fylt med fossiler av organismer som, selv om de var ideell for kortsiktig suksess i sine historiske tidsperioder, var for spesialiserte for langsiktig overlevelse og tilpasning. Enkle algoritmiske mekaniske handelssystemer med menneskelig veiledning er best fordi de kan gjennomgå rask, enkel utvikling og tilpasning til endringsforholdene i miljøet (les markedsplass). Enkle handelsregler reduserer den potensielle effekten av data-mining bias. Forstyrrelser fra datautvinning er problematisk fordi det kan overstige hvor godt en historisk regel vil gjelde under fremtidige forhold, spesielt når mekaniske handelssystemer er fokusert på korte tidsrammer. Enkle og robuste mekaniske handelssystemer bør ikke påvirkes av tidsrammer som brukes til testformål. Antall testpunkter som finnes innenfor et gitt utvalg av historiske data, bør fortsatt være store nok til å bevise eller motbevise gyldigheten av handelsreglene som testes. Uttrykt forskjellig, vil enkle, robuste mekaniske handelssystemer skygge data-mining bias. Hvis en forhandler bruker et system med enkle designparametere, for eksempel QuantBar-systemet. og tester det ved å bruke den lengste passende historiske tidsperioden, vil de eneste andre viktige oppgavene være å holde fast ved disiplinen med å handle systemet og overvåke resultatene fremover. Observasjon muliggjør evolusjon. På den annen side, handlerne som bruker mekaniske handelssystemer bygget fra et komplekst sett med flere parametere, risikerer å forutvikle sine systemer til tidlig utryddelse. Bygg et robust system som utnytter det beste av mekanisk handel, uten å falle i bytte for svakhetene. Det er viktig å ikke forveksle robustheten i mekaniske handelssystemer med tilpasningsevne. Systemer utviklet basert på en rekke parametre førte til å vinne handler i historiske perioder, og selv under nåværende observerte perioder beskrives ofte robuste. Det er ingen garanti for at slike systemer kan bli vellykket tweaked når de har vært handel forbi deres bryllupsreise periode.8221 Det er en første handelsperiode hvor vilkårene skjer sammenfallende med en bestemt historisk periode som systemet var basert på. Enkle mekaniske handelssystemer er lett tilpasset nye forhold, selv når de grunnleggende årsakene til markedsendringer forblir uklare, og komplekse systemer blir korte. Når markedsforholdene endres, som de kontinuerlig gjør, er handelssystemene som mest sannsynlig vil fortsette å vinne de som er enkle og lettest tilpassbare til nye forhold, et virkelig robust system er en som har lang levetid fremfor alt. Enkle algoritmiske mekaniske handelssystemer med menneskelig veiledning er best fordi de kan gjennomgå rask, enkel utvikling og tilpasning til endringsforholdene i miljøet (les markedsplass). Dessverre, etter å ha opplevd en innledende periode med gevinster ved bruk av altfor komplekse mekaniske handelssystemer, faller mange handelsmenn inn i fellen for å forsøke å tilpasse disse systemene til suksess. Markedene ukjent, men endring, forholdene kan allerede ha dømt hele arten av mekaniske handelssystemer til utryddelse. Igjen, enkelhet og tilpasningsevne til endrede forhold gir det beste håpet på overlevelse av ethvert handelssystem. Bruk en objektiv måling for å skille mellom suksess og fiasko. En handelssammensetning mest vanlige fall er et psykologisk vedlegg til hans eller hennes handelssystem. Når trading-system feil oppstår, er det vanligvis fordi handelsmenn har vedtatt en subjektiv snarere enn objektiv synspunkt, spesielt med hensyn til stopp-tap under bestemte bransjer. Menneskets natur driver ofte en næringsdrivende for å utvikle et følelsesmessig vedlegg til et bestemt system, spesielt når handelsmannen har investert betydelig tid og penger i mekaniske handelssystemer med mange komplekse deler som er vanskelige å forstå. Men det er kritisk viktig for en næringsdrivende å gå utenfor systemet for å vurdere det objektivt. I noen tilfeller blir forhandleren forvirret om et systems forventede suksess, til og med for å fortsette å handle et åpenbart tapende system langt lenger enn en subjektiv analyse ville ha tillatt. Eller etter en periode med fett vinner, kan en handler bli gift med et tidligere vinnende system, selv om skjønnheten hans falmer under presset av tap. Verre, en forhandler kan falle i fellen for selektivt å velge testperioder eller statistiske parametere for et allerede tapt system, for å opprettholde et falskt håp for systemets fortsatte verdi. En objektiv målestokk, som for eksempel bruk av standardavviksmetoder for å vurdere sannsynligheten for nåværende feil, er den eneste vinnende metoden for å avgjøre om mekaniske handelssystemer virkelig har mislyktes. Gjennom et objektivt øye er det enkelt for en næringsdrivende å raskt oppdage feil eller potensiell svikt i mekaniske handelssystemer, og et enkelt system kan raskt og enkelt tilpasses for å skape et nytt vinnende system igjen. Manglende mekaniske handelssystemer blir ofte kvantifisert basert på en sammenligning av de nåværende tapene målt mot de historiske tapene eller drawdowns. En slik analyse kan føre til en subjektiv, feilaktig konklusjon. Maksimal drawdown brukes ofte som grenseverdien som en forhandler vil forlate et system. Uten å vurdere måten systemet har nådd utvinningsnivået, eller hvor lang tid det kreves for å nå det nivået, bør en næringsdrivende ikke konkludere at systemet er en taper basert på en drawdown alene. Standardavvik kontra nedtelling som feilfaktor Faktisk er den beste metoden for å unngå å kaste bort et vinnende system, å bruke en objektiv målestandard for å bestemme gjeldende eller nylig distribusjon av avkastning fra systemet som oppnås mens det faktisk handles. Sammenligne denne måling mot den historiske fordeling av avkastning beregnet fra back-testing, mens tildeling av en fast terskelverdi i henhold til sikkerheten om at den nåværende tapte fordeling av mekaniske handelssystemer faktisk er utenfor normale forventede tap, og derfor bør være kasseres som mislykket. Så for eksempel, anta at en næringsdrivende ignorerer det nåværende drawdownnivået som har signalisert et problem og utløst sin undersøkelse. I stedet sammenligner den nåværende tapestrengen mot de historiske tapene som ville ha oppstått under handel med systemet under historiske testperioder. Avhengig av hvor konservativ en forhandler er, kan han eller hun oppdage at det nåværende eller siste tapet er utover, si det 95-sikkerhetsnivået som følger med to standardavvik fra det normale historiske tapnivået. Dette ville sikkert være et sterkt statistisk tegn på at systemet utfører dårlig, og har derfor mislyktes. I motsetning til dette kan en annen næringsdrivende med større appetitt for risiko objektivt bestemme at tre standardavvik fra normen (dvs. 99,7) er riktig sikkerhetsnivå for å bedømme et handelssystem som mislykket. Den viktigste faktoren for enhver trading system8217 suksess, enten manuell eller mekanisk, er alltid den menneskelige beslutningsevne. Verdien av gode mekaniske handelssystemer er at de, som alle gode maskiner, minimerer menneskelige svakheter og gir resultater langt over de som er mulige gjennom manuelle metoder. Likevel, når de er riktig bygget, tillater de fortsatt fast kontroll i henhold til handelsdommer og lar ham eller henne å fjerne tyder på hindringer og potensielle feil. Selv om en næringsdrivende kan bruke matte i form av en statistisk beregning av standardfordeling for å vurdere om et tap er normalt og akseptabelt i henhold til historiske poster, er han eller hun fortsatt avhengig av menneskelig vurdering i stedet for å lage rentemekaniske, mattebaserte beslutninger basert på algoritmer alene. Traders kan nyte det beste fra begge verdener. Kraften til algoritmer og mekanisk handel minimerer effekten av menneskelig følelse og tardiness på ordreplassering og utførelse, spesielt med hensyn til å opprettholde stopp-tap disiplin. Den bruker fortsatt den objektive vurderingen av standardavvik for å beholde menneskelig kontroll over handelssystemet. Vær forberedt på forandring og vær forberedt på å bytte handelssystem Sammen med objektiviteten til å oppdage når mekaniske handelssystemer skifter fra vinnere til tapere, må en næringsdrivende også ha disiplin og fremsyn for å utvikle og forandre systemene slik at de kan fortsette å vinne under nye markedsforhold. I et hvilket som helst miljø fylt med forandring, jo enklere systemet, jo raskere og enklere vil evolusjonen bli. Hvis en kompleks strategi feiler, kan det være lettere å erstatte enn å endre det, mens noen av de enkleste og mest intuitive systemene, som for eksempel QuantBar-systemet. er relativt enkle å endre på fly for å tilpasse seg fremtidige markedsforhold. I sammendraget kan det sies at ordentlige mekaniske handelssystemer skal være enkle og tilpasningsdyktige, og testet i henhold til riktig type og mengde data slik at de vil være robuste nok til å produsere gevinster under et stort utvalg av markedsforhold. Og et vinnende system må dømmes av riktig metrisk for suksess. I stedet for å bare stole på algoritmiske handelsregler eller maksimale drawdownnivåer, må enhver beslutning om hvorvidt et system har mislyktes, gjøres i henhold til den menneskelige dommernes dom og basert på en vurdering av antall standardavvik for systemets nåværende ytelse når den måles mot dets historiske test tap. Hvis mekaniske handelssystemer ikke klarer å utføre, skal næringsdrivende gjøre de nødvendige endringene i stedet for å holde seg fast i et tapende system. Bare fordi et system fungerte for 20 år siden, betyr ikke at det skal fungere i dag. Vær forsiktig når du foreslår å teste et system over en lang periode. Hvor lenge er lang Likeledes, hvor enkelt er enkelt Fire regler med totalt fire variabler Sju regler med totalt ti variabler Jeg vil generelt være enig i at enklere er bedre, men hva som er enkelt Ved å bruke standardavviket av avkastningen, skal det gi tilsvarende konklusjoner for å løpe en Monte Carlo analyse som ikke er vanskelig med programvare som er tilgjengelig. Med en MC-analyse, som du er klar over, kan man se de mulige avkastningene og mulige drawdowns. Fremtiden doesn8217t må ligne fortiden, men en MC-analyse er en måte å teste et system på. Enkelt å gi retningslinjer vanskelig å utvikle et system med en edge823082308230.and vanskeligste å handle .. hvis mulig dele noen variabel 2 lage et handelssystem. for enkelhets skyld gjør det enkelt Kjøp regler Avslutningsregler (Stopp eller fortjenesteutgang) Korte regler Korte avslutninger (Stopp eller fortjenesteutgang) Hold deg ut (hvis nødvendig per system) Posisjonsstørrelse (vurderer maksimal nedtelling) Thats it8230 kan legge til noe stykke råd du vil ha8230 Takk for innlegget, er jeg enig med mange ting du nevnte. Og dessuten gir meg et par ideer å prøve. Hei Alle Shaun, jeg er enig. fokuserer på ikke å miste er en svært viktig suksess. Tarun, en EA som jeg har bygget som er veldig vellykket, bruker en enkel pivot point swing trading strategi. En tilpasset indikator for meg selv gir meg en premarkedsforspenning (opp eller ned), og min utløser for oppføring er markedspris innenfor et 2 pip-område av den viktigste daglige pivot. exit strategi er enkel også, prisen vil enten stoppe ut eller lukke halvparten av stillingen på Support1 eller Resistance1. Stoploss flyttes da for å bryte jevn. Prisen vil da stoppe eller nå S2 eller R2, hvorpå halvparten av den gjenværende posisjonen er lukket igjen, stoppeslutt flyttes til S1 eller R1. Prisen vil da stoppe eller flytte til S3 eller R3 hvor det gjenværende stillingen er stengt. 8211 Den enkle strategien er verdt 1 million dollar over en 15 års periode. gratis, min glede. de fleste vil ikke gjøre noe med denne informasjonen likevel lol. Dilema: Enkel strategi, svært komplisert EA. hvorfor fordi hver strategi har begrensninger og å vite hva som får det til å mislykkes, er det første skrittet til å fokusere på ikke å miste8221. aka, legg opp tiltak for å markedsføre markedet og få EA til å stenge eller tilpasse seg når markedet virker på en måte som er dårlig for strategien din. Også, RR, balansevern og bruk av en LOT-skala gjør EA ganske kompleks, men det er vel verdt innsatsen. kombinere en enkel strategi med et detaljert styringssystem inne i en kompleks EA er verdt 50million over 15 år. Forvent ikke denne typen system å komme sammen om natten, jeg brukte 2 år på å bygge mine, men det har vært en veldig spennende reise. Hvis du er lidenskapelig om handel og EA8217er, ikke gi opp. vær fokusert og fortsett å lære. Faktisk. Du kan publisere de fleste strategiene i avisen. Nesten ingen ville gjøre noe med det. Jeg elsker vekten på å ikke tapte8221 i stedet for å vinne. Du snakker språket mitt. Jeg vil legge til 3 poeng å vurdere når du vurderer ytelsen til programmerte handelssystemer. Først og fremst når du prøver å teste et system i MetaTrader, er det viktig å huske at MT4 ikke gir en sann tick-datastrøm. Den simulerer bare kryssdataene ved å bruke databar som er lagret i History Center. Dette betyr at svært nylig prishistorikk kan være konstruert fra 1 eller 5 minutter, og historien lenger ut kan bygges fra 15 eller 30 minutter. Running tester over perioder på flere år kan tvinge MT4 til å simulere tick data ved hjelp av barer med enda større tidsperioder. Det er derfor du vil se mange ytelsestester som ble kjørt i MetaTrader over en periode på flere år som har en karakteristisk kurve. Det er en bratt lønnsom kurve i de tidlige årene og en flat til å miste kurven i den siste tidsperioden. Hvis systemet ble kjørt på de riktige kryssdataene, vil det mest sannsynlig utføre det dårlig gjennom hele testperioden, fordi de tidlige årene ble simulert på 15M eller 30M barer og var mindre volatile enn den faktiske prisaktiviteten til perioden. For det andre har de fleste av de som utvikler handelssystemer, en tendens til å overoptimere systemet for å maksimere fortjenesten oppnådd i løpet av tidsperioden som ble brukt til å teste systemet. Som et eksempel sier let8217s at systemdesigneren testet systemet i løpet av en 5 års periode. Den naturlige tilbøyelighet er å finjustere variablene for å maksimere fortjenesten. Tankeprosessen går noe slikt: Hvis systemet gir en 50 fortjeneste og en 2,5 profittfaktor i løpet av denne testperioden, bør jeg i det minste få en akseptabel ytelse i sanntid. Tro meg, dette er dødens kyss i EA-programmering, og årsaken til at mange kommersielle ekspertrådgivere mislykkes. Kunden kjøper inn i den lønnsomme ytelsen i løpet av testperioden og unngår uunngåelig når han prøver å kjøre EA med ekte penger. Riktig back testing forsøker å finne den ekte gjennomsnittlige ytelsen til EA basert på flere testperioder. Endelig er det problemet som ble berørt i artikkelen om å vite om resultatene du opplever er statisk gyldige. Selvfølgelig som Mr. Flower sier om en tapende strikke er utenfor 2 standardavvik, så er sjansene for at noe har endret seg. Jeg vil påpeke at distribusjonen av vinnende og tapende handler alltid er tilfeldig og bestemmes av den totale prosentdelen av vinnere eller tapere i en prøve av handler, forutsatt at den er stor nok til å være statisk gyldig. For å gi et eksempel, sier let8217s at systemet krever en 50 vinnersats for å være lønnsomt. Vel, vi vet allerede fra å vende en mynt som har samme 50 vinnersats som vinnerne og taperne vil ha en tendens til å klumpe sammen i å vinne streker og miste streker. Videre vet vi fra studien av statistikk at fordelingen av vinnere og tapere i EA med en 50 vinnersats vil være den samme som fordeling som er oppnådd ved å kaste en mynt. Nemlig vil det være i en gruppe på 1000 handler i gjennomsnitt 8 tapende striper på 5 tapere på rad og 8 vinnende striper på 5 vinnere på rad. Likhet i en gruppe på 1000 handler, bør du også se i gjennomsnitt 4 tapende og vinnende striper på 6 på rad, 2 tapende og vinnende striper på 7 på rad og 1 vinnende og tapende strikke på 8 og 1 vinnende og tapende strikke av 9 på rad. Det er viktig at brukeren har en realistisk ide om størrelse og antall tapende striper han vil møte ved å bruke EA. Ellers vil han helt sikkert gi opp og ganske første gang møter han en forventet tapt serie av handler. That8217 er en av de mange grunnene til at jeg ikke prøver noe i MetaTrader. Jeg bruker det bare til live trading. De svake dataene og manglende evne til å teste porteføljer gjør det ubrukelig for mine formål. You8217 har rett til overoptimering. Den enkleste måten å unngå dette på er å minimere antall parametere i strategien din. Jeg har bare 4 i min Dominari-strategi, for eksempel. Takk for de detaljerte tankene Hvordan lage et mekanisk handelssystem Så langt har we8217ve lært deg hvordan du utvikler din handelsplan. We8217ve diskuterte også hvor viktig det er for deg å oppdage hvilken type forex-handelsmann du er. Deretter skal vi lære deg hvordan du legger til noe kjøtt til din tynne handelsplanramme ved å vise deg hvordan du lager et forex trading system. Nærmere bestemt vil vi lære deg alt om forex mekaniske handelssystemer. Mekaniske handelssystemer er systemer som genererer handelssignaler for en næringsdrivende å ta. De kalles mekanisk fordi en handelsmann vil ta handelen uavhengig av hva som skjer i markedene. I teorien bør dette eliminere alle forstyrrelser og følelser i din handel, fordi du skal følge reglene i ditt system INGEN MATTER HVA. Hvis du gjør et enkelt søk i Google for 8220forex trading systems8221, finner du mange mange mennesker der ute som påstår at de har 8220Holy Grail8221-systemet som du kan kjøpe for noen få tusen dollar. Disse systemene gjør angivelig tusenvis av pips i uken og mister aldri. De vil vise deg at de hadde 8220 resultater8221 av deres perfekte systemer, og det vil gjøre dine øyenbryter til dollartecken mens du sitter der og si til deg selv, 8220Wow kan jeg gjøre alt dette hvis jeg bare gir denne fyren 3000. Dessuten, hvis hans system lager tusenvis av pips i uken, kan I82 gjøre pengene mine tilbake på kort tid.8221 Slow down cowboy. Det er noen ting du bør vite før du gir dem kredittkortnummeret ditt og gjør det impulskjøpet. Sannheten er at mange av disse systemene faktisk fungerer. Problemet er at valutahandlere mangler disiplinen til å følge reglene som går sammen med systemet. Den andre sannheten (er det sånn som en annen sannhet) er at i stedet for å betale tusenvis av dollar på et system, kan du faktisk bruke tiden din til å utvikle ditt eget mekaniske handelssystem gratis. og bruk de pengene du skulle tilbringe som kapital for din forex trading konto. Den tredje sannheten er at å skape mekaniske handelssystemer er det vanskelig. Det som er vanskelig følger de reglene du angir når du utvikler systemet. Det er mange artikler som selger systemer, men vi har sett noe som lærer deg hvordan du lager ditt eget system. Denne leksjonen vil veilede deg gjennom trinnene du må ta for å utvikle et forex mekanisk handelssystem som passer for deg. På slutten av leksjonen vil vi gi deg et eksempel på et system som en av FX-Men bruker, slik at vi kan vise deg hvor fantastisk vi er. (Sett inn onde latter her.) Mål av ditt mekaniske handelssystem Vi kjenner you8217re sier 8220DUH, målet med mitt handelssystem er å tjene en milliard dollar8221 Selv om det er et fantastisk mål, er it8217s ikke akkurat det slags mål som vil gjøre deg til en vellykket forex-handelsmann. Når du utvikler ditt mekaniske handelssystem, vil du oppnå to svært viktige mål: Systemet ditt skal kunne identifisere trender så tidlig som mulig. Systemet ditt skal kunne unngå deg fra whipsaws. Hvis du kan oppnå de to målene med handelssystemet ditt, har du en mye bedre sjanse til å lykkes. Den harde delen om disse målene er at de motsier seg hverandre. Hvis du har et system who8217s primære mål er å fange trender tidlig, vil du sannsynligvis bli faked ut mange ganger. På den annen side, hvis du har et mekanisk handelssystem som fokuserer på å unngå whipsaws, så vil du være forsinket på mange handler og vil også trolig gå glipp av mange handler. Din oppgave, når du utvikler ditt mekaniske handelssystem, er å finne et kompromiss mellom de to målene. Finn en måte å identifisere trender tidlig, men også finne måter som vil hjelpe deg med å skille mellom falske signaler fra de virkelige. Hvis du ikke har noen ide om hvor du skal begynne, kan du gå gjennom vår Free Forex Trading Systems tråd i vårt forum. Tonnevis av forexhandlere legger inn ideene sine for handelssystemer, så du kan finne en eller to som du kan bruke når du bygger ditt eget mekaniske handelssystem. Lagre fremgangen din ved å logge inn og merke leksjonen fullstendig
No comments:
Post a Comment