Saya baru saja selesai dengan buku baru Howard Bandy8217, Sistem Praktik untuk Swing Trading 8221. Sementara saya sangat jarang meninjau buku-buku di sini tentang Tepi Kuantitatif, yang satu ini benar-benar menonjol dan patut mendapat perhatian. Howard melewati setiap langkah proses pembuatan sistem. Dia memeriksa beberapa osilator yang berbeda. Dia meneliti teknik keluar masuk keluar. Dia membahas pengendalian risiko. Dan di atas semua itu, dia memberikan kode untuk semua yang dia sampaikan di buku ini. Ini adalah 50 untuk buku ini, yang merupakan harga yang sangat rendah. Ada kursus perdagangan dengan biaya ribuan dolar yang tidak memberikan banyak informasi bagus seperti Sistem Pengembalian Energi Revolusioner Howard208178. Semua pengkodean dilakukan di Amibroker, yang sayangnya saya tidak gunakan. Tapi karena dia mencantumkan semuanya, mereka yang menggunakan program lain seperti saya bisa menerjemahkannya ke dalam Tradestation, R, atau apapun. Dan inilah kicker bagi siapa saja yang menggunakan Amibroker 8211 Howard sebenarnya sudah menyiapkan halaman web dimana pembeli buku bisa mendownload kode tanpa biaya tambahan. Saya memuji Howard atas usahanya. Jika Anda memiliki minat untuk mengembangkan sistem perdagangan Anda sendiri, buku ini adalah sumber yang bagus yang akan saya rekomendasikan. 5 komentar: Saya telah mengikuti blog Anda untuk sementara waktu. Tapi sekarang saya terkejut karena Anda memuji karya seseorang yang mengklaim dalam bukunya bahwa: (meanreversiontradingsystemsMRTS20AnalysisWM. pdf) pandangan quotMy adalah bahwa lamanya periode dalam sampel harus sesingkat praktis. Satu-satunya cara untuk menentukan panjang periode dalam sampel adalah menjalankan beberapa tes. quot Ini disebut data-snooping quotThe panjang periode out-of-sample adalah: Selama model dan pasar tetap sinkron dan Sistem tetap menguntungkan Tidak ada hubungan umum antara periode out-of-sample dan panjang periode sampel. Jadi, kita memilih out-of-sample selama model dan pasar selaras dan Sistem tetap menguntungkan Kerja yang sangat bagus Saya heran mengapa Anda mendukung hal-hal seperti itu. Apa yang harus kamu dapatkan? Atau mungkin karena saya menghormati pekerjaan Anda mungkin Anda mengabaikan detailnya. Substansi dalam perdagangan ada dalam rinciannya. Betapa dunia yang menyedihkan saat mengatakan sesuatu yang baik tentang pekerjaan orang lain yang membawa email yang bertanya kepada saya apa yang harus saya dapatkan. Kajian itu membuat saya mendapat ucapan terima kasih yang bagus dari Mr. Bandy, yang belum pernah saya jumpai atau katakan sebelumnya. Sementara dia memandang beberapa aspek pengujian berbeda dari saya, saya tidak berminat untuk berdebat setiap poin yang dia buat dalam bukunya. Bagi saya, jika Anda bisa mengambil ide dan informasi berharga dari sebuah buku, maka itu bermanfaat. Yang ini penuh dengan mereka. Saya berdiri di samping review saya. Saya pikir buku itu memiliki banyak info bagus. Itu didukung oleh hasil tes yang sebenarnya (jarang), dan karena dia menyediakan semua kode, para pedagang dapat memverifikasi hasilnya dan dengan mudah menggali gagasan lebih jauh dari mereka sendiri. Mereka yang telah membaca buku dipersilahkan untuk mengirim komentar (positif atau negatif) di bawah ini. Kalian semua tahu pendapat saya Alih-alih pura-pura sedih, mungkin Anda harus bahagia karena seseorang meluangkan waktu untuk menunjukkan kepada Anda kesalahan dalam buku yang sifatnya mendasar, yaitu kurva-fititng, pengoptimalan, data yang mengintip dan semua omong kosong yang membuat pedagang kehilangan uang. Jangan merasa sedih. Dunia tidak sedih saat kita melawan kenyataan, kita seharusnya hanya mengubah arah. Terima kasih. Saya menerima buku Howard kemarin, dan sementara saya belum menyelesaikannya, saya kira komentar dari penglihatan itu sedikit di atas. Howard senantiasa memperingatkan tentang teknik kebocoran masa depan dan teknik pengoptimalan palsu. Mungkin mati sebenarnya harus membeli buku itu sebelum membubarkannya di levelnya. Saya menemukan komentar ini dan sebagai seseorang yang memiliki keempat buku Dr Bandy, saya merasa harus berpadu dengan topik ini. Dr Bandy adalah pendukung kuat praktik pengembangan sistem yang baik dan tulisannya dengan jelas memperingatkan tentang bahaya nyata dari lengkungan. Siapa pun yang telah mengikuti blognya atau membaca bukunya secara rinci akan benar-benar memahami nuansa di balik pandangannya yang dinyatakan pada periode sampel sampel yang salah satu orang. Dr Bandy telah menjadi penulis favorit saya mengenai topik pendekatan perdagangan kuantitatif. Di blog ini saya akan memeriksa aksi pasar dan mengkuantifikasi temuan saya. Dengan menggunakan indikator sentimen, luas, harga dan volume - baik standar dan disesuaikan - saya akan mencoba dan menemukan sisi jangka pendek yang dapat dimanfaatkan oleh pelaku pasar. Saya akan sering menambahkan pendapat terhadap penelitian ini dan terkadang memberi pendapat tanpa penelitian kuantitatif di belakangnya. Panduan Editing Kuantitatif ke Fed Days Ebook Versi 25 gtgtgtgtgtgtgt Penolakan ltltltltltltltltltlt Semua konten di situs ini disediakan untuk tujuan informasi saja. BUKAN rekomendasi atau saran untuk membeli atau menjual sekuritas. Saya dapat memegang posisi untuk diri saya atau klien di sekuritas atau industri yang disebutkan di sini. Ada tingkat risiko yang sangat tinggi yang terlibat dalam perdagangan sekuritas. Penggunaan Anda atas informasi apapun di situs ini sepenuhnya atas risiko Anda sendiri. Rob Hanna Saya telah melakukan perdagangan secara profesional sejak tahun 2001. Dari bulan Januari 2003 sampai Februari 2007 kolom dua mingguan saya Rob Hannas Putting It All Together muncul di TradingMarkets. Saya telah melakukan penelitian kuantitatif dan merancang sistem perdagangan - kebanyakan berfokus pada sisi jangka pendek sejak tahun 2004. Lihat profil lengkap saya The Sweet Spot untuk Mean Reversion Strategi ETF oleh Michael R. Bryant Dalam bukunya yang terbaru, Howard Bandy membahas apa yang dia sebut sebagai quotsweet Spotquot untuk mengembangkan sistem perdagangan pengembalian dana. 1 Idenya adalah kombinasi yang tepat antara panjang batang, masa simpan, akurasi sistem, dan variabel lainnya cenderung memaksimalkan hasil imbal hasil yang disesuaikan dengan risiko. 2 Artikel ini menunjukkan bagaimana strategi trading reversion mean yang terletak pada sweet spot dapat dikembangkan untuk exchange traded funds (ETFs) dengan menggunakan alat otomatis. Menggunakan Adaptrade Builder. Alat pengembangan strategi untuk Windows, Ill menunjukkan bagaimana metode pengujian stres dengan analisis Monte Carlo dapat digunakan sebagai bagian dari proses pengembangan untuk menemukan strategi pengembalian rata-rata yang kuat untuk ETF SampP 500 (SPY) dan Sektor Perbatasan SPDR ETFs. File proyek untuk Builder, yang mencakup kode strategi, disediakan untuk setiap contoh. Mendarat di Sweet Spot Ide dasar dibalik sweet spot Dr. Bandys adalah strategi trading yang bagus harus menggunakan ukuran bar pendek dan memiliki akurasi yang cukup tinggi dengan jangka waktu holding yang pendek dan penarikan yang rendah. Ukuran bar pendek dan periode holding pendek memaksimalkan peluang untuk menghasilkan keuntungan sementara akurasi tinggi dan penarikan yang rendah membuatnya lebih mudah pulih dari kerugian. Kualitas terakhir juga mempermudah menentukan kelangsungan strategi dan menentukan kapan tidak bekerja lagi karena goresan khas untuk sistem dengan akurasi tinggi cenderung relatif singkat. Berdasarkan pedoman Dr. Bandys, karakteristik berikut akan digunakan dalam artikel ini untuk menentukan persyaratan optimal untuk strategi ETF reversi rata-rata: Batang harian 20 - 30 perdagangan per tahun Setidaknya 65 perdagangan yang menang Rata-rata bar dalam perdagangan antara 1 dan 4 Oleh Sebaliknya, saya mengacu pada strategi yang mencoba membeli di bawah harga rata-rata saat ini dan menjual dengan harga lebih tinggi karena harga beralih ke mean. Idenya adalah membeli rendah dan menjual tinggi, berlawanan dengan sistem tren berikut, yang biasanya mencoba untuk membeli tinggi dan menjual lebih tinggi. Membangun Dengan Analisis Monte Carlo Dalam artikel buletin terakhir saya, saya membahas penggunaan stress testing dalam mengevaluasi strategi perdagangan dan hubungannya dengan ketahanan dan strategi yang terlalu pas. Saya juga menyebutkan bahwa jika digabungkan ke dalam proses build, akan cenderung mengarah pada strategi yang menunjukkan ketahanan. Itulah pendekatan yang akan diikuti disini. Secara singkat, stress testing mengacu pada evaluasi seberapa sensitif strategi trading terhadap input dan lingkungannya. Strategi yang kuat - strategi yang tidak terlalu sesuai dengan pasar - akan relatif tidak peka terhadap perubahan nilai parameter masukan dan perubahan lainnya di lingkungannya, seperti perubahan pada data harga. Analisis Monte Carlo adalah teknik yang digunakan untuk mengevaluasi pengaruh perubahan tersebut. Masukan strategi, data harga, dan faktor lainnya berubah secara acak, dan kinerja strategi dievaluasi. Dengan mengulangi proses ini berkali-kali, distribusi hasil diperoleh. Hasil dari data asli mewakili satu titik pada distribusi. Poin lain pada distribusi mewakili hasil dari penggunaan versi data asli yang sedikit diubah, yang dapat menghasilkan hasil yang kurang lebih menguntungkan daripada data asli. Hasil Monte Carlo yang disebut adalah nilai ukuran kinerja (laba bersih, persentase kemenangan, faktor keuntungan, dll.) Yang tidak lebih buruk daripada mayoritas (biasanya, 95) dari evaluasi. Misalnya, jika laba bersih Monte Carlo pada 95 kepercayaan adalah 15.000, itu berarti bahwa 95 dari evaluasi tersebut memiliki laba bersih setidaknya sebesar 15.000. Dengan kata lain, ada kemungkinan bahwa laba bersih paling sedikit 15.000, atau sebaliknya, ada kemungkinan 5 keuntungan bersihnya kurang dari 15.000. Ketika sebuah strategi perdagangan dikembangkan secara iteratif selama modifikasi dan uji generasi berturut-turut, berdasarkan hasil Monte Carlo akan cenderung mendorong strategi ke strategi yang kuat karena hanya strategi kuat yang memiliki hasil Monte Carlo yang baik. Adaptrade Builder mengotomatisasi proses ini, termasuk mengevaluasi hasil strategi dengan menggunakan hasil pengujian stres Monte Carlo. Contoh pertama adalah untuk indeks SPDR Samper 500 ETF (simbol SPY). Batang harian dari 141999 sampai 4232013 digunakan. Rentang tanggal untuk bangunan ditetapkan menjadi 141999 sampai 122011, dengan 80 (141999 - 8102008) pertama digunakan untuk bangunan (yaitu dalam sampel) dan data sisanya (8112008 - 122011) digunakan untuk pengujian di luar sampel. Data yang tersisa (132011 - 4232013) disisihkan untuk validasi. Semua data diperoleh dari TradeStation 9. Logika strategi hanya berjangka panjang, dan 100 ekuitas diinvestasikan pada setiap perdagangan, dengan semua keuntungan diinvestasikan kembali, dan 0,015 per saham dikurangkan per putaran untuk biaya perdagangan. Adaptrade Builder menggunakan algoritma pemrograman genetika untuk mengembangkan populasi strategi selama generasi berturut-turut. Kunci untuk menggunakan Builder untuk menemukan strategi yang memenuhi persyaratan optimal adalah menetapkan apa yang disebut metrik build, yang ditunjukkan di bawah pada Gambar. 1. Gambar 1. Metrik membangun di Builder menentukan sweet spot untuk strategi SPY. Daftar Build Objectives berisi tiga metrik tujuan umum, yang semuanya dimaksimalkan. Ini membantu memandu populasi strategi terhadap strategi yang memiliki laba bersih tinggi, koefisien korelasi, dan signifikansi statistik, yang diinginkan untuk strategi apapun. Kualitas spesifik yang dicari (yaitu sweet spot) didefinisikan oleh Kondisi Bangun, yang mencakup kondisi ketidaksetaraan untuk jumlah perdagangan, palang rata-rata dalam perdagangan, dan persentase kemenangan. Perhatikan bahwa kondisi untuk jumlah perdagangan diatur ke kisaran berdasarkan jumlah data sampel dalam tahun dan tujuannya antara 20 sampai 30 perdagangan per tahun. Perhatikan juga bahwa persentase perdagangan yang menang diatur ke kisaran antara 65 dan 85. Batas atas ditambahkan karena strategi dengan persentase perdagangan menang yang luar biasa tinggi pada umumnya akan gagal memenuhi kondisi lain. Menekankan strategi semacam itu akan membantu mendorong populasi menuju strategi yang memenuhi semua persyaratan, berlawanan dengan strategi yang secara tidak proporsional memenuhi satu syarat dengan pengecualian orang lain. Logika yang sama digunakan dalam menetapkan kisaran untuk faktor keuntungan. Kondisi lain - koefisien korelasi, signifikansi statistik, faktor keuntungan, dan fraksi Kelly - bukanlah bagian dari persyaratan khusus kami, namun ditambahkan untuk meningkatkan hasil keseluruhan. Pengujian tekanan dan pengaturan Monte Carlo yang digunakan untuk contoh ini dipilih pada layar Build Options, seperti yang ditunjukkan di bawah pada Gambar. 2. Gambar 2. Analisis Monte Carlo dan pilihan pengujian stres dipilih pada tab Build Options. Seperti yang ditunjukkan pada gambar tersebut, 99 iterasi Monte Carlo digunakan untuk setiap analisis. Ini berarti bahwa 99 tes stres dilakukan di samping evaluasi data asli. 100 kumpulan data dianalisis dengan menggunakan analisis Monte Carlo untuk mengekstrak hasilnya pada 95 kepercayaan, dimana digunakan untuk mengevaluasi kondisi yang ditunjukkan pada Gambar. 1. Tes stres terdiri dari mengacak harga, mengacak masukan strategi, dan mengacak bar awal. Ketiga pengacakan dilakukan untuk setiap uji stres. Karena masing-masing strategi dievaluasi 100 kali (99 tes stres ditambah data asli) pada setiap generasi, pendekatan ini memakan waktu sekitar 100 kali asalkan akan mengalami stress testing dan analisis Monte Carlo belum pernah digunakan. Untuk alasan ini, populasi yang relatif kecil yang hanya 100 anggota digunakan untuk menjaga waktu penyelesaiannya tetap masuk akal. Populasi berkembang lebih dari 10 generasi, dan sebuah pilihan ditetapkan untuk dimulai setelah 10 generasi jika keuntungan bersih pada periode di luar sampel negatif. Kurva ekuitas melonjak dari strategi puncak dalam populasi setelah 20 generasi (1 membangun kembali) ditunjukkan di bawah pada Gambar. 3. Gambar 3. Kurva Ekuitas untuk setiap uji stres untuk strategi SPY akhir. Setiap kurva pada Gambar. 3 mewakili satu tes stres. Seperti dapat dilihat, semua kurva ekuitas berbeda umumnya memiliki bentuk yang sama dengan hasil out-of-sample yang positif. Berikut adalah beberapa hasil Monte Carlo pada 95 kepercayaan yang sesuai dengan Gambar. 3. Total Laba Bersih Rata-rata Bar dalam Perdagangan Selain dari jumlah perdagangan, yang kurang dari yang diminta, strategi tersebut memenuhi persyaratan awal. Strategi juga lolos uji validasi. Bila tanggal akhir diperpanjang sampai 4232013, total keuntungan bersih Monte Carlo meningkat menjadi 67.015. Logika strategi juga memenuhi persyaratan untuk strategi pengembalian rata-rata: ia masuk pada limit order dan keluar menggunakan kondisi indikator. Batas masuk berarti pasar harus turun ke harga batas, jadi strategi beli rendah dan jual setelah pasar kembali naik. Penting untuk diingat bahwa ini adalah hasil Monte Carlo pada 95 kepercayaan, yang berarti, misalnya, 95 dari evaluasi uji stres memiliki total laba bersih setidaknya sebesar 56.784. Jika stress testing dimatikan dan strategi dievaluasi pada data asli, kurva ekuitas adalah seperti yang ditunjukkan di bawah pada Gambar. 4. Gambar 4. Kurva Ekuitas untuk strategi SPY akhir pada data asli. Kurva ekuitas ini sesuai dengan laba bersih 109.497, yang setara dengan tingkat pengembalian tahunan sebesar 5.5. Meskipun ini hanya pengembalian yang sederhana, namun dengan mudah mengalahkan imbal hasil buy-and-hold sekitar 1,8 selama periode yang sama dan dicapai tanpa leverage dan dengan kurva ekuitas yang terus meningkat sepanjang periode yang mencakup dua pasar beruang. Contoh Select Sector SPDR Contoh kedua melibatkan membangun strategi mengenai portofolio ETF yang terdiri dari Select Sector SPDRs. ETF ini membagi indeks SampP 500 menjadi sembilan sektor sehingga masing-masing saham di SampP 500 ditempatkan ke dalam salah satu dari sembilan sektor tanpa tumpang tindih. Kesembilan sektor tersebut adalah Consumer Discretionary (simbol XLY), Consumer Staples (XLP), Energy (XLE), Keuangan (XLF), Perawatan Kesehatan (XLV), Industri (XLI), Bahan (XLB), Teknologi (XLK), dan Utilitas (XLU). Sebagian besar setting yang sama digunakan untuk membangun strategi ini seperti pada contoh terakhir. Namun, karena sembilan kali lebih banyak data harga yang digunakan dalam pembangunan, saya mengurangi jumlah iterasi Monte Carlo dari 99 menjadi 5. Opsi build lainnya sama seperti pada Gambar. 2 kecuali untuk opsi membangun kembali, yang tidak ikut bermain. Untuk ukuran posisi, 20 ekuitas diinvestasikan pada setiap perdagangan. Karena tidak semua pasar cenderung diperdagangkan pada saat bersamaan, setting ini dipilih untuk memberikan ukuran posisi yang memadai tanpa menghasilkan leverage (yaitu over-investment). Periode dalam sampel untuk bangunan ini adalah 141999 sampai 5282009 dengan 5292009 sampai 122012 sebagai periode di luar sampel dan 132012 sampai 4232013 disisihkan untuk validasi. Kurva ekuitas melompati salah satu strategi utama dalam populasi setelah 10 generasi (tidak dibangun kembali) ditunjukkan di bawah pada Gambar. 5. Gambar 5. Kurva Ekuitas untuk setiap uji stres untuk strategi portofolio SPDR Sector Select. Setiap kurva ekuitas pada Gambar. 5 mewakili ekuitas portofolio yang dihasilkan dari pengujian balik di semua sembilan pasar secara simultan untuk satu set rangkaian uji stres (atau data asli). Beberapa hasil ringkasan Monte Carlo ditunjukkan di bawah ini. Total Laba Bersih Tidak seperti contoh sebelumnya, hasilnya tidak jauh berbeda ketika analisis Monte Carlo dimatikan dan hasilnya dievaluasi berdasarkan data asli. Dalam hal ini, total laba bersih meningkat menjadi 205.140. Strategi ini juga lolos uji validasi. Kurva ekuitas untuk strategi hanya berdasarkan data asli (tidak ada pengujian stres), di mana periode validasi disertakan, ditunjukkan di bawah pada Gambar. 6. Gambar 6. Kurva Ekuitas untuk strategi portofolio SPDR Sector Terakhir pada data asli. Kurva ekuitas ini sesuai dengan laba bersih 249.431, yang setara dengan pengembalian tahunan sebesar 9,5 dengan penarikan kasus terburuk 21. Seperti contoh sebelumnya, logika strategi masuk dalam batas waktu yang terbatas. Sebagian besar jalan keluarnya melalui pintu keluar target, dengan perdagangan lain keluar berdasarkan kondisi indikator atau pada pemberhentian pelindung. Download File Proyek Mean Reversion: (klik kanan, Save target as. To. zip file memerlukan Adaptrade Builder untuk membuka.) Untuk alasan perizinan, file proyek tidak termasuk data harga. Titik manis yang disebut untuk strategi trading yang direkomendasikan oleh Dr. Bandy nampaknya memberikan kondisi efektif untuk membangun strategi pengembalian strategi perdagangan secara otomatis menggunakan alat seperti Adaptrade Builder. Ada kemungkinan untuk menemukan strategi yang memenuhi sebagian besar persyaratan untuk kedua contoh tersebut: strategi pasar tunggal untuk pasar ETF SPY, dan strategi untuk portofolio ETF yang terdiri dari sembilan Sektor Pilihan SPDRs. Kedua strategi tersebut mengalahkan buy-and-hold dan bertahan dengan baik dalam uji validasi. Untuk kedua contoh tersebut, pengujian stres dengan analisis Monte Carlo digunakan untuk meningkatkan peluang menemukan strategi yang kuat. Dibandingkan dengan contoh portofolio, hasil stress test untuk strategi single market (SPY) secara substansial lebih konservatif (kurang menguntungkan) daripada hasil dari data asli. Sementara beberapa di antaranya mungkin karena pengujian stres yang lebih ketat dibandingkan dengan contoh portofolio, hal ini menunjukkan bahwa strategi SPY kurang kuat daripada contoh portofolio. Secara umum, di mana hasil Monte Carlo menyimpang secara nyata dari hasil pada data asli, mungkin diperkirakan perkiraan terbaik dari hasil di masa depan akan berada di antara keduanya, meskipun hal itu akan bergantung pada seberapa konservatif pengujian stres dan analisis Monte Carlo adalah . Tampaknya masuk akal bahwa strategi portofolio akan lebih kuat daripada strategi pasar tunggal karena strategi portofolio dibangun di atas sembilan pasar yang berbeda dan diminta untuk bekerja dengan cukup baik dalam berbagai variasi data harga. Itu dibangun di atas sembilan kali lebih banyak data dan memiliki sekitar sembilan kali lebih banyak perdagangan. Kinerja strategi portofolio yang lebih besar mungkin mencerminkan efek positif diversifikasi terhadap sembilan sektor SPDR yang berbeda. Meskipun tidak ada strategi yang memenuhi persyaratan untuk jumlah perdagangan, ada kemungkinan untuk menemukan strategi yang memenuhi semua persyaratan jika populasi yang lebih besar digunakan atau persyaratan pembangunan kembali yang lebih ketat dipekerjakan, yang akan memerlukan waktu yang lebih lama. Sebagai alternatif, mungkin saja strategi semacam itu tidak mungkin ditemukan karena persyaratan yang bertentangan dengan akurasi tinggi, frekuensi perdagangan, durasi perdagangan pendek, dan sebagainya. Rangkaian kondisi build yang terbaik adalah yang sepenuhnya memanfaatkan potensi pasar sambil tetap realistis. Menggabungkan seperangkat kondisi build yang berguna, seperti yang disediakan oleh Dr. Bandy, dengan fitur ketahanan built-in, seperti pengujian stres dan analisis Monte Carlo, dalam alat otomatis seperti Builder harus menyediakan kerangka kerja yang solid untuk mengembangkan strategi perdagangan yang efektif. Bandy, Howard B. Mean Reversion Trading Systems. Blue Owl Press, Inc. Sioux Falls, SD, 2013, hal. 138. Bandy, Howard B. Modeling Trading System Performance. Blue Owl Press, Inc. Sioux Falls, SD, 2011, hal. 154. Artikel ini muncul di edisi April 2013 dari newsletter Perangkat Lunak Adaptrade. The SampP 500 dan Select Sector SPDRs adalah merek dagang dari The McGraw-Hill Companies, Inc. HASIL KINERJA HIPOTHETIK ATAU SIMULASI MEMILIKI BATASAN INHERENT TERTENTU. MELIHAT KINERJA KINERJA SEBENARNYA, HASIL YANG SIMULASI JANGAN MENYATAKAN PERDAGANGAN YANG BENAR. JUGA, SEJAK TRADES TIDAK SEGALA DITINJAU, HASIL YANG DAPAT MEMILIKI BAWAH ATAU TERLUKA UNTUK DAMPAK, JIKA ADA, FAKTOR PASAR TERTENTU, SEPERTI KURANGNYA LIKUIDITAS. PROGRAM PERDAGANGAN SIMULASI DALAM UMUM JUGA TERTARIK FAKTA BAHWA MEREKA DITANDATANGANI DENGAN MANFAAT HINDSIGHT. TIDAK ADA REPRESENTASI YANG DIBUAT BAHWA SETIAP AKUN AKAN ATAU CUKUP UNTUK MENCAPAI KEUNTUNGAN ATAU KERUGIAN YANG SESUAI DENGAN MEREKA. Jika Anda ingin diberitahu tentang perkembangan baru, berita, dan penawaran khusus dari Perangkat Lunak Adaptrade, silakan bergabung dengan daftar email kami. Terima kasih. Bagaimana membangun sistem perdagangan pengembalian dana yang menguntungkan? Sebagai pedagang, sebagian besar strategi saya berfokus pada filosofi tren berikut. Namun, seiring berjalannya waktu, saya menyadari bahwa sistem perdagangan pembalikan yang berarti juga bisa menguntungkan jika diterapkan dengan benar. Terkadang mereka mungkin perlu sedikit lebih lama dalam durasi dan melibatkan beberapa elemen discretionary agar bisa bekerja dengan baik. Faktanya adalah, pasar keuangan bergerak dalam siklus. Pada saat mereka akan tren, dan tren mengikuti strategi akan berkinerja terbaik, dan pada saat lain mereka akan berkisar dan kembali ke mean. Pasar dengan kisaran kisaran sebenarnya lebih umum daripada pasar tren yang berarti strategi pengembalian rata-rata biasanya memiliki persentase kemenangan lebih tinggi daripada tren berikut. Bagaimana membangun sistem perdagangan pengembalian dana yang menguntungkan Langkah pertama dalam membangun strategi pengembalian strategi yang berhasil adalah pertama-tama menyetujui apa artinya pemulihan. Sementara pengikut tren mencari tren pasar yang berlangsung dalam jangka waktu lama, pedagang pembalikan rata-rata mencari pasar yang sangat rendah atau tinggi, yang pada akhirnya akan kembali ke tingkat normal mereka. Jadi, pengembalian rata-rata adalah tentang mencari pasar yang telah menyimpang secara signifikan dari rata-rata mereka, yang kemungkinan akan kembali ke rata-rata di beberapa titik di masa depan. Banyak jenis strategi pengembalian rata-rata karena itu mengandalkan indikator teknis untuk menunjukkan kapan pasar berada jauh dari itu. Moving averages, Bollinger Bands, RSI, MACD dan osilator lainnya semuanya bisa digunakan dengan cara ini. Gagasan tentang pembalikan rata-rata juga bisa diterapkan pada fundamental. Sebagai contoh, saham pada umumnya bergerak dalam korelasi dengan pendapatan, jadi jika pendapatan perusahaan keluar secara substansial di atas rata-rata baru-baru ini, hal itu merupakan taruhan yang bagus bahwa pendapatan kuartal berikutnya akan turun lebih sesuai dengan rata-rata jangka panjang. Ini adalah cerita serupa untuk konsep ekonomi seperti inflasi dan pertumbuhan ekonomi yang sering akan kembali ke rata-rata jangka panjang dari waktu ke waktu. Langkah Pertama Carilah pola dalam data Langkah pertama untuk membangun sistem perdagangan pengembalian sementara, adalah memindai grafik harga mencari ide atau pola yang mungkin bisa Anda manfaatkan. Jika Anda menukar pasar tertentu, apakah Anda memperhatikan perilaku yang menarik Apakah pasar muncul kembali kapanpun RSI menyentuh tingkat oversold 8217208217 Apakah pasar biasanya kembali setelah itu berhasil memindahkan 2 deviasi standar ke arah yang berlawanan Langkah Dua Menyusun kode Langkah selanjutnya Adalah untuk mendapatkan ide Anda turun ke atas kertas dalam bentuk kode matematika. Dengan demikian, Anda akan dapat menggunakan program perdagangan seperti Amibroker untuk menguji gagasan tentang data harga sebenarnya. Anda bisa melakukan ini dengan tangan tapi itu akan menjadi penggunaan waktu yang sangat panjang dan tidak efisien. Langkah Tiga Back-test kode secara menyeluruh Untuk menguji kode dengan benar, Anda perlu sedikit belajar tentang desain sistem yang tepat. Intinya, Anda akan ingin menguji strategi sebaik mungkin pada kerangka waktu yang berbeda dan pada pasar yang berbeda. Selalu pastikan untuk menyimpan sebagian besar data yang dicadangkan untuk pengujian sampel. Anda kemudian melakukan pengujian pada data sampel dan mengonfirmasi sistem Anda sekali dengan data di luar sampel. Jika gagal menggunakan data out-of-sample maka sistem tidak cukup kuat dan Anda harus memulai lagi. Analisis walk-forward adalah sesuatu yang harus Anda selesaikan untuk memastikan sistem akan bertahan dalam kondisi pasar yang berbeda. Langkah Empat Perdagangan kertas sistem Jika Anda melewati langkah-langkah perancangan sistem yang tepat dan Anda akan berakhir dengan strategi pengembalian rata-rata yang Anda yakini kuat, penting untuk tidak terburu-buru ke pasar dan langsung langsung trading. Luangkan waktu untuk memvalidasi data segar dan live terlebih dahulu sehingga Anda dapat yakin bahwa strategi akan berhasil. Karena pada akhir hari, satu-satunya data out-of-sample yang benar adalah data masa depan. Setelah Anda menukar sistem di atas kertas untuk sementara dan masih berfungsi, Anda bisa mulai menerapkannya dengan uang sungguhan. Langkah Lima Tinjau sistem Jika Anda memiliki strategi pengembalian yang menguntungkan dan kuat, maka itu harus dilakukan dengan cara yang sama dengan tes balik sebelumnya. Anda dapat menggunakan informasi ini untuk mengawasi sistem dan memastikannya berfungsi sebagaimana mestinya. Mengawasi metrik sistem seperti rasio menang terhadap kerugian, tingkat harapan, atau tingkat penarikan. Jika Anda mengalami penarikan yang secara signifikan lebih besar daripada yang Anda alami dalam mode pengujian balik, itu adalah pertanda bahwa sistem telah rusak. Omong-omong, Anda dapat menemukan lebih banyak informasi bermanfaat tentang sistem perdagangan, termasuk alat dan buku yang saya gunakan untuk membantu membangunnya di tab Sumber Daya. Pertimbangan untuk sistem perdagangan reversi yang rata Salah satu masalah utama dengan sistem trading reversi rata-rata adalah pengendalian risiko. Seorang pedagang pembalikan rata-rata melihat pasar yang turun dari rata-rata semurah masalahnya adalah jika pasar terus turun, harganya akan menjadi lebih murah. Tanggapan yang tepat dari pedagang pembalikan rata-rata adalah karena untuk terus membeli pasar saat jatuh. Hal ini bertentangan dengan sebagian besar prinsip pengendalian risiko karena tidak bijaksana untuk menambah posisi kalah atau mencoba menangkap pisau jatuh. Respon dari pedagang pembalikan rata-rata adalah dengan menggunakan berbagai jenis jalan keluar menuju pengikut tren. Waktu berbasis keluar sering digunakan dan berarti pedagang pembalikan biasanya memiliki peraturan untuk menghentikan mereka menambahkan terlalu banyak kali ke perdagangan yang sudah kalah. Tentu saja, pertimbangan utama lainnya adalah data yang digunakan untuk menguji sistem perdagangan. Tak perlu dikatakan lagi bahwa sistem perdagangan hanya sebaik data yang diuji sehingga tanpa data bagus Anda bisa membangun sistem yang baik. Saya menggunakan Data Premium Norgate yang bekerja dengan sejumlah platform yang berbeda. Anda bisa mendapatkan percobaan gratis dari layanan di sini. Pertimbangan utama lainnya untuk pedagang pembalikan rata-rata adalah kondisi di pasar. Seperti telah disebutkan, strategi pengembalian rata-rata bekerja paling baik di pasar dengan kisaran terikat dan secara keseluruhan, pasar cenderung berkisar sekitar 60 dari waktu. Namun, sistem pengembalian rata-rata dapat gagal secara spektakuler selama tren besar. Oleh karena itu masuk akal untuk memiliki strategi saat pasar tidak mulai. Misalnya, Anda mungkin ingin menjalankan strategi berikut dan juga sistem pengembalian rata-rata atau Anda mungkin memiliki filter untuk menghentikan Anda memasukkan investasi pengembalian rata-rata saat pasar sedang tren. Buku ini oleh Dr Howard Bandy bagus untuk pedagang pembalikan rata-rata. Saya akan mengatakan bahwa beberapa gagasannya cukup rumit, dan keseluruhan buku ini ditujukan untuk pengguna Amibroker. Meskipun demikian, ini adalah tambahan yang bagus untuk perpustakaan bagi pedagang serius. Gagasan untuk sistem trading reversi rata-rata Bila harga pasar lebih besar dari Bollinger Band atas, jual pasar Bila harga pasar lebih rendah dari Bollinger Band yang lebih rendah, belilah pasar Bila RSI kurang dari 20, belilah pasar Bila RSI lebih banyak Dari 80, menjual pasar Ketika indeks saluran komoditas (CCI) berada di atas 120, menjual pasar Bila indeks saluran komoditas (CCI) kurang dari -120, belilah pasar Bila pasar 10 lebih tinggi dari 50 EMA, jual Pasar Bila pasar 10 lebih rendah dari 50 EMA, beli pasar Bila VIX lebih tinggi dari rata-rata dua tahun di pasar rata-rata, belilah pasar Bila EPS 5 tahun turun 20 di bawah rata-rata, belilah saham Contoh dari Strategi pembalikan rata-rata cenderung bekerja lebih baik pada kerangka waktu yang lebih pendek dan karena itu ideal untuk pedagang ayun. Dalam buku dan kursus saya, saya meliput lebih dari 30 sistem perdagangan. Keduanya berarti reversion dan trend berikut. Yang satu ini dirancang dengan menggunakan rumus yang sangat sederhana yang mengukur kemiringan antara dua titik terakhir pada 24 periode eksponensial moving average (EMA). Formula Amibroker untuk indikatornya adalah sebagai berikut: Formula GRA (gradien) oleh karena itu mengukur kecuraman kurva EMA. Posisi beli dimasukkan setiap kali GRA turun di bawah 0,98 karena ini mengindikasikan kondisi oversold yang signifikan. Kapanpun GRA bergerak melewati 1.02 posisi ditutup. Saya menguji sistem data harian pada saham SampP 500 antara tahun 2000 dan 2010 dan menerima pengembalian tahunan gabungan sebesar 16,73. Dengan penarikan maksimum rasio pemenang -47 dan 59. Berikut adalah kurva ekuitas: Lihat Lebih Banyak Tulisan Seperti Ini Bagaimana membangun sistem perdagangan posisi bagus di bawah 3 menit menggunakan Amibroker Amibroker AFL Collection Pelajari Amibroker dengan TradingMarkets: Tinjau 20 Dasar Amibroker Beli Argumen Menulis AFL untuk Pengujian Amibroker Strategi Perdagangan RSI 2 8 Amibroker Ide Perdagangan Rotasi Sistem Perdagangan Intraday Dengan Data Akhir Hari: Pivot Points Study Inilah mengapa trading forex tidak mudah (sistem perdagangan sederhana debunked) Cara Meneliti 038 Meningkatkan Sistem Perdagangan Sistem Perdagangan Sederhana Membuat 170 A Year Dimana mendapatkan sejarah Data pasar saham Amibroker JB Marwood
No comments:
Post a Comment