Idéias para construir uma estratégia de negociação robusta e o que estar ciente.
Idéias para construir uma estratégia de negociação robusta e para saber o que fazer.
Um dos motivos pelos quais os operadores amadores não ganham dinheiro é porque eles cortam seus negócios vencedores e, muitas vezes, saem de bons negócios cedo demais, à frente de sua ordem de lucro. Cortando negociações vencedoras cedo é feito porque os comerciantes não sabem realmente como interpretar o que vêem em seus gráficos, mal interpretar seus indicadores e ficar assustados com retrações insignificantes.
Nos artigos anteriores, explicamos como usar o Stochastics, as médias móveis, o indicador ADX e outros conceitos de negociação de forma eficaz. No artigo a seguir, exploramos como combinar diferentes ferramentas e conceitos de negociação para criar sua própria estratégia de negociação robusta e o que influencia tanto a taxa de vitórias quanto a expectativa de um sistema de negociação.
Construindo um sistema - combinando as ferramentas certas.
Quando os comerciantes começam a construir seus próprios sistemas, eles geralmente dependem fortemente de um único indicador, ferramenta ou formação de padrão de preço. No entanto, cada ferramenta e conceito tem suas limitações e combinar várias ferramentas para formar uma estratégia robusta pode aumentar a precisão de como você interpreta os sinais que você vê em seus gráficos. No que se segue, vamos usar três ferramentas diferentes (média móvel, estocástica e ADX) para formar nossas idéias comerciais. A razão pela qual escolhemos essas ferramentas é porque todas elas têm suas vantagens em diferentes situações e, embora este artigo não pretenda apresentar uma estratégia de negociação, queremos mostrar como combinar diferentes ferramentas para minimizar pontos fracos:
Média móvel: a média móvel atua como um filtro entre as operações de longo (preço acima da média móvel) e baixa (preço abaixo da média móvel). A média móvel será usada uma vez no período mais alto para identificar a direção dos negócios e, em segundo lugar, no prazo de execução como um filtro direcional adicional.
"... é imperativo na negociação permanecer no lado correto de uma média móvel para se dar a melhor chance de sucesso". - Marty Schwartz.
Estocástico: funciona bem em mercados variados. Sobrecarregar e sobrecompra mostrar força em uma tendência (ao contrário da crença de que as reversões de sinal de sobreposição / sobrecompra).
ADX: Quando o estocástico atinge oversold / overbought em uma tendência, o ADX assume e verifica o momentum das tendências predominantes. Geralmente, quando o estocástico entra sobre sobre-comprado e não permite uma leitura precisa, o ADX apenas atingirá o importante nível 30.
Como você pode ver, cada uma das três ferramentas tem seus próprios recursos únicos que podem ajudar os comerciantes a fazer melhores decisões comerciais e a interpretar os movimentos de preços de uma maneira nova.
A abordagem "3 de 4" para compensar pontos fracos.
Como dissemos anteriormente, quando os comerciantes dependem fortemente de uma única ferramenta, eles enfrentam problemas. Nenhum indicador e ferramenta é perfeito e, ao tomar decisões comerciais com base em um sozinho, você encontrará compromissos muito tarde ou saindo muito cedo. Embora seja impossível encontrar a entrada ou saída perfeita, ao combinar diferentes ferramentas, você poderá combater os pontos fracos das ferramentas individuais. A seguir, estamos usando a abordagem 3-fora-de-4, o que significa que precisamos de pelo menos três das nossas quatro ferramentas para concordar a fim de tomar uma decisão comercial. Quanto mais as ferramentas concordam, melhor será o sinal. Se a sua própria estratégia de negociação combina várias ferramentas e conceitos, você pode criar diferentes notas de qualidade para diferentes tipos de configuração.
1 de 4 ferramentas concordam = nenhuma decisão de negociação pode ser feita.
2 de 4 ferramentas concordam = nenhuma decisão de negociação pode ser feita.
3 de 4 concordam = sinal de negociação medíocre.
4 de 4 concordam = sinal muito forte.
Distinguir entre diferentes graus de sinais de entrada também pode aumentar sua posição e abordagem de gerenciamento de risco. Depois de ter coletado dados suficientes sobre seu desempenho comercial, você poderá dizer a diferença em winrate e expectativa entre trocas com diferentes sinais de entrada.
Negociar menos ou não, para negociações de baixa probabilidade e maior para negociações de maior probabilidade, podem até transformar uma estratégia perdedora em uma vitória. - Jack Schwager, Hedge Fund Market Wizards.
Exemplo comercial de usar diferentes critérios de filtro.
Para ilustrar o ponto deste artigo, exploraremos os conceitos usando alguns gráficos reais.
# 1 Tempo diferente de sinais de entrada.
A captura de tela abaixo mostra como a abordagem 3 de 4 poderia ter sido usada para identificar um sinal de entrada. Depois de estabelecer a direção no período de tempo mais alto, usando o filtro de média móvel, estamos procurando apenas entradas curtas no período de execução.
O ponto (1) mostra uma entrada onde apenas 2 dos três critérios restantes estão presentes; o preço está abaixo da média móvel e o indicador Stochastics está apontando para baixo também. O ADX ainda está de lado abaixo de 30 e não contribui para a idéia de comércio ainda.
No ponto (2), o preço mudou para baixo e agora o ADX está aumentando significativamente e também acima de 30, indicando impulso de tendência. Como vimos em um artigo anterior, um indicador estocástico sobrevoado sinaliza muita força durante uma tendência de baixa; NÃO é um sinal de reversão de preço! Neste ponto, todos os critérios de entrada estão presentes.
Como você pode ver, quanto mais critérios de entrada você precisa, mais tarde você geralmente receberá um sinal de entrada. Ao mesmo tempo, mais precisos serão esses sinais.
Definindo sinais de entrada. Clique para ampliar.
# 2 Diferentes posições de saída comercial.
A abordagem 3 de 4 também pode ser usada para cronometrar suas saídas. Um comerciante pode sair de uma negociação quando 2 dos 3 critérios no prazo de execução não são mais dados, ou ele pode esperar até que todos os critérios sejam alterados.
No ponto (1) os indicadores mudaram; o ADX está de volta abaixo de 30 e vai de lado e o estocástico está apontando para cima e acima de 20. A média móvel ainda está em espera e, portanto, 2 dos 3 sinais mudaram.
No ponto (3), o preço também cruza acima da média móvel, indicando que todos os critérios agora estão sinalizando uma saída.
Quanto mais critérios de saída você precisar, mais tarde sua saída será. Às vezes, você será capaz de manter um comércio lucrativo por mais tempo.
Critério de saída. Clique para ampliar.
O seguro nunca é gratuito.
Os comerciantes agora podem acreditar que as ferramentas mais que estão adicionando, mais forte e mais precisa seus sinais se tornam. Infelizmente, não é tão fácil. Quanto mais ferramentas você estiver usando, mais tempo levará para que todos concordem, porque cada ferramenta está sendo calculada de forma diferente. Portanto, quanto mais critérios você precisar para entrar em um comércio, mais tarde você verá um sinal de entrada e mais tarde você também receberá um sinal de saída real. Assim, embora você possa aumentar sua taxa de vitórias exigindo mais e mais critérios, menor será a proporção de recompensas por risco.
Construir uma estratégia de negociação com diferentes sinais de entrada é, portanto, um ato de equilíbrio entre usar a quantidade certa de critérios e ferramentas e, ao mesmo tempo, não cair em um estado de paralisia através da análise.
Aviso: as ferramentas de negociação e os indicadores mostrados são apenas para fins ilustrativos. Antes de tomar decisões comerciais, teste, avalie seus dados e confirme uma expectativa positiva.
Sem comentários.
Publicar uma resposta Cancelar resposta.
Links Rápidos.
Somos dois caras da Alemanha que ficaram cansados dos 9-a-5 e embarcaram na jornada de toda a vida, trocando e viajando onde e quando quisermos.
Estamos apaixonados por devolver, pois não estaríamos perto de onde estamos hoje, sem a ajuda de outros comerciantes veteranos que nos ajudaram no início.
Se você considerar se juntar à nossa comunidade, nós nos sentimos honrados com sua confiança e teremos certeza de que cada minuto livre que tivermos será gasto para fazer com que seu investimento valha a pena.
Disclaimer de Risco.
Usamos Unsplash. Um grande agradecimento para todos os colaboradores de Unsplash!
Ebook de ação de preço (GRATUITO)
Digite seu e-mail e obtenha acesso imediato ao ebook de ação de preço.
Estratégia de negociação robusta
Técnicas multi-mercado para estratégias de negociação robustas.
por Michael R. Bryant.
Uma das maiores preocupações entre os comerciantes sistemáticos é a estratégia de negociação excessiva. Uma estratégia de sobreposição parece ótima no back-testing, mas falha no teste para frente ou na negociação em tempo real. Existem muitos fatores que afetam se uma estratégia está ou não superada, mas um grande fator é a robustez. Neste contexto, a robustez refere-se a quão sensível é uma estratégia para as variações nos dados em que se baseia. Uma estratégia mais robusta é menos sensível às variações nos dados de preços. Em outras palavras, uma estratégia robusta funcionará bem para uma maior variedade de preços de mercado do que uma estratégia menos robusta.
Provavelmente, uma estratégia de negociação que funciona bem em uma variedade de mercados diferentes é mais robusta do que uma que funciona em apenas um desses mercados. No entanto, criar estratégias que funcionam em uma variedade de mercados é apenas uma maneira de alcançar a robustez usando uma abordagem multi-mercado para o projeto de estratégia. Este artigo discute algumas das diferentes técnicas de multi-mercado que podem ser usadas para construir estratégias comerciais mais robustas.
Insensibilidade aos preços.
O elemento-chave da robustez da estratégia em que quero focar é a insensibilidade aos preços. Insensibilidade significa que a estratégia pode negociar lucrativamente para uma grande variedade de preços. O grau de variação nos preços pode variar de pequenas diferenças, como o alto ou baixo sendo diferente por alguns carrapatos, para grandes diferenças, como mercados completamente diferentes.
Para pequenas variações, deve ficar claro que uma estratégia não deve ser tão dependente de um preço específico ou padrão de preços que, mesmo uma variação de alguns carrapatos no padrão causará a falha da estratégia. No entanto, isso pode acontecer na prática se uma estratégia for projetada para um mercado específico usando técnicas como padrões de preços em que as condições de entrada ou saída dependem de certos preços ou a relação entre preços específicos. Como o futuro nunca replica exatamente o passado, é importante não confiar em padrões tão ligados ao passado que provavelmente não serão repetidos. Na verdade, na maioria dos casos, tais "padrões" provavelmente são apenas ruídos aleatórios do mercado. Neste final do espectro de robustez, então, um objetivo valioso seria tornar as estratégias menos sensíveis ao ruído aleatório do mercado.
Técnicas para diferentes graus de robustez.
Nesta seção, vou discutir três técnicas diferentes para construir a robustez em uma estratégia comercial, cada uma focada em um grau de robustez diferente. Para ilustrar as idéias, usarei exemplos gerados pelo Adaptrade Builder, uma ferramenta de geração de código e descoberta de estratégia que crie estratégias comerciais na EasyLanguage para TradeStation e MultiCharts.
A primeira técnica, que também é mais comum, é construir uma estratégia em vários mercados, onde cada mercado é diferente. Alguns comerciantes apenas negociam estratégias de vários mercados com base na crença de que as estratégias de mercado único são muito prováveis de serem superadas. Outros comerciantes preferem se concentrar em um mercado único.
Independentemente da sua preferência, um trade-off entre robustez e desempenho deve ser esperado ao criar estratégias. Estaria perguntando demais para esperar uma estratégia destinada a negociar vários mercados para executar também em qualquer mercado dado como uma estratégia projetada especificamente para esse mercado. Por outro lado, o risco de sobreposição geralmente será maior para uma estratégia de mercado único.
No entanto, um meio termo é possível. Embora não haja nada de errado em tentar desenvolver uma estratégia que negocie de forma confiável uma cesta de mercados em grande parte não relacionados - digamos, petróleo bruto, ouro, trigo, índices de ações, forex, etc. - outra abordagem é agrupar os mercados relacionados e construir apenas os mercados em cada grupo. Vou me concentrar na última abordagem aqui.
No exemplo abaixo, criei uma estratégia em três futuros de índice de ações: E-mini S & amp; P MidCap 400 (EMD), mini Russell 2000 (TF) e E-mini S & amp; P 500 (ES). Usando cinco anos de barras diárias e assumindo US $ 25 por contrato para custos de negociação (derrapagem, comissões, etc.), eu construí uma estratégia, maximizando o lucro líquido ao mesmo tempo em que minimizamos a redução, onde o lucro líquido foi ponderado duas vezes mais do que a redução. Eu reservei os últimos 25% dos dados para testes fora da amostra. O dimensionamento da posição foi definido para usar um contrato por comércio. Os resultados são mostrados abaixo na Fig. 1.
Figura 1. Curvas de capital para uma estratégia de negociação construída em barras diárias dos mercados de futuros ES, EMD e TF.
A curva mais alta no topo representa a curva de capital combinada (carteira), enquanto as três curvas abaixo representam as respectivas curvas de equivalência patrimonial para cada mercado. É evidente a partir das curvas de patrimônio para cada mercado que a estratégia se comercializa de forma muito similar em cada mercado.
Embora os três mercados estejam relacionados e provavelmente tenham um alto grau de correlação, os preços reais são diferentes em cada série de preços. Podemos concluir que a estratégia é, portanto, insensível à variação de preços entre os mercados - funciona basicamente o mesmo em cada mercado, mesmo que os detalhes do tick-by-tick dos preços sejam diferentes para cada mercado. Isso ajuda a atingir o objetivo de tornar a estratégia insensível ao ruído aleatório do mercado, pois, presumivelmente, os elementos aleatórios serão diferentes do mercado para o mercado, mesmo em mercados relacionados.
Além disso, é razoável concluir que a lógica da estratégia está abrindo os elementos que os três mercados têm em comum. Uma vez que os três mercados são futuros do índice de ações, esses elementos estão presumivelmente relacionados à forma como o mercado de futuros de índices de ações atua nesse período de tempo.
Estratégias de Mercado Único Intraday.
Outra técnica para tornar as estratégias mais robustas é uma que pode ser aplicada a uma estratégia de mercado único em dados intradiários. Digamos que você deseja desenvolver uma estratégia comercial para barras de 5 minutos dos futuros E-mini S & amp; P 500 (ES). Se você quiser se concentrar no ES, mas está preocupado com a inadaptação de padrões espúrios nesse tamanho de barra, você pode tentar ajustá-lo simultaneamente a outros tamanhos de barras similares. Esta abordagem baseia-se na ideia de que uma estratégia que negocia, digamos, barras de 5 minutos também deve manter-se em barras de 7 minutos. Qualquer estratégia que não comercialize de forma semelhante em ambos os tamanhos de barras seria presumida ser excessiva em uma série de preços e, portanto, excluída.
Na Fig. 2, são mostrados os resultados da construção de uma estratégia em barras de 5, 7 e 9 minutos do ES (sessão diurna). Um ano de dados intradía foi utilizado e US $ 25 por contrato para custos de negociação foi assumido. As outras configurações foram as mesmas do exemplo anterior, exceto que 33% dos dados foram reservados para testes fora da amostra.
Figura 2. Curvas de capital para uma estratégia de negociação construída em barras de 5, 7 e 9 minutos do mercado de futuros da ES.
Diretamente Incluindo Ruído.
Se o objetivo é garantir que a estratégia em desenvolvimento seja insensível ao ruído do mercado, a abordagem mais direta é incluir o ruído no processo de construção. Existem várias maneiras de fazer isso. Em um artigo do meu outro boletim informativo, The Breakout Bulletin, expliquei como criar dados de preços sintéticos, ao aleatorizar certos elementos de uma série de preços existente.
Nesse artigo, eu randomizei a ordem das mudanças de preço, que preserva o preço altera-se, mas perde qualquer dependência serial nos dados. Há pelo menos duas abordagens alternativas que preservariam as correlações em série ao criar uma versão aleatoriamente modificada da série original:
Altere aleatoriamente uma determinada porcentagem de barras e, para cada barra a ser alterada, selecione aleatoriamente um preço (aberto, alto, baixo ou fechado) para modificar. Finalmente, altere o preço por uma quantia aleatória. Por exemplo, suponha que modifiquemos barras com uma probabilidade de 20%. Se uma barra for selecionada para ser modificada, podemos selecionar aleatoriamente o preço alto a ser alterado. Finalmente, mudamos o valor alto por um valor escolhido aleatoriamente entre, digamos, 0% e 10% do intervalo verdadeiro médio nas últimas 50 barras.
Aplique o método da série de preços sintéticos descrito no artigo mencionado acima, mas use um "processo de fragmentação" técnica para ajudar a preservar as correlações em série. A técnica de fragmentação agrupa as mudanças de preços para alguns números pré-selecionados de barras e aleatoriza a ordem dos pedaços. Por exemplo, suponha que o tamanho do trecho seja de 20 barras. Cada série de 20 barras é considerada um pedaço, e a ordem dos pedaços é então aleatorizada. Os troços aleatórios de mudanças de preços são então reconstituídos em uma série de preços, conforme explicado no artigo. O tamanho da peça pode ser escolhido com base em uma análise da dependência serial, se houver, nos preços originais.
Independentemente do método escolhido, a série resultante será adicionada ao portfólio, assim como nos exemplos anteriores. Uma vez que o objetivo é garantir que a estratégia resultante seja insensível aos elementos aleatórios introduzidos nos dados, pelo menos várias dessas séries de preços sintéticos devem ser adicionadas ao portfólio, além dos preços originais. As estratégias seriam então construídas sobre todas as séries, originais e sintéticas, como um portfólio.
Alcançar insensibilidade à variação de preços é uma forma de construir a robustez em uma estratégia comercial. O grau de variação de preços pode variar de flutuações aleatórias (ou seja, ruído) a preços de um mercado completamente diferente. Para desenvolver uma estratégia insensível ao desejado grau de variação de preços, a estratégia pode ser construída e testada em uma carteira de mercados consistindo na série de preços original ou alvo, juntamente com outras séries de preços que introduzem o desejado grau de variação.
As três técnicas discutidas neste artigo diferiram em como a variação de preço foi criada. A primeira técnica utilizou mercados diferentes, mas relacionados. A segunda técnica usou diferentes tamanhos de barras do mesmo mercado. A última técnica proposta usando dados de preços sintéticos gerados a partir da série original, modificando aleatoriamente elementos da série original.
Independentemente da abordagem utilizada, a idéia básica de construir estratégias de negociação para ser menos sensível aos dados usados para projetá-los e testá-los deve ajudá-lo a criar estratégias comerciais mais robustas. E uma estratégia de negociação robusta é menos provável que seja ajustada ao mercado e, portanto, é mais provável que se mantenha bem no comércio em tempo real.
* Este artigo apareceu na edição de agosto de 2012 da newsletter do Adaptrade Software.
OS RESULTADOS DE DESEMPENHO HIPOTÉTICOS OU SIMULADOS TÊM CERTAS LIMITAÇÕES INERENTES. A PARTIR DE UM REGISTRO DE DESEMPENHO REAL, OS RESULTADOS SIMULADOS NÃO REPRESENTAM A NEGOCIAÇÃO REAL. TAMBÉM, DESDE QUE OS NEGÓCIOS NÃO SEJAM REALMENTE EXECUTOS, OS RESULTADOS PODEM TENER SOB OU COMENTÁRIOS COMPLEMENTARES PARA O IMPACTO, SE HAVER, DE CERTOS FATORES DE MERCADO, TAL COMO FALTA DE LIQUIDEZ. PROGRAMAS DE NEGOCIAÇÃO SIMULADOS EM GERAL SÃO TAMBÉM SUJEITOS AO FATO QUE ESTÃO DESIGNADOS COM O BENEFÍCIO DE HINDSIGHT. NENHUMA REPRESENTAÇÃO ESTÁ FAZENDO QUE QUALQUER CONTA VÁ OU SEJA PROBABILITÁVEL PARA ALCANÇAR LUCROS OU PERDAS SIMILARES ÀOS MOSTRADOS.
Se você quiser ser informado de novos desenvolvimentos, novidades e ofertas especiais do Adaptrade Software, por favor, junte-se à nossa lista de e-mail. Obrigado.
Copyright © 2004-2015 Adaptrade Software. Todos os direitos reservados.
Estratégia de negociação robusta
Testes de estresse para estratégia de negociação Robustez.
por Michael R. Bryant.
No artigo sobre estratégias de negociação em vários mercados, discuti o conceito de robustez, que descrevi como insensibilidade a variações nos dados em que a estratégia se baseia. Construir um sistema de negociação em múltiplos mercados é uma forma de aumentar a robustez. No entanto, e se você já tiver uma estratégia e quer ver como é robusto?
Testar uma estratégia de negociação para a robustez é muitas vezes referido como análise de sensibilidade, ou mais coloquialmente como teste de estresse. A idéia básica é ver o que acontece quando pequenas mudanças são feitas para os insumos de estratégia, dados de preços ou outros elementos da estratégia ou do ambiente de negociação. Uma estratégia robusta apresenta uma reação proporcional e relativamente silenciosa a tais mudanças, ao passo que uma estratégia que não é robusta reagirá de forma desproporcional e, às vezes, falhará de forma definitiva quando pequenas mudanças forem feitas em suas entradas ou ambiente.
Por que isso é importante?
Simplificando, a robustez é importante porque os mercados nunca ficam iguais. Pegue as entradas estratégicas, por exemplo. Entradas como o comprimento de look-back para uma média móvel podem ser ótimas durante o período de back-test, mas, em frente, diferentes valores podem ser ótimos. Queremos saber o quão bem a estratégia irá executar quando as entradas não são mais ótimas. Uma maneira de resolver isso é ver como os resultados mudam quando os valores de entrada são alterados.
Conforme explicado no artigo anterior, a idéia de robustez está relacionada à sobreposição da estratégia. Queremos garantir que a estratégia não tenha sido tão ajustada ao mercado durante o processo de desenvolvimento que não pode suportar quaisquer mudanças no mercado. De um modo geral, podemos testar isso mudando o mercado, mudando a estratégia ou ambos. Uma estratégia que não resiste bem a mudanças relativamente pequenas não é robusta e é provável que seja excesso de ajuste. Essa estratégia não deve ser bem sucedida no futuro.
Tipos de teste de estresse.
Existem muitas maneiras diferentes de que uma estratégia possa ser testada pelo estresse. Podemos fazer mudanças na própria estratégia ou nos dados de preços nos quais o testamos de volta. Podemos alterar os custos de negociação, como a quantidade de deslizamento, ou alterar o dimensionamento da posição. Em princípio, qualquer coisa que afete os resultados do back-testing de estratégia pode ser variada. Neste artigo, serão discutidos os seguintes três tipos de testes de estresse:
Alterando as entradas da estratégia.
Fazendo pequenas mudanças nos preços individuais.
Alterando a barra inicial.
O raciocínio para alterar os insumos da estratégia foi discutido acima. Para alterá-los, uma porcentagem será escolhida aleatoriamente entre - Max e + Max, onde Max pode estar na ordem de 1% ou 5%. Essa porcentagem será aplicada ao intervalo de valores para cada entrada. Por exemplo, se escolhermos o comprimento de look-back para um indicador do intervalo de valores de 1 a 100, então o intervalo seria de 100, e a porcentagem de alteração escolhida aleatoriamente seria aplicada a 100. O valor da mudança, positivo ou negativo, seria então adicionado ao valor de entrada original para torná-lo maior ou menor por esse valor. Também especificaremos um valor de alteração mínimo possível, como 1 para o valor para alterar um comprimento de lookback do indicador. Dessa forma, se a porcentagem de alteração aleatória for um número pequeno, a entrada ainda será alterada.
Uma maneira que uma estratégia pode ser excessiva e, portanto, não robusta, é se for ajustada demais aos preços específicos no back-test. Por exemplo, se a estratégia entrar longamente em uma parada e vários negócios grandes e rentáveis entrarem no alto preço do dia, isso deve aumentar a bandeira vermelha. Como os resultados pareceriam se o alto tivesse sido um ponto mais baixo naqueles dias? Se essa pequena mudança arruinar os resultados, a estratégia claramente não é robusta. Uma técnica de teste de estresse para detectar esse tipo de ajuste excessivo é fazer alterações aleatórias nos preços individuais e avaliar os resultados.
Para alterar aleatoriamente os dados de preço, usaremos duas configurações. Uma é a probabilidade de mudar um preço. Por exemplo, se a probabilidade for 50%, isso significa que há 50% de chance de que qualquer preço - aberto, alto, baixo, fechamento de cada barra - seja alterado. A segunda configuração é a alteração de porcentagem máxima que será aplicada a um preço que está sendo alterado. Tal como acontece com os valores de entrada, a quantidade real da alteração é escolhida aleatoriamente entre - Max e + Max, onde Max é a variação máxima do preço percentual. O valor de Max é tomado como uma porcentagem do intervalo verdadeiro médio nas últimas 100 barras. Por exemplo, se o intervalo médio real for 10 pontos e a alteração percentual máxima for 20%, o valor da alteração será um número escolhido aleatoriamente entre -2 e +2 pontos. Digamos que o número atual é de -1,25 pontos e o preço de fechamento é de 1250,50. O fechamento modificado seria então 1249,25. Finalmente, é possível que a alteração de um preço invalide o pedido de preços normal, como a redução do aberto, de modo que esteja abaixo da baixa. Para evitar isso, os preços podem precisar ser ajustados depois de fazer a mudança para manter aberto e fechado dentro da faixa alta / baixa.
O último método de teste de estresse que será discutido envolve mudar a barra de partida. Provavelmente é óbvio que uma boa estratégia não deve desmoronar quando você inicia o back-test em uma barra diferente. Pode ser menos óbvio como isso pode acontecer. Considere uma estratégia hipotética que entra muito tempo em um crossover médio móvel. Em seguida, mantém o comércio exatamente cinco barras antes de sair no mercado. Deixando de lado a adequação da lógica, imagine o que a história do comércio pode parecer em um gráfico de preços. Se a condição de entrada média móvel usar um cruzamento médio de curto prazo acima de uma média de longo prazo, é perfeitamente possível que, em uma tendência ascendente sustentada, a condição de entrada possa ser verdadeira por um longo período de tempo; isto é, a média de curto prazo pode ser maior que a média de longo prazo para muitos bares seguidos.
Se o back-test fosse iniciado durante esse período, o primeiro comércio entraria no próximo bar após a barra inicial, e cada troca duraria cinco barras, seguido imediatamente pela próxima entrada, e assim por diante. Agora, considere o que aconteceria se a barra de partida fosse alterada. Se a barra inicial fosse uma barra depois, por exemplo, toda a série de trades seria deslocada para uma barra à direita. É perfeitamente possível que algumas dessas séries de negócios de cinco barras sejam muito mais rentáveis do que outras, dependendo de como os negócios se alinharam com qualquer ciclo de tendência subjacente de cinco barras que existia. Então, dependendo da barra inicial, a estratégia pode ser altamente rentável ou não lucrativa por causa de onde os negócios começaram e terminaram. Pode não ser óbvio durante o desenvolvimento que a lógica de estratégia tenha esse tipo de dependência na barra inicial, particularmente para tipos de lógica mais complexos.
Para testar o efeito da barra de partida, a barra na qual o back-test da estratégia será iniciada será variada por um número aleatório escolhido entre 1 e N. No exemplo abaixo, N foi escolhido para ser 300. Então, a barra de partida foi variado adicionando um número escolhido aleatoriamente entre 1 e 300 para o número da barra de partida original.
Uma abordagem de Monte Carlo.
Variar as entradas, os preços ou a barra inicial por um valor aleatório fornece apenas uma alternativa para comparar com os resultados originais. Para obter uma imagem mais completa de quão robusta é uma estratégia, podemos repetir o processo muitas vezes até termos uma distribuição de resultados. De um modo geral, a variação das variáveis de entrada aleatoriamente em uma grande quantidade de iterações para gerar uma distribuição estatística de resultados para a função que depende dessas entradas é chamada de análise de Monte Carlo.
Neste caso, a função é a estratégia de negociação e as entradas de função são as entradas de estratégia, os preços de mercado e / ou a barra de partida. Ao repetir o teste de estresse muitas vezes, acabamos com vários conjuntos de resultados comerciais. Para entender como o processo de Monte Carlo funciona, considere o exemplo mostrado na Fig. 1.
Figura 1. Curva de patrimônio inicial para uma estratégia de negociação forex.
A curva de equidade descrita na Fig. 1 é para uma estratégia de negociação desenvolvida para o mercado cambial EURUSD em barras diárias, com um lote padrão (100,000) por comércio e US $ 50 por lote para custos de negociação. Esta é uma das estratégias de bônus incluídas no Adaptrade Builder. Ele foi desenvolvido em março de 2010. Os últimos 100 ou mais negócios foram desde o lançamento, o que mostra que ele resistiu bem em rastreamento fora da amostra em tempo real.
Para ilustrar como os resultados do teste de estresse podem ser analisados usando uma abordagem de Monte Carlo, considere os resultados do teste de estresse na estratégia de forex nos dados de preços, como mostrado na Fig. 2, que representa um total de 20 curvas de equidade, 19 das quais correspondem a um conjunto diferente de dados de preços modificados aleatoriamente. * A série de preços original para o EURUSD foi modificada 19 vezes como descrito acima, usando uma probabilidade de mudança de preço de 50% com uma porcentagem máxima de mudança de 20%. Juntamente com a curva original, mostrada como a linha verde mais espessa, há um total de 20 conjuntos de resultados. O número total foi mantido tão pequeno quanto possível para fins ilustrativos; mais iterações serão usadas abaixo nos exemplos restantes.
Figura 2. Estresse testando a estratégia forex, variando os dados de preços 19 vezes.
O lucro líquido total correspondente a cada curva de patrimônio na Figura 2 é o seguinte:
O valor mais alto, $ 147.855, corresponde ao arquivo original de dados de preço. O valor mais baixo é $ 50,201. Em uma análise de Monte Carlo, podemos perguntar qual é o lucro líquido com um grau de confiança especificado, dada a variação nos resultados. Um nível de confiança de 95% é típico, o que significa que haveria 5% de chance de o lucro líquido ser inferior ao nosso valor selecionado. Para obter o valor do lucro líquido com 95% de confiança, a lista acima é classificada de maior a menor, e o valor de 95% do caminho abaixo é selecionado. Uma vez que temos 20 itens na lista, selecionamos o 19º item na lista ordenada, o que seria um lucro líquido de $ 68,459; ou seja, o segundo valor mais baixo na lista.
Podemos interpretar este resultado da seguinte forma: se a randomização dos dados de preços é representativa do tipo de diferenças aleatórias que esperamos no mercado, podemos esperar que 95% do tempo, o lucro líquido será de pelo menos US $ 68.459.
A mesma abordagem pode ser aplicada a qualquer métrica de desempenho que possamos acompanhar. Se a métrica é aquela em que um valor mais baixo é melhor, como o rebaixamento máximo, a lista seria ordenada na ordem oposta, antes de selecionar o valor 95% abaixo da lista.
Exemplos de testes de estresse.
Agora considere um exemplo mais representativo, no qual um total de 100 amostras foram geradas para a análise de Monte Carlo. A figura 3 mostra as diferentes curvas de equidade resultantes da variação do arquivo de preços 99 vezes (mais a curva original).
Figura 3. Teste de estresse na estratégia forex ao variar os dados de preço 99 vezes, para um total de 100 curvas de equivalência.
Aplicando a abordagem de Monte Carlo para os resultados do teste de estresse, os resultados na Tabela 1 foram gerados com 95% de confiança (mostrados próximos aos resultados para os dados originais para comparação).
Tabela 1. Testes de estresse da estratégia de forex, variando os dados de preço.
Como esperado, os resultados de Monte Carlo de modificar os dados de preços mostram uma redução no desempenho em comparação com os resultados dos dados de preços originais. No entanto, os resultados do teste de estresse ainda são positivos, indicando que a estratégia é pelo menos moderadamente robusta.
Na Fig. 4, abaixo, a mesma abordagem foi aplicada aos valores de entrada da estratégia. A porcentagem de modificação foi estabelecida em 1%, o que, para muitas entradas, significou que o valor da alteração mínima foi aplicado. Todos os insumos foram modificados pelo menos a quantidade mínima para cada avaliação. A curva de equidade original é mostrada perto da parte superior do gráfico como a linha verde mais espessa. Em comparação com os resultados das modificações de preços, a modificação dos inputs da estratégia teve um efeito mais forte no desempenho.
Figura 4. Teste de estresse na estratégia forex variando os insumos da estratégia 99 vezes, para um total de 100 curvas de equidade.
Os resultados de Monte Carlo para a mesma amostra de métricas de desempenho como acima são mostrados na Tabela 2 abaixo, que inclui os resultados para os valores de entrada originais.
Tabela 2. Teste de estresse da estratégia de forex, variando as entradas da estratégia.
Os resultados da variação da barra de partida para a mesma estratégia forex são mostrados abaixo na Fig. 5. Comparado com os resultados dos outros dois testes, observa-se relativamente pouco efeito ao variar a barra de partida, sugerindo que a estratégia é principalmente insensível a esta variável.
Figura 5. Teste de estresse na estratégia forex variando a barra de partida 99 vezes, para um total de 100 curvas de equivalência.
Os resultados de Monte Carlo a partir deste teste são mostrados na Tabela 3 abaixo, onde são comparados aos resultados da barra de partida original.
Tabela 3. Teste de estresse na estratégia forex variando a barra de partida.
Também é possível modificar tudo em conjunto ou modificar combinações de variáveis, como modificar as entradas da estratégia ao mesmo tempo que os dados do preço. Na Fig. 6, abaixo, os três testes de estresse foram realizados em conjunto. Isso significa que as entradas de estratégia, os dados de preço e a barra de início foram modificados aleatoriamente ao mesmo tempo antes de avaliar a estratégia.
Figura 6. Teste de estresse na estratégia forex, variando a barra inicial 99 vezes, para um total de 100 curvas de equivalência.
Claramente, essa combinação de testes de estresse é um teste severo da robustez da estratégia. Uma ou duas das curvas de equidade mostradas na Fig. 6 parecem mostrar um lucro líquido negativo negativo (ou quase). Apenas uma curva de capital se aproxima da original. Os resultados de Monte Carlo com base neste teste são mostrados abaixo na Tabela 4.
Tabela 4. Estresse testando a estratégia forex, variando os dados de preços, insumos de estratégia e barra de partida.
Sumário e conclusões.
O excesso de ajuste é sempre uma preocupação ao desenvolver uma estratégia de negociação. Os chamados testes de estresse medem o quão robusta é uma estratégia de negociação, o que é uma indicação de se a estratégia está ou não ajustada. Embora qualquer variável que afete os resultados de uma estratégia comercial possa potencialmente ser objeto de um teste de estresse, este artigo enfocou três fatores importantes na determinação dos resultados do back-test: os dados do preço, os valores de entrada da estratégia e a barra inicial para o back - teste.
A estratégia utilizada para ilustrar cada teste de estresse demonstrou robustez moderada em relação aos dados de preços e valores de entrada e boa robustez em relação à barra de partida. Vale a pena notar que a estratégia de exemplo teve um histórico de três anos de resultados positivos de rastreamento em tempo real, e, em alguns casos, os resultados do teste de estresse foram pior do que os resultados reais fora da amostra alcançados pela estratégia. Isso sugere que os testes de estresse podem ter sido muito severos nesses casos. Isto foi particularmente evidente quando os três testes foram combinados, como mostrado na Fig. 6 e na Tabela 4.
O teste de estresse para as entradas da estratégia pode ter sido irrealista rigoroso na medida em que modificou todas as entradas para cada iteração do teste. Uma melhor abordagem pode ser aplicar o mesmo método usado para modificar os dados de preço, nos quais um preço foi modificado com uma probabilidade especificada. Em vez de modificar todas as entradas a cada vez, uma probabilidade poderia ser aplicada para determinar se uma determinada entrada deveria ser modificada. Se assim for, seria modificado da maneira descrita acima; caso contrário, a entrada não seria modificada.
Foi mostrado como os resultados do teste de estresse poderiam ser analisados usando a análise de Monte Carlo. Isso nos permitiu quantificar os resultados e fornecer uma estimativa de desempenho geralmente mais conservadora do que os resultados do back-test com base nos dados originais.
O foco do artigo foi testar uma estratégia de negociação depois que ela foi desenvolvida. Em princípio, no entanto, a mesma abordagem poderia ser usada como parte do processo de desenvolvimento da estratégia. No Adaptrade Builder, as estratégias são desenvolvidas com base no desempenho do back-test no período in-sample. Em vez de usar o desempenho obtido de back-testing da estratégia sobre os dados originais, o Monte Carlo resulta em 95% de confiança do teste de estresse. As principais estratégias da população seriam as que apresentariam os melhores resultados de Monte Carlo, que tendem a levar a população a estratégias robustas. Infelizmente, se cada análise de Monte Carlo fosse baseada em simulações de N, o processo de compilação levaria N vezes o tempo usando essa abordagem.
Juntamente com os testes fora da amostra e outros métodos discutidos nesta série de artigos, o teste de estresse fornece outra ferramenta para ajudar a identificar estratégias de negociação robustas e evitar ajustes excessivos. Se for aplicado como parte do processo de avaliação da estratégia, o teste de estresse pode ajudar a eliminar estratégias que são excessivamente sensíveis às mudanças no ambiente comercial, o que poderia ajudar a evitar perdas e aumentar suas chances de sucesso nos mercados.
* Todos os testes de estresse foram realizados usando Adaptrade Builder.
Este artigo foi publicado na edição de março de 2013 do boletim da Adaptrade Software.
OS RESULTADOS DE DESEMPENHO HIPOTÉTICOS OU SIMULADOS TÊM CERTAS LIMITAÇÕES INERENTES. A PARTIR DE UM REGISTRO DE DESEMPENHO REAL, OS RESULTADOS SIMULADOS NÃO REPRESENTAM A NEGOCIAÇÃO REAL. TAMBÉM, DESDE QUE OS NEGÓCIOS NÃO SEJAM REALMENTE EXECUTOS, OS RESULTADOS PODEM TENER SOB OU COMENTÁRIOS COMPLEMENTARES PARA O IMPACTO, SE HAVER, DE CERTOS FATORES DE MERCADO, TAL COMO FALTA DE LIQUIDEZ. PROGRAMAS DE NEGOCIAÇÃO SIMULADOS EM GERAL SÃO TAMBÉM SUJEITOS AO FATO QUE ESTÃO DESIGNADOS COM O BENEFÍCIO DE HINDSIGHT. NENHUMA REPRESENTAÇÃO ESTÁ FAZENDO QUE QUALQUER CONTA VÁ OU SEJA PROBABILITÁVEL PARA ALCANÇAR LUCROS OU PERDAS SIMILARES ÀOS MOSTRADOS.
Se você quiser ser informado de novos desenvolvimentos, novidades e ofertas especiais do Adaptrade Software, por favor, junte-se à nossa lista de e-mail. Obrigado.
Copyright © 2004-2015 Adaptrade Software. Todos os direitos reservados.
Uma estratégia robusta versus uma estratégia de robô.
Existem várias opções abertas a novos operadores que procuram uma rota para a negociação. Eles podem se inscrever para um sistema de robôs, eles podem ensinar-se através de tentativa e erro, ou podem aprender com comerciantes mais experientes.
Robot Strategies.
As estratégias de robô vêm com muitos nomes: caixa preta, algorítmica ou cópia comercial para citar alguns. A única coisa que eles têm em comum é que você não saberá completamente como os sinais são gerados. Você depende do desempenho do passado para prever o sucesso futuro e se a estratégia deixar de funcionar, você não tem idéia do que reduzir para esperar antes de começar a funcionar de novo.
Ocasionalmente, você tem dados vagos sobre os tipos de condições de mercado apropriadas para a implementação bem-sucedida da estratégia. E você pode até saber quais os indicadores de mercado & # 8211; embora não seja o que configurações & # 8211; são usados para criar os sinais.
Os sistemas algorítmicos são geralmente aqueles que são gerados a partir de programas de computador & # 8211; embora na realidade qualquer conjunto sistemático de regras seja tecnicamente um algoritmo.
Esses sistemas são rigorosamente testados para obter os maiores lucros # 8211; mas a um custo. E o custo não é necessariamente nas taxas mensais ou mensais cobradas (que podem variar de algumas centenas de dólares a muitos milhares de dólares).
Existem duas principais desvantagens para o comércio de robôs:
A maioria das estratégias de robôs são vigorosamente testadas e # 8211; às vezes com mais de 10 anos de dados, mas muitas vezes muito menos. Será muito preciso, mas esta também é a sua fraqueza "# 8211; Para obter o maior lucro dos mercados, o algoritmo será ajustado continuamente para se ajustar aos dados de volta. Isso é chamado de ajuste de curva. Qualquer um que tenha mesmo uma pequena quantidade de conhecimento comercial sabe que é fácil, com retrospectiva, ver os melhores lugares para entrar e sair de negócios. É saber o que fazer NESTE MOMENTO que apresenta desafios.
Se o algoritmo é criado usando dados de um mercado altista forte, por exemplo, pode não ser rentável se o mercado se desligar ou se inverter em um mercado de baixa. Mas se não lhe disseram quais as condições são ótimas para o algoritmo, como você sabe quando parar de usá-lo?
A segunda fraqueza dos sistemas de robô são os analistas. Embora a maioria dos sistemas se origine com a estratégia comprovada de um comerciante, ele terá que ser modificado de alguma forma para abordar o volume de negócios que ele irá gerar. Uma vez que entra nas mãos dos analistas, no entanto, isso inevitavelmente mudará sua natureza. Os analistas são analistas # 8211; não necessariamente comerciantes. Para lucros ótimos, por exemplo, eles podem decidir que uma redução de 90% é aceitável para um retorno de 100%. Há muito poucos comerciantes que achariam isso aceitável # 8211; em teoria, sim, mas na prática seria muito difícil manter essa sucessão de negociações perdedoras.
TDT Dica: se você está interessado em ser um comerciante, você deve aprender como negociar. Seguindo, cegamente, alguém se esforça para a estratégia # 8211; com sua única decisão de copiar ou não "# 8211" não vai fazer você um comerciante. Você é dependente desse sistema para continuar fornecendo para você para sempre.
Estratégias robustas.
Uma estratégia robusta é aquela em que você entende seus componentes, está provada que funciona e você se sente confortável em implementá-la.
Se você entender completamente sua estratégia e como ela é construída, você saberá como ela reagirá a determinadas condições de mercado e, se necessário, quando desativá-la e se afastar do mercado.
Uma pedra de tropeço para muitos comerciantes novos, que seguem esta rota, é que, embora entendam a construção de sua estratégia, podem não entender os componentes. Por exemplo, o estocástico é um indicador de gráficos popular, mas você poderia explicar como ele é calculado & # 8211; para um leigo & # 8211; em apenas 20 palavras? No entanto, milhares de traders confiam neste indicador para entrar no & # 8211; e fora # 8211; de trades todos os dias (ou mesmo várias vezes por dia!).
Dica TDT: estratégias de negociação simples são mais eficazes do que estratégias complicadas. Leia o meu artigo "O seu quadro está iluminado como uma árvore de Natal?".
Se você não entender como um indicador é calculado, evite usá-lo. Confie na sua estratégia é essencial para o sucesso comercial.
Se você estiver usando a estratégia de outro comerciante (com sua permissão, é claro!) Você deve ter acesso total a como funciona & # 8211; e aproveite o tempo para compreendê-lo completamente e todos os seus componentes.
Normalmente, ao usar pela primeira vez a estratégia de alguém, você começa com fé completa. Afinal, pertence a alguém que ganhou dinheiro usando isso. Mas se você não tiver tempo para entender como funciona em sua totalidade, depois de um tempo, & # 8211; ou alguns trades perdidos & # 8211; você começará a duvidar de sua eficácia.
Você deve ser claro quanto às condições de mercado que foi projetado para & # 8211; não existe uma estratégia genérica que possa funcionar independentemente, então você deve se certificar de que você entende isso. Finalmente, você deve implementá-lo corretamente. Você pode precisar de suporte contínuo para isso, por isso tenha isso em mente no início.
Pense cuidadosamente em usar a estratégia de outro comerciante. Certifique-se de que sua filosofia está alinhada com a deles. FYI "Get Rich Quick" não é uma filosofia válida. Pense muito sobre seus objetivos de longo prazo e os retornos mínimos aceitáveis para você. Seja realista em quanto tempo demorará para dominar tanto você quanto os mercados.
Conclusão.
O comércio não é fácil, mas é simples, embora muitas vezes seja complicado. Compreender plenamente sua estratégia de negociação é um componente essencial da negociação bem sucedida para comerciantes privados. Ganhe uma vantagem comercial ao aprender seus componentes de estratégia, as condições de mercado ótimas em que funciona e quando é melhor deixar de lado para preservar seu capital.
Desejando-lhe toda a negociação bem sucedida & # 8230;
Sobre Anne Chapman.
Trackbacks / Pingbacks.
Jay - 24 de outubro de 2014.
Testemunhos.
Apenas para que você saiba, também estamos fazendo bem com nossa negociação desde o Ano Novo, acumulamos cerca de 3000 pips usando as estratégias MoBo e Pullback. Os webinars semanais realmente ajudam e nos concentram na semana seguinte. As várias estratégias mecânicas mostradas para o comércio em diferentes condições de mercado adicionaram novas dimensões à nossa negociação. Os e-mails diários e as atualizações do Twitter são muito úteis, especialmente a partir de uma perspectiva psicológica. Esperamos que você continue com eles.
3000 Pips Profit.
Conheci Javid e Anne por pelo menos cinco anos e tive um vago conhecimento do que fizeram com a negociação até mais recentemente. Através de conversas regulares com Javid e Anne, eu gradualmente aprendi mais sobre negociação e quanto mais eu aprendi, mais eu queria aprender e assim desenvolver a partir daí.
Eu acredito que, pelo menos uma vez na vida de todos, uma oportunidade se apresentará. Eu imagino que a maioria das pessoas (eu incluí) perca muitos deles, mas eu sabia que isso # 8211; calculado & # 8211; O risco valia a pena tomar e eu me comprometi com a negociação. O treinamento de Javid e Anne é claro, abrangente e inspirador. My rationale was that if I didn’t do this now I would regret it for the rest of my life.
Javid and Anne’s relaxed and friendly nature coupled with their seemingly infinite knowledge of trading made the learning process easy. Javid’s mantra “It isn’t difficult but it’s not easy” is about right. In the last 4 months I have almost tripled my trading account, though I have to confess it is only a micro account! A year has flown by since I started and I guess a full sized account must now beckon.
Tripled my Trading Account.
It has taken me two and a half years to learn to trade well enough to consistently make more money than when I was working. It has not been easy, I have had many sleepless nights wondering if I could do it. I have been close to giving up a couple of times when I have had a number of losing trades in succession without proper money management, which can seriously hurt your account! I cant tell you how happy I am that despite everything the markets threw at me I kept on going back and trying harder, spending more hours in front of my computer, analysing charts and back testing trading systems. The one thing that gave me the confidence and most of all the BELIEF that I could succeed was that I knew people who were trading successfully and living off their profits, predominantly Javid, he has shown me trading methods and systems to help me to succeed and been my mentor when I needed help. I cant thank him enough for the help and time he has made available to me.
All of you by visiting this website know it is possible, and I hope that what I write gives some of you that are maybe thinking of giving up, the self belief to continue because it is possible to succeed. I have now been retired for nearly 3 weeks and I am averaging 300 pips per week, which is enough for me to live comfortably on, but I was still apprehensive that if I had a bad couple of weeks I would struggle. This apprehensiveness was blown out of the water on Thursday, I was 500 pips up for the day by 10am. I then locked in my profits and took the dog up the fells for the day. When I got home at close of play I had made 1030 pips in one day, I made in one day what I used to earn in two months!! Thank you Javid for all your help, I couldn’t have done it without you.
Barry (ex turkey catcher).
© 2017 The Dynamic Trader. Todos os direitos reservados.
Dynamic Trader. Fetcham Park, Lower Road, Fetcham. Surrey. KT22 9HD.
Estratégia de negociação.
Why thousands of investors and affiliate partners choose Stamford Trading Technologies.
THE BEST CONDITIONS FOR OUR PARTNERS AND CLIENTS.
Notícias da empresa.
ROBUST INVESTMENT STRATEGY.
Stamford Trading Technologies, LP. are the developers of our own robust investment strategy in the binary options market.
CryptoTrading: Exceptional Investment Returns.
Since 2018, the Company presents the investment programs in CryptoTrading Category, that implement the advantages of innovative solutions..
NINE TYPES OF INVESTMENT PROGRAMS.
A wide range of investment programs that meet different investment aims and objectives are available to the Investors and Partners..
DIVERSIFICATION OF RISKS.
Stamford Trading Technologies, LP. trading strategy has been worked out to ensure the best possible diversification of investment risks.
HIGH PAYING AFFILIATE PROGRAM.
Stamford Trading Technologies, LP. affiliate partners are offered a highly beneficial affiliate program with broad opportunities to build your own business and ensure your career growth.
Building robust strategies.
Backtesting a quantitative trading strategy is essential in measuring its potential, but as everyone knows, past performance is not necessarily indicative of future results.
The key to determining the performance of successful — on paper—strategies, is its robustness. Robustness in trading is the property of a trading strategy either to adapt to or to withstand changes in the market, and therefore maintain positive gains. The ultimate check of a trading strategy’s robustness is live trading. Isso leva tempo. Is there A method to test the robustness of a strategy based only on past data? Possivelmente.
Quantitative traders frequently use statistical methods to assess the robustness of a trading strategy.
If the strategy meets certain statistical criteria then it should maintain its performance. Typically, these criteria include requirements for the number of trades, distribution of returns on a trade-by-trade basis and over a long period of time. Various integral metrics like a strong Sharpe and Sortino ratio also help.
But, regardless of the complexity of these metrics, most often the key robustness assessment criterion can be reduced to a relatively simple requirement: That the distribution of returns over time is as linear as possible. This means that a strategy delivers a similar return pattern during a given period, and therefore because the strategy performs equally well during different market environments, it can be expected to perform well when the market environment changes again in the future.
The opponents of this approach always point to examples when a strategy that performed perfectly on past data fails. Unfortunately, these examples are numerous, and this adds to the opinion that no past performance data can guarantee the future performance.
While past data cannot guarantee future results, there are better and worse ways to measure simulated strategies. What we need to add to the analysis of robustness, and what most pure statistical methods lack, is the analysis of the past performance relative to market processes exploited by this strategy, and changes in performance relative to changes in these market processes.
For example, let’s consider a strategy that utilizes inefficiencies in the spot forex market, which regularly occur at certain times thanks to specific bank operations (around opening, settlement, clearing and so on). If the market environment is stable, a simple time-based strategy can work well. However, if it changes, the strategy performance will suffer. To avoid significant drawdowns, we should know what factors could change the environment. For forex, this could be banking rules that alter established banking operations. In late 2012-early 2013, strategies built prior to rule changes may no longer work, and not because of backtest statistics.
Even in development it is possible to test a strategy given sufficient historical data that refers to a similar market environment in history. Although there was no strict similarity between any past change in regulations and today’s processes, during 2006-2007 similarly significant changes could be observed. Therefore testing a strategy during this period would have provided an idea about possible performance when the regulations undergo new changes.
A weak equity curve during 2006-2007 would prove the concept of the strategy, rather than signify a flaw in its logic. And an attempt to fit the strategy to all known historical data, including the period when it should not work by design, will weaken it due to curve fitting.
Statistical methods of robustness assessment are not sufficient to produce any more or less useful prognosis of the future performance. It is essential to start with understanding the reasons why a particular strategy makes money; the real, physical market processes that are exploited by this strategy. Then, knowing the factors that may affect these market processes, and knowing how similar factors affected the market in the past, we will have a betterassessment of the strategy’s robustness. Understanding why the strategy makes money allows us to stop trading that strategy at early stages when the market environment that the strategy was successful in is likely to change, and therefore will not produce positive results.
From this standpoint an acceptable strategy may exhibit an unpleasant equity curve, but at the same time may be quite robust in terms of its capability of working under the right market conditions in the future. And smoothness of returns within this model is achieved by identifying the best market conditions it works under and employing it at those times.
By combining quantitative and qualitative analysis you can build and execute robust, long-lasting models.
Sobre o autor.
Alex Krishtop is an expert in systematic and automated trading. He is the director of education at Algorithmic Traders Association and runs an exclusive educational course in systematic trading. atassn.
Testes de estresse para estratégia de negociação Robustez.
por Michael R. Bryant.
No artigo sobre estratégias de negociação em vários mercados, discuti o conceito de robustez, que descrevi como insensibilidade a variações nos dados em que a estratégia se baseia. Construir um sistema de negociação em múltiplos mercados é uma forma de aumentar a robustez. No entanto, e se você já tiver uma estratégia e quer ver como é robusto?
Testar uma estratégia de negociação para a robustez é muitas vezes referido como análise de sensibilidade, ou mais coloquialmente como teste de estresse. A idéia básica é ver o que acontece quando pequenas mudanças são feitas para os insumos de estratégia, dados de preços ou outros elementos da estratégia ou do ambiente de negociação. Uma estratégia robusta apresenta uma reação proporcional e relativamente silenciosa a tais mudanças, ao passo que uma estratégia que não é robusta reagirá de forma desproporcional e, às vezes, falhará de forma definitiva quando pequenas mudanças forem feitas em suas entradas ou ambiente.
Por que isso é importante?
Simplificando, a robustez é importante porque os mercados nunca ficam iguais. Pegue as entradas estratégicas, por exemplo. Entradas como o comprimento de look-back para uma média móvel podem ser ótimas durante o período de back-test, mas, em frente, diferentes valores podem ser ótimos. Queremos saber o quão bem a estratégia irá executar quando as entradas não são mais ótimas. Uma maneira de resolver isso é ver como os resultados mudam quando os valores de entrada são alterados.
Conforme explicado no artigo anterior, a idéia de robustez está relacionada à sobreposição da estratégia. Queremos garantir que a estratégia não tenha sido tão ajustada ao mercado durante o processo de desenvolvimento que não pode suportar quaisquer mudanças no mercado. De um modo geral, podemos testar isso mudando o mercado, mudando a estratégia ou ambos. Uma estratégia que não resiste bem a mudanças relativamente pequenas não é robusta e é provável que seja excesso de ajuste. Essa estratégia não deve ser bem sucedida no futuro.
Tipos de teste de estresse.
Existem muitas maneiras diferentes de que uma estratégia possa ser testada pelo estresse. Podemos fazer mudanças na própria estratégia ou nos dados de preços nos quais o testamos de volta. Podemos alterar os custos de negociação, como a quantidade de deslizamento, ou alterar o dimensionamento da posição. Em princípio, qualquer coisa que afete os resultados do back-testing de estratégia pode ser variada. Neste artigo, serão discutidos os seguintes três tipos de testes de estresse:
Alterando as entradas da estratégia.
Fazendo pequenas mudanças nos preços individuais.
Alterando a barra inicial.
O raciocínio para alterar os insumos da estratégia foi discutido acima. Para alterá-los, uma porcentagem será escolhida aleatoriamente entre - Max e + Max, onde Max pode estar na ordem de 1% ou 5%. Essa porcentagem será aplicada ao intervalo de valores para cada entrada. Por exemplo, se escolhermos o comprimento de look-back para um indicador do intervalo de valores de 1 a 100, então o intervalo seria de 100, e a porcentagem de alteração escolhida aleatoriamente seria aplicada a 100. O valor da mudança, positivo ou negativo, seria então adicionado ao valor de entrada original para torná-lo maior ou menor por esse valor. Também especificaremos um valor de alteração mínimo possível, como 1 para o valor para alterar um comprimento de lookback do indicador. Dessa forma, se a porcentagem de alteração aleatória for um número pequeno, a entrada ainda será alterada.
Uma maneira que uma estratégia pode ser excessiva e, portanto, não robusta, é se for ajustada demais aos preços específicos no back-test. Por exemplo, se a estratégia entrar longamente em uma parada e vários negócios grandes e rentáveis entrarem no alto preço do dia, isso deve aumentar a bandeira vermelha. Como os resultados pareceriam se o alto tivesse sido um ponto mais baixo naqueles dias? Se essa pequena mudança arruinar os resultados, a estratégia claramente não é robusta. Uma técnica de teste de estresse para detectar esse tipo de ajuste excessivo é fazer alterações aleatórias nos preços individuais e avaliar os resultados.
Para alterar aleatoriamente os dados de preço, usaremos duas configurações. Uma é a probabilidade de mudar um preço. Por exemplo, se a probabilidade for 50%, isso significa que há 50% de chance de que qualquer preço - aberto, alto, baixo, fechamento de cada barra - seja alterado. A segunda configuração é a alteração de porcentagem máxima que será aplicada a um preço que está sendo alterado. Tal como acontece com os valores de entrada, a quantidade real da alteração é escolhida aleatoriamente entre - Max e + Max, onde Max é a variação máxima do preço percentual. O valor de Max é tomado como uma porcentagem do intervalo verdadeiro médio nas últimas 100 barras. Por exemplo, se o intervalo médio real for 10 pontos e a alteração percentual máxima for 20%, o valor da alteração será um número escolhido aleatoriamente entre -2 e +2 pontos. Digamos que o número atual é de -1,25 pontos e o preço de fechamento é de 1250,50. O fechamento modificado seria então 1249,25. Finalmente, é possível que a alteração de um preço invalide o pedido de preços normal, como a redução do aberto, de modo que esteja abaixo da baixa. Para evitar isso, os preços podem precisar ser ajustados depois de fazer a mudança para manter aberto e fechado dentro da faixa alta / baixa.
O último método de teste de estresse que será discutido envolve mudar a barra de partida. Provavelmente é óbvio que uma boa estratégia não deve desmoronar quando você inicia o back-test em uma barra diferente. Pode ser menos óbvio como isso pode acontecer. Considere uma estratégia hipotética que entra muito tempo em um crossover médio móvel. Em seguida, mantém o comércio exatamente cinco barras antes de sair no mercado. Deixando de lado a adequação da lógica, imagine o que a história do comércio pode parecer em um gráfico de preços. Se a condição de entrada média móvel usar um cruzamento médio de curto prazo acima de uma média de longo prazo, é perfeitamente possível que, em uma tendência ascendente sustentada, a condição de entrada possa ser verdadeira por um longo período de tempo; isto é, a média de curto prazo pode ser maior que a média de longo prazo para muitos bares seguidos.
Se o back-test fosse iniciado durante esse período, o primeiro comércio entraria no próximo bar após a barra inicial, e cada troca duraria cinco barras, seguido imediatamente pela próxima entrada, e assim por diante. Agora, considere o que aconteceria se a barra de partida fosse alterada. Se a barra inicial fosse uma barra depois, por exemplo, toda a série de trades seria deslocada para uma barra à direita. É perfeitamente possível que algumas dessas séries de negócios de cinco barras sejam muito mais rentáveis do que outras, dependendo de como os negócios se alinharam com qualquer ciclo de tendência subjacente de cinco barras que existia. Então, dependendo da barra inicial, a estratégia pode ser altamente rentável ou não lucrativa por causa de onde os negócios começaram e terminaram. Pode não ser óbvio durante o desenvolvimento que a lógica de estratégia tenha esse tipo de dependência na barra inicial, particularmente para tipos de lógica mais complexos.
Para testar o efeito da barra de partida, a barra na qual o back-test da estratégia será iniciada será variada por um número aleatório escolhido entre 1 e N. No exemplo abaixo, N foi escolhido para ser 300. Então, a barra de partida foi variado adicionando um número escolhido aleatoriamente entre 1 e 300 para o número da barra de partida original.
Uma abordagem de Monte Carlo.
Variar as entradas, os preços ou a barra inicial por um valor aleatório fornece apenas uma alternativa para comparar com os resultados originais. Para obter uma imagem mais completa de quão robusta é uma estratégia, podemos repetir o processo muitas vezes até termos uma distribuição de resultados. De um modo geral, a variação das variáveis de entrada aleatoriamente em uma grande quantidade de iterações para gerar uma distribuição estatística de resultados para a função que depende dessas entradas é chamada de análise de Monte Carlo.
Neste caso, a função é a estratégia de negociação e as entradas de função são as entradas de estratégia, os preços de mercado e / ou a barra de partida. Ao repetir o teste de estresse muitas vezes, acabamos com vários conjuntos de resultados comerciais. Para entender como o processo de Monte Carlo funciona, considere o exemplo mostrado na Fig. 1.
Figura 1. Curva de patrimônio inicial para uma estratégia de negociação forex.
A curva de equidade descrita na Fig. 1 é para uma estratégia de negociação desenvolvida para o mercado cambial EURUSD em barras diárias, com um lote padrão (100,000) por comércio e US $ 50 por lote para custos de negociação. Esta é uma das estratégias de bônus incluídas no Adaptrade Builder. Ele foi desenvolvido em março de 2010. Os últimos 100 ou mais negócios foram desde o lançamento, o que mostra que ele resistiu bem em rastreamento fora da amostra em tempo real.
Para ilustrar como os resultados do teste de estresse podem ser analisados usando uma abordagem de Monte Carlo, considere os resultados do teste de estresse na estratégia de forex nos dados de preços, como mostrado na Fig. 2, que representa um total de 20 curvas de equidade, 19 das quais correspondem a um conjunto diferente de dados de preços modificados aleatoriamente. * A série de preços original para o EURUSD foi modificada 19 vezes como descrito acima, usando uma probabilidade de mudança de preço de 50% com uma porcentagem máxima de mudança de 20%. Juntamente com a curva original, mostrada como a linha verde mais espessa, há um total de 20 conjuntos de resultados. O número total foi mantido tão pequeno quanto possível para fins ilustrativos; mais iterações serão usadas abaixo nos exemplos restantes.
Figura 2. Estresse testando a estratégia forex, variando os dados de preços 19 vezes.
O lucro líquido total correspondente a cada curva de patrimônio na Figura 2 é o seguinte:
O valor mais alto, $ 147.855, corresponde ao arquivo original de dados de preço. O valor mais baixo é $ 50,201. Em uma análise de Monte Carlo, podemos perguntar qual é o lucro líquido com um grau de confiança especificado, dada a variação nos resultados. Um nível de confiança de 95% é típico, o que significa que haveria 5% de chance de o lucro líquido ser inferior ao nosso valor selecionado. Para obter o valor do lucro líquido com 95% de confiança, a lista acima é classificada de maior a menor, e o valor de 95% do caminho abaixo é selecionado. Uma vez que temos 20 itens na lista, selecionamos o 19º item na lista ordenada, o que seria um lucro líquido de $ 68,459; ou seja, o segundo valor mais baixo na lista.
Podemos interpretar este resultado da seguinte forma: se a randomização dos dados de preços é representativa do tipo de diferenças aleatórias que esperamos no mercado, podemos esperar que 95% do tempo, o lucro líquido será de pelo menos US $ 68.459.
A mesma abordagem pode ser aplicada a qualquer métrica de desempenho que possamos acompanhar. Se a métrica é aquela em que um valor mais baixo é melhor, como o rebaixamento máximo, a lista seria ordenada na ordem oposta, antes de selecionar o valor 95% abaixo da lista.
Exemplos de testes de estresse.
Agora considere um exemplo mais representativo, no qual um total de 100 amostras foram geradas para a análise de Monte Carlo. A figura 3 mostra as diferentes curvas de equidade resultantes da variação do arquivo de preços 99 vezes (mais a curva original).
Figura 3. Teste de estresse na estratégia forex ao variar os dados de preço 99 vezes, para um total de 100 curvas de equivalência.
Aplicando a abordagem de Monte Carlo para os resultados do teste de estresse, os resultados na Tabela 1 foram gerados com 95% de confiança (mostrados próximos aos resultados para os dados originais para comparação).
Tabela 1. Testes de estresse da estratégia de forex, variando os dados de preço.
Como esperado, os resultados de Monte Carlo de modificar os dados de preços mostram uma redução no desempenho em comparação com os resultados dos dados de preços originais. No entanto, os resultados do teste de estresse ainda são positivos, indicando que a estratégia é pelo menos moderadamente robusta.
Na Fig. 4, abaixo, a mesma abordagem foi aplicada aos valores de entrada da estratégia. A porcentagem de modificação foi estabelecida em 1%, o que, para muitas entradas, significou que o valor da alteração mínima foi aplicado. Todos os insumos foram modificados pelo menos a quantidade mínima para cada avaliação. A curva de equidade original é mostrada perto da parte superior do gráfico como a linha verde mais espessa. Em comparação com os resultados das modificações de preços, a modificação dos inputs da estratégia teve um efeito mais forte no desempenho.
Figura 4. Teste de estresse na estratégia forex variando os insumos da estratégia 99 vezes, para um total de 100 curvas de equidade.
Os resultados de Monte Carlo para a mesma amostra de métricas de desempenho como acima são mostrados na Tabela 2 abaixo, que inclui os resultados para os valores de entrada originais.
Tabela 2. Teste de estresse da estratégia de forex, variando as entradas da estratégia.
Os resultados da variação da barra de partida para a mesma estratégia forex são mostrados abaixo na Fig. 5. Comparado com os resultados dos outros dois testes, observa-se relativamente pouco efeito ao variar a barra de partida, sugerindo que a estratégia é principalmente insensível a esta variável.
Figura 5. Teste de estresse na estratégia forex variando a barra de partida 99 vezes, para um total de 100 curvas de equivalência.
Os resultados de Monte Carlo a partir deste teste são mostrados na Tabela 3 abaixo, onde são comparados aos resultados da barra de partida original.
Tabela 3. Teste de estresse na estratégia forex variando a barra de partida.
Também é possível modificar tudo em conjunto ou modificar combinações de variáveis, como modificar as entradas da estratégia ao mesmo tempo que os dados do preço. Na Fig. 6, abaixo, os três testes de estresse foram realizados em conjunto. Isso significa que as entradas de estratégia, os dados de preço e a barra de início foram modificados aleatoriamente ao mesmo tempo antes de avaliar a estratégia.
Figura 6. Teste de estresse na estratégia forex, variando a barra inicial 99 vezes, para um total de 100 curvas de equivalência.
Claramente, essa combinação de testes de estresse é um teste severo da robustez da estratégia. Uma ou duas das curvas de equidade mostradas na Fig. 6 parecem mostrar um lucro líquido negativo negativo (ou quase). Apenas uma curva de capital se aproxima da original. Os resultados de Monte Carlo com base neste teste são mostrados abaixo na Tabela 4.
Tabela 4. Estresse testando a estratégia forex, variando os dados de preços, insumos de estratégia e barra de partida.
Sumário e conclusões.
O excesso de ajuste é sempre uma preocupação ao desenvolver uma estratégia de negociação. Os chamados testes de estresse medem o quão robusta é uma estratégia de negociação, o que é uma indicação de se a estratégia está ou não ajustada. Embora qualquer variável que afete os resultados de uma estratégia comercial possa potencialmente ser objeto de um teste de estresse, este artigo enfocou três fatores importantes na determinação dos resultados do back-test: os dados do preço, os valores de entrada da estratégia e a barra inicial para o back - teste.
A estratégia utilizada para ilustrar cada teste de estresse demonstrou robustez moderada em relação aos dados de preços e valores de entrada e boa robustez em relação à barra de partida. Vale a pena notar que a estratégia de exemplo teve um histórico de três anos de resultados positivos de rastreamento em tempo real, e, em alguns casos, os resultados do teste de estresse foram pior do que os resultados reais fora da amostra alcançados pela estratégia. Isso sugere que os testes de estresse podem ter sido muito severos nesses casos. Isto foi particularmente evidente quando os três testes foram combinados, como mostrado na Fig. 6 e na Tabela 4.
O teste de estresse para as entradas da estratégia pode ter sido irrealista rigoroso na medida em que modificou todas as entradas para cada iteração do teste. Uma melhor abordagem pode ser aplicar o mesmo método usado para modificar os dados de preço, nos quais um preço foi modificado com uma probabilidade especificada. Em vez de modificar todas as entradas a cada vez, uma probabilidade poderia ser aplicada para determinar se uma determinada entrada deveria ser modificada. Se assim for, seria modificado da maneira descrita acima; caso contrário, a entrada não seria modificada.
Foi mostrado como os resultados do teste de estresse poderiam ser analisados usando a análise de Monte Carlo. Isso nos permitiu quantificar os resultados e fornecer uma estimativa de desempenho geralmente mais conservadora do que os resultados do back-test com base nos dados originais.
O foco do artigo foi testar uma estratégia de negociação depois que ela foi desenvolvida. Em princípio, no entanto, a mesma abordagem poderia ser usada como parte do processo de desenvolvimento da estratégia. No Adaptrade Builder, as estratégias são desenvolvidas com base no desempenho do back-test no período in-sample. Em vez de usar o desempenho obtido de back-testing da estratégia sobre os dados originais, o Monte Carlo resulta em 95% de confiança do teste de estresse. As principais estratégias da população seriam as que apresentariam os melhores resultados de Monte Carlo, que tendem a levar a população a estratégias robustas. Infelizmente, se cada análise de Monte Carlo fosse baseada em simulações de N, o processo de compilação levaria N vezes o tempo usando essa abordagem.
Juntamente com os testes fora da amostra e outros métodos discutidos nesta série de artigos, o teste de estresse fornece outra ferramenta para ajudar a identificar estratégias de negociação robustas e evitar ajustes excessivos. Se for aplicado como parte do processo de avaliação da estratégia, o teste de estresse pode ajudar a eliminar estratégias que são excessivamente sensíveis às mudanças no ambiente comercial, o que poderia ajudar a evitar perdas e aumentar suas chances de sucesso nos mercados.
* Todos os testes de estresse foram realizados usando Adaptrade Builder.
Este artigo foi publicado na edição de março de 2013 do boletim da Adaptrade Software.
OS RESULTADOS DE DESEMPENHO HIPOTÉTICOS OU SIMULADOS TÊM CERTAS LIMITAÇÕES INERENTES. A PARTIR DE UM REGISTRO DE DESEMPENHO REAL, OS RESULTADOS SIMULADOS NÃO REPRESENTAM A NEGOCIAÇÃO REAL. TAMBÉM, DESDE QUE OS NEGÓCIOS NÃO SEJAM REALMENTE EXECUTOS, OS RESULTADOS PODEM TENER SOB OU COMENTÁRIOS COMPLEMENTARES PARA O IMPACTO, SE HAVER, DE CERTOS FATORES DE MERCADO, TAL COMO FALTA DE LIQUIDEZ. PROGRAMAS DE NEGOCIAÇÃO SIMULADOS EM GERAL SÃO TAMBÉM SUJEITOS AO FATO QUE ESTÃO DESIGNADOS COM O BENEFÍCIO DE HINDSIGHT. NENHUMA REPRESENTAÇÃO ESTÁ FAZENDO QUE QUALQUER CONTA VÁ OU SEJA PROBABILITÁVEL PARA ALCANÇAR LUCROS OU PERDAS SIMILARES ÀOS MOSTRADOS.
Se você quiser ser informado de novos desenvolvimentos, novidades e ofertas especiais do Adaptrade Software, por favor, junte-se à nossa lista de e-mail. Obrigado.
Copyright © 2004-2015 Adaptrade Software. Todos os direitos reservados.
Uma estratégia robusta versus uma estratégia de robô.
Existem várias opções abertas a novos operadores que procuram uma rota para a negociação. Eles podem se inscrever para um sistema de robôs, eles podem ensinar-se através de tentativa e erro, ou podem aprender com comerciantes mais experientes.
Robot Strategies.
As estratégias de robô vêm com muitos nomes: caixa preta, algorítmica ou cópia comercial para citar alguns. A única coisa que eles têm em comum é que você não saberá completamente como os sinais são gerados. Você depende do desempenho do passado para prever o sucesso futuro e se a estratégia deixar de funcionar, você não tem idéia do que reduzir para esperar antes de começar a funcionar de novo.
Ocasionalmente, você tem dados vagos sobre os tipos de condições de mercado apropriadas para a implementação bem-sucedida da estratégia. E você pode até saber quais os indicadores de mercado & # 8211; embora não seja o que configurações & # 8211; são usados para criar os sinais.
Os sistemas algorítmicos são geralmente aqueles que são gerados a partir de programas de computador & # 8211; embora na realidade qualquer conjunto sistemático de regras seja tecnicamente um algoritmo.
Esses sistemas são rigorosamente testados para obter os maiores lucros # 8211; mas a um custo. E o custo não é necessariamente nas taxas mensais ou mensais cobradas (que podem variar de algumas centenas de dólares a muitos milhares de dólares).
Existem duas principais desvantagens para o comércio de robôs:
A maioria das estratégias de robôs são vigorosamente testadas e # 8211; às vezes com mais de 10 anos de dados, mas muitas vezes muito menos. Será muito preciso, mas esta também é a sua fraqueza "# 8211; Para obter o maior lucro dos mercados, o algoritmo será ajustado continuamente para se ajustar aos dados de volta. Isso é chamado de ajuste de curva. Qualquer um que tenha mesmo uma pequena quantidade de conhecimento comercial sabe que é fácil, com retrospectiva, ver os melhores lugares para entrar e sair de negócios. É saber o que fazer NESTE MOMENTO que apresenta desafios.
Se o algoritmo é criado usando dados de um mercado altista forte, por exemplo, pode não ser rentável se o mercado se desligar ou se inverter em um mercado de baixa. Mas se não lhe disseram quais as condições são ótimas para o algoritmo, como você sabe quando parar de usá-lo?
A segunda fraqueza dos sistemas de robô são os analistas. Embora a maioria dos sistemas se origine com a estratégia comprovada de um comerciante, ele terá que ser modificado de alguma forma para abordar o volume de negócios que ele irá gerar. Uma vez que entra nas mãos dos analistas, no entanto, isso inevitavelmente mudará sua natureza. Os analistas são analistas # 8211; não necessariamente comerciantes. Para lucros ótimos, por exemplo, eles podem decidir que uma redução de 90% é aceitável para um retorno de 100%. Há muito poucos comerciantes que achariam isso aceitável # 8211; em teoria, sim, mas na prática seria muito difícil manter essa sucessão de negociações perdedoras.
TDT Dica: se você está interessado em ser um comerciante, você deve aprender como negociar. Seguindo, cegamente, alguém se esforça para a estratégia # 8211; com sua única decisão de copiar ou não "# 8211" não vai fazer você um comerciante. Você é dependente desse sistema para continuar fornecendo para você para sempre.
Estratégias robustas.
Uma estratégia robusta é aquela em que você entende seus componentes, está provada que funciona e você se sente confortável em implementá-la.
Se você entender completamente sua estratégia e como ela é construída, você saberá como ela reagirá a determinadas condições de mercado e, se necessário, quando desativá-la e se afastar do mercado.
Uma pedra de tropeço para muitos comerciantes novos, que seguem esta rota, é que, embora entendam a construção de sua estratégia, podem não entender os componentes. Por exemplo, o estocástico é um indicador de gráficos popular, mas você poderia explicar como ele é calculado & # 8211; para um leigo & # 8211; em apenas 20 palavras? No entanto, milhares de traders confiam neste indicador para entrar no & # 8211; e fora # 8211; de trades todos os dias (ou mesmo várias vezes por dia!).
Dica TDT: estratégias de negociação simples são mais eficazes do que estratégias complicadas. Leia o meu artigo "O seu quadro está iluminado como uma árvore de Natal?".
Se você não entender como um indicador é calculado, evite usá-lo. Confie na sua estratégia é essencial para o sucesso comercial.
Se você estiver usando a estratégia de outro comerciante (com sua permissão, é claro!) Você deve ter acesso total a como funciona & # 8211; e aproveite o tempo para compreendê-lo completamente e todos os seus componentes.
Normalmente, ao usar pela primeira vez a estratégia de alguém, você começa com fé completa. Afinal, pertence a alguém que ganhou dinheiro usando isso. Mas se você não tiver tempo para entender como funciona em sua totalidade, depois de um tempo, & # 8211; ou alguns trades perdidos & # 8211; você começará a duvidar de sua eficácia.
Você deve ser claro quanto às condições de mercado que foi projetado para & # 8211; não existe uma estratégia genérica que possa funcionar independentemente, então você deve se certificar de que você entende isso. Finalmente, você deve implementá-lo corretamente. Você pode precisar de suporte contínuo para isso, por isso tenha isso em mente no início.
Pense cuidadosamente em usar a estratégia de outro comerciante. Certifique-se de que sua filosofia está alinhada com a deles. FYI "Get Rich Quick" não é uma filosofia válida. Pense muito sobre seus objetivos de longo prazo e os retornos mínimos aceitáveis para você. Seja realista em quanto tempo demorará para dominar tanto você quanto os mercados.
Conclusão.
O comércio não é fácil, mas é simples, embora muitas vezes seja complicado. Compreender plenamente sua estratégia de negociação é um componente essencial da negociação bem sucedida para comerciantes privados. Ganhe uma vantagem comercial ao aprender seus componentes de estratégia, as condições de mercado ótimas em que funciona e quando é melhor deixar de lado para preservar seu capital.
Desejando-lhe toda a negociação bem sucedida & # 8230;
Sobre Anne Chapman.
Trackbacks / Pingbacks.
Jay - 24 de outubro de 2014.
Testemunhos.
Apenas para que você saiba, também estamos fazendo bem com nossa negociação desde o Ano Novo, acumulamos cerca de 3000 pips usando as estratégias MoBo e Pullback. Os webinars semanais realmente ajudam e nos concentram na semana seguinte. As várias estratégias mecânicas mostradas para o comércio em diferentes condições de mercado adicionaram novas dimensões à nossa negociação. Os e-mails diários e as atualizações do Twitter são muito úteis, especialmente a partir de uma perspectiva psicológica. Esperamos que você continue com eles.
3000 Pips Profit.
Conheci Javid e Anne por pelo menos cinco anos e tive um vago conhecimento do que fizeram com a negociação até mais recentemente. Através de conversas regulares com Javid e Anne, eu gradualmente aprendi mais sobre negociação e quanto mais eu aprendi, mais eu queria aprender e assim desenvolver a partir daí.
Eu acredito que, pelo menos uma vez na vida de todos, uma oportunidade se apresentará. Eu imagino que a maioria das pessoas (eu incluí) perca muitos deles, mas eu sabia que isso # 8211; calculado & # 8211; O risco valia a pena tomar e eu me comprometi com a negociação. O treinamento de Javid e Anne é claro, abrangente e inspirador. My rationale was that if I didn’t do this now I would regret it for the rest of my life.
Javid and Anne’s relaxed and friendly nature coupled with their seemingly infinite knowledge of trading made the learning process easy. Javid’s mantra “It isn’t difficult but it’s not easy” is about right. In the last 4 months I have almost tripled my trading account, though I have to confess it is only a micro account! A year has flown by since I started and I guess a full sized account must now beckon.
Tripled my Trading Account.
It has taken me two and a half years to learn to trade well enough to consistently make more money than when I was working. It has not been easy, I have had many sleepless nights wondering if I could do it. I have been close to giving up a couple of times when I have had a number of losing trades in succession without proper money management, which can seriously hurt your account! I cant tell you how happy I am that despite everything the markets threw at me I kept on going back and trying harder, spending more hours in front of my computer, analysing charts and back testing trading systems. The one thing that gave me the confidence and most of all the BELIEF that I could succeed was that I knew people who were trading successfully and living off their profits, predominantly Javid, he has shown me trading methods and systems to help me to succeed and been my mentor when I needed help. I cant thank him enough for the help and time he has made available to me.
All of you by visiting this website know it is possible, and I hope that what I write gives some of you that are maybe thinking of giving up, the self belief to continue because it is possible to succeed. I have now been retired for nearly 3 weeks and I am averaging 300 pips per week, which is enough for me to live comfortably on, but I was still apprehensive that if I had a bad couple of weeks I would struggle. This apprehensiveness was blown out of the water on Thursday, I was 500 pips up for the day by 10am. I then locked in my profits and took the dog up the fells for the day. When I got home at close of play I had made 1030 pips in one day, I made in one day what I used to earn in two months!! Thank you Javid for all your help, I couldn’t have done it without you.
Barry (ex turkey catcher).
© 2017 The Dynamic Trader. Todos os direitos reservados.
Dynamic Trader. Fetcham Park, Lower Road, Fetcham. Surrey. KT22 9HD.
Estratégia de negociação.
Why thousands of investors and affiliate partners choose Stamford Trading Technologies.
THE BEST CONDITIONS FOR OUR PARTNERS AND CLIENTS.
Notícias da empresa.
ROBUST INVESTMENT STRATEGY.
Stamford Trading Technologies, LP. are the developers of our own robust investment strategy in the binary options market.
CryptoTrading: Exceptional Investment Returns.
Since 2018, the Company presents the investment programs in CryptoTrading Category, that implement the advantages of innovative solutions..
NINE TYPES OF INVESTMENT PROGRAMS.
A wide range of investment programs that meet different investment aims and objectives are available to the Investors and Partners..
DIVERSIFICATION OF RISKS.
Stamford Trading Technologies, LP. trading strategy has been worked out to ensure the best possible diversification of investment risks.
HIGH PAYING AFFILIATE PROGRAM.
Stamford Trading Technologies, LP. affiliate partners are offered a highly beneficial affiliate program with broad opportunities to build your own business and ensure your career growth.
Building robust strategies.
Backtesting a quantitative trading strategy is essential in measuring its potential, but as everyone knows, past performance is not necessarily indicative of future results.
The key to determining the performance of successful — on paper—strategies, is its robustness. Robustness in trading is the property of a trading strategy either to adapt to or to withstand changes in the market, and therefore maintain positive gains. The ultimate check of a trading strategy’s robustness is live trading. Isso leva tempo. Is there A method to test the robustness of a strategy based only on past data? Possivelmente.
Quantitative traders frequently use statistical methods to assess the robustness of a trading strategy.
If the strategy meets certain statistical criteria then it should maintain its performance. Typically, these criteria include requirements for the number of trades, distribution of returns on a trade-by-trade basis and over a long period of time. Various integral metrics like a strong Sharpe and Sortino ratio also help.
But, regardless of the complexity of these metrics, most often the key robustness assessment criterion can be reduced to a relatively simple requirement: That the distribution of returns over time is as linear as possible. This means that a strategy delivers a similar return pattern during a given period, and therefore because the strategy performs equally well during different market environments, it can be expected to perform well when the market environment changes again in the future.
The opponents of this approach always point to examples when a strategy that performed perfectly on past data fails. Unfortunately, these examples are numerous, and this adds to the opinion that no past performance data can guarantee the future performance.
While past data cannot guarantee future results, there are better and worse ways to measure simulated strategies. What we need to add to the analysis of robustness, and what most pure statistical methods lack, is the analysis of the past performance relative to market processes exploited by this strategy, and changes in performance relative to changes in these market processes.
For example, let’s consider a strategy that utilizes inefficiencies in the spot forex market, which regularly occur at certain times thanks to specific bank operations (around opening, settlement, clearing and so on). If the market environment is stable, a simple time-based strategy can work well. However, if it changes, the strategy performance will suffer. To avoid significant drawdowns, we should know what factors could change the environment. For forex, this could be banking rules that alter established banking operations. In late 2012-early 2013, strategies built prior to rule changes may no longer work, and not because of backtest statistics.
Even in development it is possible to test a strategy given sufficient historical data that refers to a similar market environment in history. Although there was no strict similarity between any past change in regulations and today’s processes, during 2006-2007 similarly significant changes could be observed. Therefore testing a strategy during this period would have provided an idea about possible performance when the regulations undergo new changes.
A weak equity curve during 2006-2007 would prove the concept of the strategy, rather than signify a flaw in its logic. And an attempt to fit the strategy to all known historical data, including the period when it should not work by design, will weaken it due to curve fitting.
Statistical methods of robustness assessment are not sufficient to produce any more or less useful prognosis of the future performance. It is essential to start with understanding the reasons why a particular strategy makes money; the real, physical market processes that are exploited by this strategy. Then, knowing the factors that may affect these market processes, and knowing how similar factors affected the market in the past, we will have a betterassessment of the strategy’s robustness. Understanding why the strategy makes money allows us to stop trading that strategy at early stages when the market environment that the strategy was successful in is likely to change, and therefore will not produce positive results.
From this standpoint an acceptable strategy may exhibit an unpleasant equity curve, but at the same time may be quite robust in terms of its capability of working under the right market conditions in the future. And smoothness of returns within this model is achieved by identifying the best market conditions it works under and employing it at those times.
By combining quantitative and qualitative analysis you can build and execute robust, long-lasting models.
Sobre o autor.
Alex Krishtop is an expert in systematic and automated trading. He is the director of education at Algorithmic Traders Association and runs an exclusive educational course in systematic trading. atassn.
No comments:
Post a Comment